---

---

به طور معمول، قیمت های انرژی، مثل قیمت نفت خام، متأثر از رویدادهای معین مانند تغییرات فصلی و رویدادهای غیرمعین مانند تحولات منطقه ای می باشند. رخدادهای غیر معین که علت تغییرات تصادفی قیمت ها هستند، پیش بینی قیمت را با مشکل اساسی مواجه می کند. رویکرد اولیه به تغییرات تصادفی، فرض وجود نویز در سیستم است که تغییرات معین قیمت را متأثر می کند. در این مقاله، ما تلاش می کنیم از تبدیل موجک به عنوان ابزاری برای هموارسازی و حداقل کردن نویز موجود در سری زمانی قیمت نفت خام استفاده کنیم و سپس با استفاده از روش تلفیقی با شبکه عصبی GMDH، قیمت نفت خام را پیش بینی نمائیم.علاوه براین، با استفاده از روش  GARCH ، واریانس های سری زمانی قیمت نفت خام را به الگوی تلفیقی فوق اضافه می کنیم. بدین منظور از قیمت های نفت خام بازارهای نیویورک و لس آنجلس استفاده نموده ایم. نتایج نشان می دهد که به کارگیری روش تلفیقی، بیش از ۴۰% الگوی شبکه عصبی بدون لحاظ تبدیل موجک و اثرات GARCH را بهبود می بخشد