تحلیل پوششی داده­ها کارایی نسبی واحدهای تصمیم­گیرنده را برآورد می­کند. این مقاله از فرایند تحلیل سلسله مراتبی و تئوری سری فازی برای تغییر مدلی در تحلیل پوششی داده­ها استفاده می­کند که این روش می­تواند برای ارزیابی عملکرد واحدهای شغلی استفاده شود. در این مقاله روشی جدیدی برای برآورد کارایی واحدهای تصمیم­گیرنده با داده­های بازه­ای به­کار گرفته شده است. مدل توسعه­یافته دارای داده­های بازه­ای است و افزون­بر این، وزنی که به داده­ها اختصاص می­یابد، نیز به صورت بازه­ای است. از این­رو، نوآوری در توسعه نظری صورت گرفته و در بخش تجربی نیز مدل، آزمون شده است. در بخش تجربی، روشی برای مرتب­سازی واحدهای تصمیم­گیرنده به­وسیله­ی کارایی به­دست آمده مطرح می­شود. برای آزمون روش پیشنهادی کاربرد مدل در رتبه­بندی گروهی محصولات سه خودروساز بررسی شده است. از نتایج مدل مشخص است که مدل پیشنهادی برای مسائل عمـلی؛ به­ویژه مواقعی که تعداد گزینش­ها محدود است، مفید خواهد بود .

چکیده

 پیش بینی قیمت نفت خام نقش مهمی در بهینه سازی تولید، بازاریابی و استراتژی بازار دارد. علاوه بر این موارد، نقش مؤثری در سیاست های دولت بازی می کند، چرا که دولت سیاست های خود را فقط نه بر مبنای وضع موجود، بلکه بر مبنای پیش بینی های کوتاه مدت و بلندمدت از متغیرهای کلیدی اقتصادی از جمله قیمت نفت تدوین کرده و به اجرا می گذارد. هدف از انجام این مطالعه مدل سازی و پیش بینی قیمت نفت تک‌محموله (SPOT) ایران با استفاده از مدل GARCH و الگوریتم جستجوی گرانشی(GSA) است. پیش‌بینی-های انجام شده در این تحقیق به صورت درون نمونه ای و ایستا بوده به گونه ای که داده ها به دو مجموعه داده های تخمین و داده های پیش بینی تقسیم شده اند. افق پیش بینی به صورت یک دوره به جلو و به مدت یک ماه می باشد. در این مطالعه، مدل هایی که برای پیش بینی قیمت نفت تک محموله ایران انتخاب شده است عبارتند از: (1وGARCH(2 و یک تابع کاب داگلاس برای الگوریتم GSA که تابعی از قیمت 5 روز گذشته می باشد. در پایان عملکرد این سه مدل با یکدیگر مقایسه شده است. برای مقایسه این مدل‌ها از معیارهای MSE، RMSE، MAE و MAPE استفاده شده که فرآیند GARCH به جز در معیار MAPE در بقیه موارد عملکرد بهتری نسبت به الگوریتم GSA داشته است.