ارائه رويكردي مبتني بر علم داده براي پيش‌بيني قيمت انرژي (كاربرد موردي: شركت ملي نفت ايران)

كارشناسي ارشد

انرژي يك كالاي استراتژيك در سطح بين‌المللي براي تمامي كشورها و سازمان‌ها است و صنعت نفت از بزرگ‌ترين و مهم‌ترين صنايع انرژي محسوب مي‌شود. تغييرات قيمت نفت مي‌تواند عامل بروز بحران‌هاي مختلف مانند تشديد تورم يا ركود اقتصادي باشد. از اين رو، ايران كه يك كشور وابسته به درآمد نفتي است و صنعت نفت همواره نقش مهم و به سزايي را در سياست و اقتصاد كشور ايفا كرده است؛ همواره از سياست‌ها و بازارهاي جهاني تاثير پذيرفته است و خود نقشي در تعيين سياست جهاني نداشته است. صادرات نفت و گاز و درآمد آن از 119 ميليارد دلار در آغاز دهه 90 به 9/8 ميليارد دلار رسيده است، به همين سبب، پيش‌بيني قيمت نفت، نقش عمده و ويژه‌اي در تصميم‌گيري‌هاي كلان كشور و سازمان‌هاي مرتبط دارد كه اين تصميمات براي كشورمان بسيار حياتي است و هم‌چنين پيش‌بيني قيمت نفت و ساير مشتقات آن، مي‌تواند نقش مهمي در بهينه‌سازي توليد، بازاريابي و استراتژي بازار ايفا كند. در اين پژوهش، كه هدف ارائه رويكردي مبتني بر علم داده براي پيش‌بيني قيمت نفت بوده است، داده‌هاي خود را از ابتداي سال 2003 ميلادي تا آخر مي 2021 ميلادي در قالب 11 ستون و 4747 سطر جمع‌آوري و پس از نرمال‌سازي داده‌ها؛ الگوريتم‌هاي رگرسيون خطي، حافظه كوتاه مدتِ بلند، ميانگين متحرك خودهمبسته يكپارچه، رگرسيون بردار پشتيبان، جنگل تصادفي و الگوريتم پيشنهادي خود را با عنوان يادگيري عميق چندلايه شامل دو لايه LSTM، سه لايه dense و دو لايه dropout طراحي و پياده‌سازي كرديم و توانستيم به دو الگوريتم ARIMA و يادگيري عميق چندلايه با دقت بالا دست يابيم كه مدل پيشنهادي ما، الگوريتم يادگيري عميق، براي مجموعه داده‌هاي پيچيده و بزرگ از دقت بالاتري برخوردار بوده است.

210034

دانشگاه علم و صنعت ايران

مهندسي صنايع

دكتر رسول نورالسناء