fa پیش‌بینی روزانه قیمت برق با استفاده از شاخص‌های تحلیل تکنیکال و ماشین بردار پشتیبان تخصصي Special كاربردي Applicable <strong><span style="font-family:b nazanin;">پیش بینی دقیق قیمت و بار مصرفی یکی از نیازمندی</span></strong> <strong><span style="font-family:b nazanin;">های ضروری بازیگران در بازار برق می باشد. سری زمانی قیمت برق به عنوان یک پدیده ذاتا تصادفی با عدم قطعیت بالا نسبت به بار شناخته می</span></strong><strong><span dir="LTR">&shy;</span></strong><strong><span style="font-family:b nazanin;">شود. از سوی دیگر ویژگی غیر ایستا و غیرخطی این سری زمانی، پیش</span></strong><strong><span dir="LTR">&shy; </span></strong><strong><span style="font-family:b nazanin;">بینی رفتار آینده آن را مشکل می</span></strong><strong><span dir="LTR">&shy;</span></strong><strong><span style="font-family:b nazanin;">سازد. با توجه به اینکه در بازارهایی همچون بازار سهام، با استفاده از تحلیل تکنیکال با آزمون قیمت‌</span></strong><strong><span dir="LTR">&shy;</span></strong><strong><span style="font-family:b nazanin;">های گذشته و حجم مبادلات، حرکت‌های آینده قیمت تا حدی قابل پیش بینی است، در این مقاله جهت پیش‌بینی قیمت برق از شاخص های تحلیل تکنیکال جهت تحلیل سری زمانی داده های بازار برق استفاده می</span></strong><strong><span dir="LTR">&shy;</span></strong><strong><span style="font-family:b nazanin;">شود. این شاخص ها به عنوان ویژگی های استخراجی از سری زمانی قیمت برق به رگرسیون ماشین بردار پشتیبان اعمال می</span></strong><strong><span dir="LTR">&shy;</span></strong><strong><span style="font-family:b nazanin;">شوند و قیمت برق در افق یک روزه بر روی داده های بازار </span></strong><strong><span dir="LTR"><span style="font-family:times new roman,serif;">Ontario</span></span></strong><strong><span style="font-family:b nazanin;"> محاسبه می شود.&nbsp;</span></strong><strong><span style="font-family:b titr;"></span></strong> Forecasting the electricity price is important for electricity market players. Time series of the electricity price -as an inherently random phenomenon- have high uncertainty relative to the load. On the other hand, the non-stationary and non-linear characteristics of this time series make its forecasting difficult. On markets like the stock market, one can somehow forecast future price movements using technical analyses along with testing past prices and the volume of transactions. Therefore, this paper uses technical analysis indices for analyzing the time series data of the electricity market to forecast the electricity price. These indices are used as features extracted from time series of electricity price and applied to a Support Vector Machine (SVM) regression, through which the electricity price is predicted on daily horizon on Ontario electricity market. پیش بینی قیمت, بازار برق, تحلیل تکنیکال, بردار ماشین پشتیبان. Price forecasting, Electricity market, Technical analysis, Support Vector Machine. 43 52 http://jeps.dezful.iau.ir/browse.php?a_code=A-10-56-3&slc_lang=fa&sid=1 Maryam Rezaei مریم رضایی آبکنار m_rezaee77@yahoo.com 1003194753284600457 1003194753284600457 No Islamshahr Branch, Islamic Azad University, Islamshahr Hossein haroonabadi حسین هارون آبادی haroonabadi@iiau.ac.ir 1003194753284600458 1003194753284600458 Yes Islamshahr Branch, Islamic Azad University, Islamshahr Ebrahim Khorram ابراهیم خرّم ebrahim.khorram@iiau.ac.ir 1003194753284600459 1003194753284600459 No Islamshahr Branch, Islamic Azad University, Islamshahr