صنعت پتروشیمی نقش مهمی در ایجاد ارزش افزوده در منابع نفت و گاز به ویژه برای ایران دارد. پیش بینی کشورهای صادرکننده یا وارد کننده پتروشیمی به همراه نوع محصول تبادلی، کمک بزرگی به ذی نفعان این صنعت برای برنامه ریزی بهینه تجاری است. از سوی دیگر، روش های محاسباتی ویژه شبکه های اجتماعی، اکنون کاربردهای متعددی در حیطه های مختلف یافته اند. هدف این مقاله، استفاده از روش های تحلیل شبکه برای اولین بار در پیش بینی تجارت محصولات پتروشیمی در سطح جهانی است. داده های مورد بررسی از وبسایت سازمان ملل در رابطه با تبادلات تجاری به ازای صادرات و واردات محصولات رایج صنعت پتروشیمی برای سال های 2017 تا 2019 استخراج و پیش پردازش شدند. همچنین از روش های محاسباتی پیش بینی پیوند، برای پیش بینی ارتباطات سال های بعد هر کدام برمبنای سال قبل، استفاده شد. الگوریتم های مورد استفاده، روش های پایه رایج با نام های همسایگان مشترک، ضریب جاکارد، آدامیک آدار و الحاق ترجیحی هستند. ارزیابی به دو شیوه محاسباتی و مقایسه پیش بینی ها با نتایج موجود انجام شد. بهترین روش پیش بینی با بیش از 90 درصد امتیاز AUC، الحاق ترجیحی به دست آمد که بر اساس آن مقایسه با داده های واقعی نیز صورت گرفت. یافته های پژوهش، مستعدترین کشورها برای واردات را اسپانیا، اسلونی، استرالیا، نروژ و آرژانتین شناسایی کرد و خوش آتیه ترین کشورها برای صادرات برای ایران را صادرات محصول استون به اسپانیا برآورد کرد. در نهایت روش های افزایش کارایی پیش بینی ها نیز بیان شد که استفاده از الگوریتم های قوی تر مانند روش های یادگیری ماشین با ناظر و مدل سازی غنی تر شبکه از قبیل در نظر گرفتن وزن ارتباطات، از جمله موارد مهم قابل انجام است.
