26075

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

كارشناسي ارشد

مهندسي صنايع

1400

آذر ماه 1400

دكتر رسول نورالسناء

مهندسي صنايع

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.

1400/11/26

Developing a Data Science Approach to Predict Energy Price (Case Study: Iranian National Oil Company)

12/21/2022 12:00:00 AM

Energy is a strategic commodity at the international level for all countries and organizations, and the oil industry is one of the largest and most important energy industries. Changes in oil prices can cause various crises, such as rising inflation or recession. Hence, Iran, which is a country dependent on oil revenues and the oil industry has always played an important role in the country's politics and economy; It has always been influenced by global policies and markets and has not played a role in determining global politics. Oil and gas exports and revenues have risen from 119 billion dollars in the beginning of 2011 to 8.9 billion dollars. There are related organizations that these decisions are very important for our country and also predicting the price of oil and its derivatives, can play an important role in optimizing production, marketing and market strategy. In this study, which aimed to provide a data science-based approach to predict oil prices, data were collected from the beginning of 2003 to the end of May 2021 in the form of 11 columns and 4747 rows, and then Data normalization; We implemented Linear Regression, Long Short Term Memory, Autoregressive Integrated Moving Average, Support Vector Regression, Random Forest, and an algorithm that we designed as multilayer deep learning, and we were able to achieve two algorithms ARIMA and multi-layer deep learning with high accuracy that the deep learning algorithm has a higher accuracy for complex and large data sets.

قيمت نفت , پيش‌بيني , يادگيري ماشين , يادگيري عميق , قيمت انرژي

Oil Price , Forecasting , Machine Learning , Deep Learning , Energy Price