پیش‌بینی صادرات نفت و گاز ایران با شبکه‌های عصبی پس از جنگ روسیه و اکراین

نوع مقاله : مقاله پژوهشی

نویسندگان

1 کارشناسی ارشد، گروه اقتصاد، دانشکده مدیریت، اقتصاد و مهندسی پیشرفت، دانشگاه علم و صنعت، تهران، ایران.

2 دکترای، گروه حقوق نفت و گاز، دانشکده حقوق و علوم سیاسی،‌ دانشگاه تهران، تهران، ایران.

چکیده

امروزه، تمامی جنبه‌های زندگی بشر تحت تأثیر انرژی‌های مختلف به‌ویژه نفت و گاز می‌باشد. یکی از کشورهای مهم در این حوزه روسیه می‌باشد. بررسی جزییات اقتصاد انرژی روسیه و میزان تجارت نفت و گاز آن می‌تواند برای کشور ایران جهت رقابت و افزایش سهم خود در بازار انرژی مفید باشد. با توجه به جنگ اخیر روسیه و اوکراین این موضوع اهمیت بیشتری پیدا کرده است. روسیه بخش عمده‌ای از انرژی اتحادیه اروپا به‌ویژه گاز آن‌ها را فراهم می‌کرده است اما در نتیجه جنگ، این تجارت دچار تغییراتی شده است. این پژوهش ابتدا زوایای مختلف انرژی روسیه را مورد مطالعه قرار می‌دهد و دلایل اهمیت این کشور در این زمینه ارائه خواهد شد. سپس، به طور کامل جنبه‌های مختلف جنگ روسیه و اوکراین و نتایج به‌وقوع پیوسته و همچنین اثرات احتمالی آینده آن بررسی شده است. این پژوهش، جهت بهبود نقش ایران در بازار انرژی از یک مدل هوش مصنوعی به نام پرسپترون چند لایه (MLP) استفاده کرده تا صادرات نفت و گاز ایران را پیش‌بینی نموده و مدلی دقیق برای این منظور ارائه دهد.
داده‌های مربوطه به صورت فصلی از سال 1369 تا 1401 جمع‌آوری شده و نتایج نشان می‌دهد که مدل MLP با دقت بالایی قادر به پیش‌بینی آینده صادرات ایران می‌باشد. بر اساس مقادیر پیش‌بینی شده، انتظار می‌رود که طی سال‌های آینده میزان صادرات نفت ایران افزایش ولی مقدار صادرات گاز کشور کاهش یابد.

کلیدواژه‌ها


عنوان مقاله [English]

Forecasting the future of Iran’s oil and gas export after the Russia-Ukraine war, applying Neural Networks

نویسندگان [English]

  • Mohammad Hossein Safiyari 1
  • Sadegh Abdi 2
1 M.A., Department of Economics, Faculty of Management, Economics and Progress Engineering, Iran University of Science and Technology, Tehran, Iran.
2 Ph.D., Department of Oil and Gas Law, Faculty of Law and Political Science, University of Tehran, Tehran, Iran.
چکیده [English]

Today, all aspects of human life are influenced by various forms of energy, especially oil and gas. So, competition among countries in the field of energy has reached its highest level. One of the significant and influential countries in this field is Russia. Examining the details of Russia's energy economy and the extent of their oil and gas trade can be useful for increasing Iran’s share in the energy market. Given the recent war between Russia and Ukraine, this matter has become even more crucial. Russia supplied a significant portion of the energy to the European Union, especially in the form of gas. Consequently, the war has brought about changes in this trade. This research explores various aspects of Russia's energy and presents the reasons for the importance of this country. Then, it thoroughly examines the different aspects of the Russia-Ukraine war, the ongoing results, and potential future effects.
This research utilizes an artificial intelligence model, Multilayer Perceptron (MLP) to predict the future of Iran's oil and gas exports, aiming to enhance the role of Iran in the world energy market. The applied data, has been collected on a season basis from 1990 to 2022. The findings indicate that the MLP model has accurately predicted the future of Iran's exports. Furthermore, the results of MLP prediction presents that the amount of Iran’s oil export will increase in the near future, but the amount of Gas export will decrease in the next three years.

کلیدواژه‌ها [English]

  • Oil and Gas
  • Russia-Ukraine war
  • Artificial Intelligence
  • MLP neural networks
ابراهیمی، محمد. (1383). استراتژی انرژی روسیه، ظرفیت ها و اقدامات، فصلنامه مطالعات اسیای مرکزی و قفقاز، 13(14)، 231-272.
ابونوری، عباسعلی و غفوری، شیرین. (1389). براورد عرضه و تقاضای گاز طبیعی در ایران و پیش بینی برای افق 1404، مجله مدل سازی اقتصادی، 4 (12)، 117-136.
امامی میبدی، علی؛ صادق زاده، محمدامین؛ فروغی دهر، شرمینه و مردان تبار، حسام (1386). اصلاح الگوی مصرف گاز در بخش خانگی-تجاری با روش تجزیه، هشتمین همایش ملی انرژی، تهران.
بیل، راسل؛ جکسون، تام. (1383). آشنایی با شبکه های عصبی. ترجمه محمود البرزی، تهران: انتشارات دانشگاه صنعتی شریف.
پوراحمدی، حسین و ذوالفقاری، مهدی. (1388). دیپلماسی انرژی و منافع ملی جمهوری اسلامی ایران، دانش سیاسی، 5 (10)، 5-40.
جوان، افشین؛ زمانی، مهرزاد؛ قنبری، علیرضا و  بیاری، لیلی. (1391). پیش بینی تقاضا و ذخیره سازی فصلی گاز طبیعی در طول برنامه پنجم توسعه با استفاده از روش های شبکه عصبی و ARIMA، مجله مطالعات اقتصاد انرژی، 9 (34)، 49-70.
حافظی، رضا؛ ناصر اخوان، امیرناصر و  پاک سرشت، سعید. (1397). توسعه مدل محاسباتی ترکیبی بر پایه شبکه عصبی مصنوعی برای پیش بینی تقاضای جهانی گاز طبیعی، مجله مهندسی و مدیریت انرژی، 8 (4)، 38-49.
درج، حمید. (1401). تحلیل نگرانی اروپا از استفاده ابزاری روسیه از انرژی، مطالعات اقتصاد سیاسی بین الملل، 5 (2)، 477-518.
راجاسکاران، سانجوتوار و الاکشمی پای، ویجی. (1397). شبکه های عصبی، منطق فازی و الگوریتم ژنتیک: ترکیب و کاربرد، ترجمه محمود کشاورزمهر، تهران: انتشارات نوپردازان.
روحانی، حسن. (1389). سیاست خارجی و آینده نفت و گاز کشور، فصلنامه بین المللی روابط خارجی، 2 (3)، 7-37.
سلیمانی، یاسر. (1401). تحلیل حمله روسیه به اوکراین از منظر امنیت انرژی ایران، ماهنامه علمی امنیت اقتصادی، 10 (5)، 69-78.
کریمیپور، داوود؛ نیاکویی، سید امیر و سیمبر، رضا. (1396). دیپلماسی انرژی در سیاست خارجی روسیه و قطر، فصلنامۀ پژوهشهای راهبردی سیاست، 6 (22)، 177-205.
متقی، ابراهیم و همت خواه، مریم. (1387). جایگاه ایران در بازار انرژی آسیای مرکزی، فصلنامه مطالعات اوراسیای مرکزی، 1(1)، 9-25.
محمدی، حمیدرضا و غم پرور احمد. (1393). نقش اقتصاد سیاسی بین الملل در تغییر ساختارهای حاکمیتی خاورمیانه با تاکید بر جایگاه انرژی ایران، فصلنامه علمی انجمن جغرافیایی ایران، دوره 12، شماره 43.
منهاج، محمدباقر. (1397). مبانی شبکه های عصبی هوش محاسباتی، تهران: انتشارات دانشگاه صنعتی امیرکبیر.
مهدیان، حسن و فخریان، سیروس. (1391). ژئوپلیتیک انرژی ایران و امنیت انرژی غرب، پژوهش های جغرافیای انسانی، 44 (4)، 45-64.
هنری، الهام؛ یقینی، مسعود و ندیمی، محمدحسین. (1395). پیش بینی مصارف گاز خانگی و تجاری برای یک دوره پنج ساله شهر اصفهان با استفاده از شبکه های عصبی، مجله مدیریت تولید و عملیات، 7(12)، 247-262.
یاری، احسان و رضایی، دانش. (1396). دیپلماسی و امنیت انرژی جمهوری اسلامی ایران، ماهنامه پژوهش ملل، 2 (21)، 27-46.
 
British Petroleum. (2021). British petroleum statistical Review of World energy.
British Petroleum. (2022). British petroleum statistical Review of World energy.
Dai, Z., Zhu, H., & Zhang, X. (2022). Dynamic spillover effects and portfolio strategies between crude oil, gold and Chinese stock markets related to new energy vehicle. Energy Economics109, 105959.
Debnath, K. B., Mourshed, M., & Chew, S. P. K. (2015). Modelling and forecasting energy demand in rural households of Bangladesh. Energy Procedia75, 2731-2737.
Euronews. (2022). What would sanctions on Russian energy mean and why is Europe reluctant to impose a ban? Available at: https://www.euronews.com.
Hafezi, R., Akhavan, A., Pakseresht, S., & Wood, D. A. (2021). Global natural gas demand to 2025: A learning scenario development model. Energy224, 120167.
Kazemi, A., & Hosseinzadeh, M. (2012). A multi-level fuzzy linear regression model for forecasting industry energy demand of Iran. Procedia-Social and Behavioral Sciences41, 342-348.
 
 
 
Li, J., & Wang, J. (2020). Forcasting of energy futures market and synchronization based on stochastic gated recurrent unit model. Energy213, 118787.
Li, M. J., Tao, W. Q., Song, C. X., & He, Y. L. (2015). Forecasting and evaluation on energy efficiency of China by a hybrid forecast method. Energy Procedia75, 2724-2730.
Meng, X., Jiang, J., & Wang, H. (2021). AGWO: Advanced GWO in multi-layer perception optimization. Expert Systems with Applications173, 114676.
Mitrova, T., & Yermakov, V. (2019). Russia's Energy Strategy-2035: Struggling to Remain Relevant.
Sözen, A. D. N. A. N., & Arcaklioğlu, E. R. O. L. (2007). Prospects for future projections of the basic energy sources in Turkey. Energy Sources, Part B2(2), 183-201.
Suganthi, L., & Samuel, A. A. (2012). Energy models for demand forecasting—A review. Renewable and sustainable energy reviews16(2), 1223-1240.
The Associated Press. (2022). Why is Europe balking at a ban on Russian energy? The Daily Independent, Available at: https://yourvalley.net.
Wang, Z., Li, Y., Feng, Z., & Wen, K. (2019). Natural gas consumption forecasting model based on coal-to-gas project in China. Global Energy Interconnection2(5), 429-435.
World Bank. (2022). Available at: https://data.worldbank.org/country/russian-federatio