پوریا فرجیان - عضو هیات علمی گروه عمران، دانشکده عمران و معماری دانشگاه ایوان کی
نیما فرجیان - معاون پژوهشی و فناوری

وابستگی دنیای امروز به فناوری ، نیاز بشر را به محصولات تولید شده از سنگ آهن بیشتر میکند و پیش بینی ها حاکی از آن است که تا سال ۲۰۳۵ میزان تقاضای فولاد ۶۰ درصد افزایش یابد (محمدی ، سلطانی محمدی و بخشنده امنیه ۱۳۹۲).به همین دلیل پیش بینی قیمت فلزات از جمله سنگ آهن با استفاده از روش های کمی و کیفی نظیر مطالعه فنی اقتصادی بازار ،مطابقت زیادی با واقعیت نداشته است . یکی از روش های متداول بررسی قیمت ها، روش سری های زمانی است. در این پژوهش، با مدل سازی و استفاده از تحلیل سری زمانی به کمک شبکه عصبی پویا، به پیش بینی قیمت سنگ آهن پرداخته شده است. در ادامه، با به کارگیری روش شبکه عصبی مصنوعی و با توجه به قیمت ماهانه سنگ آهن و عوامل موثر بر نوسانات آن، قیمت سنگ آهن برآورد شده و سپس نتایج به دست آمده، ازنظر قابلیت پیش بینی مورد ارزیابی قرار گرفت.مدل شبکه عصبی بهینه با ۳ لایه و ۱۰ نرون قیمت سنگ آهن را با دقت بسیار مناسب برآورد کرده است. در این مدل مقدار خطای آموزش در حدود ۷/۱% و برای اعتبار سنجی برابر ۳/۲% و خطای آزمون ۵/۱% است. همچنین مقدار رگرسیون و همبستگی داده ها در سطح اعتماد ۹۵% و مقدار همبستگی بالا با R۲=۰.۹۸ نشان گر یک مدل خوب و با دقت مناسب است.

قیمت سنگ آهن, پیش بینی, شبکه عصبی