مقایسه پیش بینی شاخص قیمت تولید کننده محصولات چوب و کاغذ ایران با دو روش شبکه عصبی مصنوعی و فرایند خود همبستگی جمعی میانگین متحرک
نویسندگان
چکیده
روند شاخص قیمت تولید کننده محصولات چوب و کاغذی وضعیت اقتصادی صنعت چوب و کاغذ را نشان می دهد و پیش بینی شرایط آینده آن ضروری است. هدف این تحقیق مقایسه دو روش پیش بینی شبکه عصبی مصنوعی و فرایند خود همبستگی جمعی میانگین متحرک برای پیش بینی شاخص قیمت تولید کننده محصولات چوب و کاغذ می-باشد . معیارهای ارزیابی کارایی و درصد خطای پیش بینی اندازه گیری شد. نتایج نشان می دهد که درصد خطای پیش بینی ها به ویژه روش خود همبستگی جمعی میانگین متحرک (آریما) کم می باشد، ولی نرخ رشد افزایش قیمت پیش بینی شده با روش آریما مشابه دوره های 1381 تا 1389 و نرخ رشد افزایش قیمت پیش بینی شده با روش شبکه عصبی مصنوعی مشابه دوره های هدف می باشد. تقریبا هر دو روش شاخص قیمت تولید کننده یکسانی را پیش بینی کردند که افزایش بسیار جزئی دارند. داده های سری زمانی ماهانه این دو شاخص از 1381 تا 1389 مانا نمی باشند و بنابراین احتمالا شاخص های قیمت آینده همانند سال های گذشته تحت تاثیر شوک های اقتصادی همانند طرح هدفمند کردن یارانه ها قرار می گیرند و باعث سیر صعودی شاخص های قیمت می شود.
منابع مشابه
مقایسه قدرت پیش بینی روش شبکه عصبی مصنوعی با سایر روش های پیشبینی: مورد قیمت چغندرقند
این مطالعه با هدف پیشبینی قیمت اسمی و واقعی چغندرقند و مقایسه روش شبکه عصبی مصنوعی با سایر روشها صورت گرفت. پس از بررسی ایستایی سریها، تصادفی بودن متغیرها با استفاده از دو آزمون ناپارامتریک والد- ولفویتز و پارامتریک دوربین- واتسون بررسی شد. براساس نتایج این آزمونها سری قیمت اسمی چغندرقند بهعنوان سری غیرتصادفی و قابل پیشبینی و سری قیمت واقعی بهعنوان سری تصادفی ارزیابی شد. دوره مطالعه نیز ...
متن کاملمقایسه عملکرد مدلهای شبکه عصبی مصنوعی واتورگرسیون برداری در پیش بینی شاخص قیمت و بازده نقدی
هدف این مقاله تجزیه و تحلیل های اقتصادی، پیش بینی صحیح و دقیق متغیرهای اقتصادی است. در این زمینه، روشهای مختلفی برای پیش بینی در اقتصاد وجود دارد، که از جمله آنها میتوان به مدلهای رگرسیون ، معادلات همزمان و... اشاره کرد. مدلهای سری زمانی نیز از جمله مدلهای اقتصادی می باشند که در آن پیش بینی مقادیر سری، بیش از هر چیز به عهده خودشان گذاشته می شود اما استفاده از روش های غیر کلاسیک در شناسایی مدل و...
متن کاملپیش بینی تولید آبزیان دریایی در ایران با استفاده از روش ARIMA و شبکه عصبی مصنوعی
پیشبینی پدیدههای اقتصادی ساختاری فراهم میکند تا مدیران و مسؤلان اقتصادی را در گرفتن تصمیمهای درست یاری دهد. هدف اصلی این مطالعه پیشبینی مقدار تولید آبزیان دریایی در ایران است. برای این منظور از روشهای سری زمانی خود توضیح جمعی میانگین متحرک (ARIMA)[1] و شبکه عصبی مصنوعی[2] استفاده میشود. در این مطالعه سه ساختار گوناگون شبکه عصبی شامل شبکه عصبی پیشرو[3]، تابع پایه شعاعی[4] و المن[5] بکار ...
متن کاملمقایسه پیش بینی واکشیدگی ضخامت تخته خرده چوب با سیستم فازی و شبکه عصبی مصنوعی
درصد واکشیدگی یکی از خواص فیزیکی مهم محصول نهایی میباشد. این آزمون نیاز به زمان و هزینه دارد. بنابراین پیش بینی مقدار درصد واکشیدگی تخته در حین تولید میتواند باعث کنترل کردن فرایند تولید و کیفیت یکنواخت محصول گردد. در این تحقیق متغیرهایی مانند رطوبت خرده چوب قبل از خشککن، رطوبت کیک خرده چوب در فرمینگ، میزان چسب مصرفی به ازای هر تخته، زمان پرس، دمای پرس، فشار پرس، و خاصیت درصد واکشیدگی تخته خ...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
پژوهش های علوم و فناوری چوب و جنگلناشر: دانشگاه علوم کشاورزی و منابع طبیعی گرگان
ISSN 2322-2077
دوره 21
شماره 2 2014
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023