در تحقیق حاضر سامانه خبره تلفیقی به عنوان روشی جدید و کارآمد جهت پیش بینی قیمت نفت معرفی می گردد. این روش، تلفیقی از داده کاوی صفحات وب، سامانه مبتنی بر پایگاه قواعد و شبکه عصبی GMDH مبتنی بر الگوریتم ژنتیک می باشد. در داده کاوی صفحات وب، اطلاعات پیرامون عوامل موثر بر قیمت از سایت های مختلف به دست آمده و میزان تاثیر گذاری این عوامل در قالب قوانینی درسامانه مبتنی بر پایگاه قواعد ذخیره می گردد، این قوانین همراه با میانگین های متحرک کوتاه مدت و بلندمدت قیمت نفت به عنوان ورودی شبکه عصبی جهت الگو سازی و پیش بینی قیمت نفت لحاظ می گردند. نتایج بررسی ها نشان داد که به کارگیری سامانه خبره تلفیقی عملکرد پیش بینی را نسبت به مدل شبکه عصبی در حد معنی داری افزایش می دهد.

در این مقاله رابطة علیت میان تورم و رشد بهره­وری در اقتصاد ایران با استفاده از روش­های خطی و غیر­خطی مبتنی بر شبکه­های عصبی آزمون می­شود. این مطالعه با ارائة نگاهی جامع و متفاوت به مبانی نظری رابطة تورم و بهره­وری و نیز ارائة روشی­ نو به منظور بررسی ارتباط غیرخطی میان این دو متغیر به واکاوی رابطه میان این دو در اقتصاد ایران طی دورة 1385-1338 پرداخته است. نتایج حاکی آن است که به‌رغم عدم وجود رابطة خطی میان تورم و رشد بهره‌وری، یک رابطة غیرخطی میان این دو متغیر با استفاده از روش علیت غیرخطی GMDH مشاهده می­شود. به بیان دیگر، میان تورم و رشد بهره­وری یک علیت غیرخطی دو طرفه برقرار است.