مقاله ارزیابی عوامل موثر بر قیمت سنگ آهن با استفاده از شبکه های عصبی مصنوعی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله ارزیابی عوامل موثر بر قیمت سنگ آهن با استفاده از شبکه های عصبی مصنوعی دارای ۱۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله ارزیابی عوامل موثر بر قیمت سنگ آهن با استفاده از شبکه های عصبی مصنوعی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله ارزیابی عوامل موثر بر قیمت سنگ آهن با استفاده از شبکه های عصبی مصنوعی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله ارزیابی عوامل موثر بر قیمت سنگ آهن با استفاده از شبکه های عصبی مصنوعی :

تعداد صفحات:۱۲
چکیده:
آهن یکی از پر کاربردترین فلزات در جهان محسوب میشود. قیمت جهانی سنگ آهن بر اساس میزان عرضه و تقاضای آنتعیین میشود. پارامترهای متعددی همچون قیمت فولاد، شاخص تولید ناخالص داخلی، قیمت نفت خام، قیمت آلومینیوم،قیمت طلا، نرخ بهره، نرخ تورم، ارزش دلار، ارزش سهام و میزان تولید آهن و فولاد بر قیمت جهانی سنگ آهن مؤثرهستند. با توجه به تعدد پارامترهای مؤثر و پیچیدگی روابط میان آنها، می توان از روش های مبتنی بر هوش مصنوعی نظیرشبکه های عصبی مصنوعی برای پیش بینی قیمت سنگ آهن استفاده نمود. در این مقاله، با استفاده از شبکه عصبیمصنوعی مدلی برای پیش بینی قیمت ماهیانه سنگ آهن ارائه شده است. با مقایسه انواع شبکه ها، شبکه بهینه با چهار لایهپیشخور و الگوریتم آموزش پس انتشار خطا شامل ۵ نرون در لایه ورودی، ۱۲ نرون در لایه پنهان اول، ۱۵ نرون در لایهپنهان دوم و ۱ نرون در لایه خروجی بدست آمد. همچنین خطای نسبی، خطای مطلق، VAR, RMSE و ضریب R2بدست آمده برای شبکه بهینه به ترتیب برابر ۰/۰۳۹، ۰/۰۳۳، ۹/۷۵۹، ۹۷/۷۵۹، ۹۷/۷۳۸ و ۰/۹۷۸ می باشد. در نهایت پس از انجام آنالیز حساسیت مشخص گردید که پارامترهای تولید ناخالص داخلی چین، قیمت طلا و قیمت نفت به ترتیب بیشترین تأثیرو پارامترهای نرخ بهره، نرخ تورم و ارزش دلار به ترتیب کمترین تاثیر را در بین پارامترهای ورودی بر قیمت سنگ آهن دارند.