پیش بینی قیمت خرده فروشی و عمده فروشی ماهی قزل آلا با استفاده از شبکه عصبی مصنوعی و مدل arma
Authors
abstract
توجه به ثبات نسبی و پیشبینی قیمت، می تواند نقش مهمی در کنترل ناپایداری قیمت ها و درنهایت کاهش ریسک بازار داشته باشد. در موضوع پیشبینی، مهم ترین بخش مقایسهی روش های مختلف است. در این پژوهش با مقایسهی قدرت پیشبینی دو روشarma و شبکهی عصبی مصنوعی و با انتخاب روش بهتر، قیمت های هفتگی خرده فروشی و عمده فروشی ماهی قزل آلا پیشبینی می شود. در این مطالعه از شبکهی پیش خور که از نوع شبکه های پس انتشار (back propagation) است، استفاده می شود. داده های مورد استفاده در مطالعه شامل قیمت های هفتهی اول فروردین 1388 تا هفتهی آخر شهریور 1390 می باشد. قبل از استفاده از روشهای پیشبینی تصادفی یا غیرتصادفی بودن داده ها مورد بررسی قرار گرفت. بر اساس آزمون های تصادفی بودن والد-ولفویتز، والیس-مور و دوربین-واتسون هر دو سری قیمت غیرتصادفی و قابل پیش بینی هستند. بر اساس آزمون ایستایی داده ها (دیکی-فولر تعمیم یافته) سری ها در سطح ایستا می باشند. نتایج پیش بینی نشان می دهد که مدل arma در مقایسه با مدل شبکه عصبی مصنوعی، بر اساس چهار معیار ارزیابی دقت پیش بینی، میزان خطای کمتری دارد در نتیجه قدرت بالاتری در پیش بینی قیمت ماهی قزل آلا دارد. در مدل شبکه عصبی 80% داده ها برای آموزش شبکه و 20% برای داده های آزمایشی در نظر گرفته شد. نتایج آزمون برابری دقت دو روش (mgn) نشان می دهد مدل arma در پیش بینی قیمت خرده فروشی و قیمت عمده فروشی نیز به طور معنی داری بهتر از مدل شبکه عصبی است. طبقهبندی jel:e27, p25, q18
similar resources
پیش بینی قیمت خرده‌فروشی و عمده‌فروشی ماهی قزل آلا با استفاده از شبکه عصبی مصنوعی و مدل ARMA
توجه به ثبات نسبی و پیشبینی قیمت، می‌تواند نقش مهمی در کنترل ناپایداری قیمت‌ها و درنهایت کاهش ریسک بازار داشته باشد. در موضوع پیشبینی، مهم‌ترین بخش مقایسهی روشهای مختلف است. در این پژوهش با مقایسهی قدرت پیشبینی دو روشARMA و شبکهی عصبی مصنوعی و با انتخاب روش بهتر، قیمت‌های هفتگی خرده‌فروشی و عمده‌فروشی ماهی قزل‌آلا پیشبینی می‌شود. در این مطالعه از شبکهی پیشخور که از نوع شبکههای پس ان...
full textقیمت گذاری پویای محصولات در خرده فروشی های الکترونیکی با استفاده از شبکه های عصبی مصنوعی
چکیده تجارت الکترونیک بعنوان یکی از خصوصیات عصر حاضر باعث بازنگری در کلیه استراتژی¬ها و ابعاد مربوط به تجارت و بازرگانی شده است. یکی از این مباحث، مبحث قیمت¬گذاری می¬باشد. قیمت بعنوان تنها عضو آمیخه بازاریابی می باشد که تولید درآمد می¬کند و لذا انتخاب قیمت مناسب باعث مدیریت درآمد می¬گردد. با توجه به محیط به شدت متغیر تجارت الکترونیک به نظر روش-های قیمت¬گذاری ثابت برای این محیط نمی¬توانند مناسب...
پیش بینی هوشمندانه خصوصیات تخته خرده چوب با استفاده از شبکه عصبی مصنوعی
چکیده شبکه های عصبی در دهه ی اخیر به عنوان ابزار قدرتمندی جهت پیش بینی در حوزه های مختلف مورد استفاده قرار گرفته اند. در این تحقیق از شبکه عصبی پیشخور پرسپترون چند لایه (MLP) با یادگیری پس انتشار از الگوریتم آموزش انتشار به عقب (BP)، با تکنیک بهینه سازی عددی لونبرگ- مارکوات (LM)،توسط نرم افزار متلب مورد استفاده قرار گرفت. درصد رطوبت کیک ، دمای پرس و زمان بسته شدن پرس به عنوان متغیرهای ورودی و خ...
full textپیش بینی خشکسالی با استفاده از مدل تلفیقی شبکه عصبی مصنوعی- موجک و مدل سری زمانیARIMA
تبدیل موجک یکی از روشهای نوین و بسیار موثر در زمینه تحلیل سیگنالها و سریهای زمانی است. در این روش سیگنال شاخص بارش استاندارد (SPI) با استفاده از موجک مادر منتخب تجزیه شده، دادههای حاصل بهعنوان ورودی مدل شبکه عصبی مصنوعی در نظر گرفته شده و یک مدل تلفیقی برای پیشبینی خشکسالی ارائه میگردد. در این تحقیق، از شبکههای عصبی مصنوعی پرسپترون چند لایه (MLP) و تابع پایه‌ای شعاعی ((RBF، سری زمانی AR...
full textقیمت گذاری خرده فروشی و پاسخگویی بار در شبکه های توزیع هوشمند
چکیده: در این مقاله، به خرده فروشی روز بعد در ارتباط با مشتریان قیمت پذیر با تعرفه ثابت و تعرفه های زمان استفاده، پرداخته شده است. پاسخ مشتریان به پیشنهاد قیمت ساعتی، به کمک یک تابع پذیرش مدل‌سازی شده است. تابع پذیرش، یک تابع توزیع احتمال خطی است که بر مبنای حداقل و حداکثر قیمت مجازی که توسط قانونگذار مشخص می شود، شکل می‌گیرد. همچنین، مدل-سازی نحوه پیشنهاد قیمت خرده فروش به مشتریان خود در خصوص...
full textMy Resources
Save resource for easier access later
Journal title:
فصلنامه علمی -پژوهشی تحقیقات اقتصاد کشاورزیPublisher: دانشگاه آزاد اسلامی واحد مرودشت
ISSN 2008-6407
volume 5
issue شماره 19 2013
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023