مدل سفارش با ۲ پارامتر و روند نمایی: x_i3
مدل سفارش با ۱ مدل پارامتر و روند نمایی: x_i4
مدل سفارشی با روند میرا: x_i5
روند خطی: x_i6
روند درجه دوم: x_i7
روند لگاریتمی: x_i8
روند ترکیبی: x_i9
(۱و۱و۱) ARIMA: x_i10
(وارد شدن متغیرهای قیمت، تولید ناخالص ملی و سایر انرژی‏ها: مدل لگاریتمی)
مدل ۱ اقتصادسنجی: x_i11
مدل ۲ اقتصادسنجی: x_i12
(مثل واردشدن متغیرهای قیمت، تولید ناخالص ملی و سایر انرژی‏ها و انرژی افزوده صنعتی:مثل لگاریتمی)(زهانگ،۲۰۰۱)^[۱۳۰]
مدل ۳ اقتصادسنجی: x_j13
(مثل وارد شدن متغیرهای قیمت، تولید ناخالص ملی، سایر انرژی‏ها و مدل میانگین ترک: مدل لگاریتمی)
(مدل معرفی‏شده در مقاله) مدل ۴ اقتصادسنجی: x_i14
مدل BP شبکه عصبی: x_i15
نحوه ترکیب روش‏های پیش‏بینی به این صورت است که در نتیجه مدل‏سازی روش‏های پیش‏بینی نتایج این روش‏ها در تقاضای نفت به دست آمده است و سپس این نتایج توسط روش‏های شبکه‏های عصبی، رگرسیون، توالی نتایج و میانگین موزون ترکیب شده‏اند. ترکیب مدل‏های پیش‏بینی فردی فوق با بهره گرفتن از روش‏های زیر صورت گرفته است(زهانگ،۲۰۰۱)^[۱۳۱] .
ترکیب روش‏های پیش‏بینی فردی با بهره گرفتن از رویکرد شبکه‏های عصبی مصنوعی
در این ترکیب، نتایج ۱۴ مدل پیش‏بینی فردی (شامل ۵ مدل هموارسازی نمائی، ۴ مدل روند، ۱ مدل ARIMA و ۴ مدل علّی) وجود دارد. هر روش پیش‏بینی به عنوان یک ورودی در نظر گرفته شده است. توپولوژی شبکه (با روش پس انتشار خطا) به صورت ۱۴ ورودی، یک لایه پنهان و یک لایه خروجی مدنظر قرار گرفته شده است(الیوه،۲۰۰۲)^[۱۳۲] . در لایه میانی ۳۰ نرون با تابع زیگموئیدی و تابع فعال‏سازی جمع‏کننده خطی در توپولوژی شبکه عصبی به کار گرفته شده‏اند. روش شبکه‏های عصبی به این دلیل که در تحلیل ترکیبی تمام روش‏ها و نتایج آنان وارد مدل می‏شود، می‏تواند مورد توجه باشد. در این مدل، تولید ناخالص داخلی، قیمت نفت، مصرف سایر منابع انرژی، جمعیت و ارزش افزوده در بخش صنعت وارد مدل شبکه عصبی شده‏اند(کوو،۲۰۰۱)^[۱۳۳].
ترکیب مدل‏های پیش‏بینی فردی با بهره گرفتن از روش رگرسیون چندمتغیره
متغیرهای مستقل x_i2,…,x_i14 و x_i2,…,x_i15 ، x_i1 (۴۳،…،۱،‏۲=i) به عنوان روش‏های فردی پیش‏بینی هستند که متغیر وابسته آنها Y_i (۴۳،…،۱،‏۲=i) به عنوان داده‏های واقعی لحاظ می‏شوند. این متغیرهای وابسته و مستقل در یک ظرف رگرسیونی ریخته شده و با بهره گرفتن از روش گام‏به‏گام، خارج نمودن متغیرهایی که با یکدیگر همبستگی دارند به صورت مرحله‏ای انجام گرفته است. بهترین مدل به دست آمده به صورت زیر بیان شده است. با توجه به تحلیل واریانس انجام شده و محاسبه ۱۷۲۸=F که بیانگر تأیید این رابطه است و بررسی آماره آزمون، برای تمام متغیرهای موردنظر، ضریب بالای R² و نزدیکی آن به R² تعدیل شده و آزمون دوربین – واتسون انجام شده که عدم همبستگی مانده‏ها را نشان می‏دهد، مدل ترکیبی به دست آمده قابل استناد است (خالوزاده، ۱۳۷۷).
جدول ۲-۱): جدول نتایج مدل سازگار با داده‏ها (تحلیل رگرسیونی)