كاربرد الگوريتم ژنتيك در بهينه‌سازي معماري شبكه عصبي و پيش‌بيني قيمت نفت (GADDN)

Application of Genetic Algorithm to Optimization Neural Network Architecture in Predicting Oil Prices (GADDN)

پيش‌بيني صحيح قيمت نفت نقش مهمي را در هدايت سياست‌هاي پولي كشورهاي مختلف ايفا مي‌كند. اهميت اين نقش به‌طور مشهود در كشورهاي واردكننده و صادركننده نفت به چشم مي‌خورد. در اين مقاله از الگوريتم ژنتيك براي بهينه‌سازي معماري و ساختار شبكه عصبي مصنوعي بهره برده‌ايم. در طي فرآيند بهينه‌سازي، وزن‌ها، باياس و ساختار شبكه عصبي محاسبه مي‌شوند تا بدين طريق از پيچيدگي هاي ناشي استفاده از شبكه عصبي مصنوعي در پيش بيني كاسته گردد. براي بررسي عملكرد مدل شبكه عصبي اصلاح‌شده با الگوريتم ژنتيك (GADNN) از آن براي پيش بيني قيمت نفت اينترمديت وست تگزاس (WTI) در سال 2012 تا انتهاي 2015 استفاده مي شود. نتايج پژوهش نشان‌دهنده عملكرد بهتر و دقت بيشتر مدل پيشنهادي پژوهش حاضر در مقايسه با ساير مدل‌هاي شبكه عصبي مصنوعي در پيش بيني قيمت نفت مي باشد.

The correct forecasting of oil prices plays an important role in conducting the monetary policy of different nations. Its importance is obvious in the countries exporting and importing oil. This paper uses the genetic algorithm to optimize the neural network model and structure. During the optimization process, the weights, biases and structure of the neural network are calculated. The aim of this work is reducing the complexities of using artificial neural network in forecasting. The performance of the proposed method (GADNN) is investigated by applying it WTI oil price time series prediction problems from 2012 to the end of 2015. The results show better performance and accuracy when we compare it with other neural networks model in prediction oil price.