مدل سازي تقاضاي گازوييل در بخش حمل و نقل زميني ايران با استفاده از شبكه عصبي

Modeling Diesel Demand in Iran Land Transport Sector Using GMDH Neural Network

گازوييل يكي از مهم ترين حامل هاي انرژي در ايران مي باشد و بخش حمل و نقل زميني بزرگ ترين مصرف كننده آن است. با توجه به قيمت پايين و نقش مهم اين سوخت در حمل مسافر و كالا در ايران، بررسي و شناسايي متغيرهاي تاثيرگذار بر تقاضاي آن داراي اهميتي فراوان مي باشد. در اين مقاله از شبكه عصبي به عنوان ابزاري با قابليت بالا در مسيريابي و تشخيص روندهاي غير خطي پيچيده، شناسايي عوامل موثر و مدل سازي با تعداد مشاهدات محدود، مورد استفاده قرار گرفته است. همچنين براي انتخاب متغيرهاي تاثيرگذار از دو روش تحليل بنيادي و تكنيكي استفاده شده است. در اين مطالعه، روش تحليل بنيادي در طي سه مرحله تاثير 10 متغير درون سيستمي و برون سيستمي را بر تقاضاي گازوييل مورد ارزيابي قرار داده است. نتايج در مرحله نهايي تحليل بنيادي حاكي از آن است كه متغيرهاي درون سيستمي توليد ناخالص داخلي سرانه، تعداد وسايل نقليه گازوييل سوز و متغيرهاي برون سيستمي يارانه اختصاص داده شده به گازوييل و نرخ ارز بازار غيررسمي اثر مضاعف و نقدينگي تاثير عادي و يكساني بر تقاضاي گازوييل دارند. علاوه بر اين، نتايج نشان مي دهد كه ورود متغيرهاي نرخ ارز بازار غيررسمي، نقدينگي و يارانه در كنار متغيرهايي كه در تحقيقات پيشين استفاده شده اند، در بالا رفتن صحت مدل و دقت معيارهاي ارزيابي پيش بيني تاثير بسزايي داشته است. همچنين نتايج حاصل از مدل سازي و پيش بيني تقاضاي گازوييل با استفاده از دو روش تحليل بنيادي و تكنيكي، دقت و كارايي بالا و خطاي كم آنها را در پيش بيني نشان مي دهد.

Diesel is one of the most important energy carriers in Iran and the land transport is the largest consumer of diesel. According to the low price and the important role of this fuel in carrying passengers and goods in Iran, Checking and identification of variables have impressive on demand that is important. In this paper from the GMDH neural network is been used as a tool for high ability in routing and detection of complex non-linear trends, identification effective factors and modeling whit limit the number of observations. Also for choice of effective variables is used from the two fundamental and technical analysis. In This study fundamental analysis system has been evaluated in during three steps impact of 10 the system variables inside and outside the on diesel demand. results is indicates in the final stage of fundamental analysis that the system variables inside, GDP per capita, the number of diesel-powered vehicles and the system output variables of allocated to diesel subsidies and informal market exchange rate have doubly effect and liquidity has identical and ordinary effect on the diesel demand. In addition, the results are show that entry of variables of informal market exchange rate, liquidity and subsidy variables besides variables that have been used in previous research, in rise authenticity and precision evaluation criteria of forecast of the model has a significant impact. Also the results of modeling and forecasting diesel demand using both fundamental and technical analysis shows low error and the accuracy and high performance of the forecast.