گزارش دفاع پروژه نهایی گروهی از دانشپذیران کد 17 دوره جامع علم داده

                             

پیش‌بینی هوشمند قیمت نفت با استفاده از مدل‌های یادگیری ماشین و شبکه‌های عصبی

 

این پروژه با هدف پیش‌بینی قیمت نفت خام West Texas Intermediate (WTI) انجام شده است. در این پروژه از مدل‌های شبکه عصبی کانولوشنال (CNN) و شبکه عصبی بازگشتی (LSTM) به همراه مدل‌های پیش‌بینی مانند ARIMA و Prophet استفاده شده است. 

هدف اصلی، پیش‌بینی دقیق قیمت نفت برای کمک به شرکت‌ها و سرمایه‌گذاران جهت مدیریت ریسک و تصمیم‌گیری بهتر در خرید و فروش نفت است.

دیتاست به‌کار رفته شامل 1,262,329 ردیف داده واقعی از قیمت نفت است که این دیتاست شامل ویژگی‌های مهمی مانند تاریخ، زمان، قیمت باز شدن، قیمت بسته شدن، حجم معاملات، و اسپرد است.

در این پروژه از تحلیل‌های داده‌محور (EDA) برای بررسی داده‌ها و مهندسی ویژگی‌ها استفاده شد. در نهایت، مدل‌های شبکه عصبی با استفاده از داده‌های تاریخی آموزش داده شدند و نتایج دقیقی برای پیش‌بینی قیمت نفت ارائه شد.

🔗 تمام کدها و نتایج این پروژه در لینک زیر در دسترس است

Intelligent Oil Price Prediction
 GitHub Repository (https://github.com/M-RezaeiGH/Time-Series-Oil-Price-Prediction-ML-PROPHET-ARIMA-CNN-LSTM)

آیا این مطلب را می پسندید؟
https://tehrandata.org/?p=12444
اشتراک گذاری:

نظرات

0 نظر در مورد گزارش دفاع پروژه نهایی گروهی از دانشپذیران کد 17 دوره جامع علم داده

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

برای امنیت، استفاده از سرویس reCAPTCHA گوگل مورد نیاز است که تابع Privacy Policy and Terms of Use است.

هیچ دیدگاهی نوشته نشده است.

رزرو وقت مشاوره