رویکردهای جدید در پیش بینی با استفاده از شبکه های عصبی- فازی: قیمت نفت

دنیای امروز دنیای تغییر است و دانستن این که در آینده چه موقعیتی در انتظار ما است، تقاضای محصولات ما چه قدر است و یا آن ها را به چه قیمتی می توانیم به فروش برسانیم، عامل مهمی در حفظ حیات و بقای سازمان ها است. برای دسترسی به آینده باید بتوانیم پیش بینی کنیم. با پیشرفت روزافزون علم، استفاده از روش های جدید و به کارگیری تکنولوژی های هوشمند رونق بسیاری پیدا کرده است.
در این تحقیق کاربرد علم پیش بینی در مدیریت مورد پژوهش قرار گرفته و سعی شده است که روش ها و الگوریتم های جدید مانند شبکه های عصبی و منطق فازی تشریح شده و کاربرد ترکیب این دو روش در پیش بینی بررسی شود. از همین رو نخست با استفاده از چندین روش مختلف مانند میانگین متحرک ساده، میانگین متحرک موزون، نمو هموار ساده، نمو هموار دوبل، روند خطی، روند تابع ترکیبی و روند نمایی پیش بینی مورد نظر انجام شد، سپس نتایج این روش ها هم با نتایج حاصل از روش شبکه های عصبی فازی با استفاده از شش معیار اندازه گیری خطای پیش بینی مقایسه گردید و این نتیجه به دست آمده که در همه معیارها، روش شبکه های عصبی فازی نسبت به سایر روش ها برتری دارد و میزان تطابق داده ها (ضریب2R) مربوط به شبکه های عصبی- فازی90 درصد است. داده های استفاده شده در این تحقیق مربوط به سال های 1970- 2005 میلادی کشورهای صادر کننده نفت (اوپک) بوده است.