موسسه مطالعات و پژوهشهاي بازرگاني

مشخصات سند
نظرات

مجري محمد محجوب
مدير مسئول (ناظر) مسعود موحدی
همكار مجید عبداله‌زاده
كد طرح 861011546
محل اجرای طرح موسسه مطالعات و پژوهشهاي بازرگاني
كارفرما
تاريخ شروع 87/1/20
تاريخ پايان 87/10/22
شماره مدرک ۱۲۱۸۴ال‍ف‌

برای دریافت فایل ثبت نام کرده و یا وارد شوید

امروزه مدل سازی و شبیه ‌سازی سیستم های دینامیکی پیچیده اقتصادی از دانش و فن‌آوری‌های جدید است. به عنوان نمونه، توسعه مدل های کارآمد پیش بینی قیمت در بازارهای اقتصادی، به عنوان پایه‌ای برای تصمیم گیری در حوزه های سیاست گذاری و نظارت راهبردی مطرح می‌باشد. از طرفی ابزارهای نوین هوش محاسباتی زیربنای توانمندی را جهت تحلیل مسأله پیش بینی قیمت فراهم آورده و حجم گسترده پژوهش های انجام شده و در دست اقدام در این راستا گشاینده افق‌های نوینی جهت ارائه مدل‌های قدرتمند پیش بین می باشد. این پژوهش که به پیش بینی قیمت محصولات فولادی در افق کوتاه مدت با استفاده از مدل‌های عصبی- فازی می پردازد، در چهار مرحله تهیه و تدوین شده ‌است. در گزارش مرحله اول به توصیف علم پیش بینی قیمت، بررسی سابقه تحقیق و بیان ادبیات موضوعی پیش‌بینی در مراجع معتبر پرداخته شده است. بررسی مبانی و چارچوب نظری، استخراج عوامل مؤثر بر قیمت محصولات فولادی و جمع بندی و تحلیل پیشینه تحقیق از نتایج این گزارش می باشند. در گزارش مرحله دوم مبانی محاسباتی و ریاضیات سیستم های مبتنی بر شبکه های عصبی مصنوعی و منطق فازی تشریح گردیده و پایه های لازم برای درک معماری و نحوه عملکرد سیستم‌های عصبی-فازی تبیین شده است. گزارش مرحله سوم به بررسی منابع موجود و ترسیم فضایی جامع درباره بورس فلزات و صنعت فولاد می‌پردازد. تشریح زوایای مختلف اهمیت صنعت فولاد، بررسی ویژگی‌های بورس کالا، بررسی ضرورت، دلایل، فواید، اهداف و دستاوردهای تشکیل بورس فلزات به عنوان زیربنای مطالعاتی لازم جهت پرداختن به مسأله پیش بینی قیمت در بازارهای بورس فلزات در بخش های مختلف این گزارش توسعه داده شده است. در نهایت در گزارش چهارم با در نظر گرفتن مباحث و ملاحظات لازم در تحلیل‌های اقتصادی و فرایند پیش‌بینی، مدل‌های پیش بینی بر پایه سیستم های استنباط فازی مبتنی بر شبکه‌های عصبی تطبیقی و مدل های نوروفازی خطی محلی پیاده سازی شده اند. در این تحقیق توانمندی نسبی مدل های ارائه شده جهت پیش بینی قیمت محصولات فولادی در کنار حجم محاسباتی مناسب، تعداد پارامترهای قابل تنظیم کم، توانایی عملکرد خودکار، قابلیت تعمیم بالا و دقت مطلوب آنها در مقایسه با مدل‌های پیشین با شبیه سازی و مقایسه نتایج نشان داده شده است.