---

پیش‌بینی دقیق قیمت‌های نقدی گاز طبیعی از اهمیت زیادی برخوردار است زیرا می‌تواند در تصمیم‌گیری‌های نظارتی هر دو جانب عرضه و تقاضای گاز طبیعی مفید واقع شود. لذا در این مطالعه، آزمون گاما جهت قیمت‌های گاز، به‌عنوان یک ابزار غیرخطی و ناپارامتریک استفاده شد تا بتوان بهترین ترکیب ورودی‌ها را قبل از کالیبراسیون و آزمون مدل انتخاب نمود. آزمون گاما دارای مدل‌های غیرخطی متعددی مانند رگرسیون خطی موضعی (LLR)، رگرسیون خطی موضعی پویا (DLLR) و شبکه‌های عصبی مصنوعی (ANN) می‌باشند. بدین‌منظور از قیمت‌های نقدی روزانه، هفتگی و ماهانه‌ی گاز هنری‌هاب از 7/11997 تا 20/3/ 2012 استفاده شد. مقایسه‌ی نتایج نشان داد که مدل DLLR از ضریب همبستگی بالاتر و میانگین مربعات خطای پایین‌تر از LLR برخوردار بوده و پیش‌بینی‌های بهتری را بدست می‌دهد. مدل ANN نشان می‌دهد که هرچه دوره‌ی پیش‌بینی کوتاه‌تر باشد نتایج دقیق‌تری را داراست. بنابراین، مدل پیش‌بینی قیمت‌های نقدی روزانه با روش ANN می‌تواند به عنوان یک مدل مناسب درنظر گرفته شود. بعلاوه، مدل‌های ANN در مقایسه با مدل‌های LLR و DLLR دارای عملکرد بالاتری است و دقت بالاتری را جهت پیش‌بینی روند قیمت‌های گاز در مقیاس‌های زمانی متفاوت بدست می‌دهد اما این دسته از مدل‌ها از توانایی لازم جهت پیش‌بینی شوک‌های قیمتی بازار برخوردار نمی‌باشند