در بالادست بخش نفت و گاز ، بسیاری از برنامه های توسعه و تصمیمات استراتژیک مبتنی بر محاسبات اقتصادی است. بنابراین ، ایجاد مدلهای جدید برای پیش بینی دقیق متغیرهای اقتصادی با خطای کمینه بسیار مهم است.
در این مطالعه ، دو سیستم استنتاج فازی مبتنی بر قانون مبتنی بر مدلهای مدل همدانی و TSK همراه با الگوریتم جستجوی جامع برای پیش بینی قیمت ماهانه روغن (MOP) ، قیمت روزانه گاز (DGP) و نرخ بهره سالانه (AIR) استفاده شده است. کلیه داده های مورد نیاز از بانک مرکزی جمهوری اسلامی ایران جمع آوری شده است. علاوه بر این ، از میانگین میانگین متحرک متحرک خودمختار (ARIMA) به عنوان یک معیار مناسب برای شناسایی اینکه آیا روشهای مبتنی بر فازی پیشنهادی می توانند از مدلهای ARIMA برای پیش بینی فاکتورهای اقتصادی بهتر استفاده کنند استفاده می شود. اهمیت آماری نتایج با استفاده از الگوریتم بوت استرپ و معیارهای مختلف خطا ارزیابی می شود.
نتایج نشان می دهد که در پیش بینی MOP ، DGP و AIR از نوع Mamdani ARIMA و TSK بهتر است. نتایج نشان می دهد که نوع Mamdani بهینه سازی شده RMSE را با ۶۹٫۱۹٪ پیش بینی MOP ، ۳۷/۸۴٪ در پیش بینی DGP و ۹۳٫۶۷٪ در پیش بینی AIR نسبت به روش معیار کاهش می دهد.