پیش بینی تقاضای انواع گوشت در مناطق شهری ایران با استفاده از رهیافت الگوریتم ژنتیک
Authors
abstract
در این پژوهش تقاضای گوشت قرمز، گوشت مرغ و گوشت ماهی در دوره 1368 تا 1390 در مناطق شهری ایران مورد تجزیه و تحلیل قرار گرفت. به منظور گزینش مناسب ترین الگوی تقاضا، سیستم تقاضای تقریبا ایده آل، الگوی روتردام و الگوی cbs، با استفاده از روش sur برآورد شد. نتایج به دست آمده از مقایسه این الگوها نشان داد که در دوره مورد بررسی سیستم تقاضای تقریبا ایده آل(aids) به عنوان الگوی برتر پیش بینی انتخاب شد. سپس پیش بینی تقاضای گروه های گوشت در مناطق شهری ایران، تا سال 1404(پایان چشم انداز بیست ساله جمهوری اسلامی ایران) انجام شد. نتایج پیش بینی با استفاده از روش الگوریتم ژنتیک و بر اساس پیش فرض استمرار شرایط قیمتی و درآمدی گذشته نشان داد که برای مصرف کننده شهری، سهم بودجه اختصاص یافته به گوشت قرمز، به تدریج کاهش و سهم بودجه اختصاص یافته به گوشت مرغ و ماهی، افزایش می یابد و میزان تقاضای خانوار شهری از هر یک از دو گروه گوشت قرمز و مرغ کاهش می یابد. به این معنی که در مجموع تقاضای آینده آنان از کل انواع گوشت سالانه به میزان 54/2 درصد کاهش خواهد داشت. همچنین برای مصرف کننده شهری، گوشت قرمز، مرغ و ماهی کالاهایی ضروری (نرمال) و جانشین به شمار می آیند، از طرفی گوشت قرمز و مرغ کالاهایی بی کشش بوده و گوشت ماهی کالایی کشش پذیر است.
similar resources
پیشبینی تقاضای انواع گوشت در مناطق شهری ایران با استفاده از رهیافت الگوریتم ژنتیک
در این پژوهش تقاضای گوشت قرمز، گوشت مرغ و گوشت ماهی در دوره 1368 تا 1390 در مناطق شهری ایران مورد تجزیه و تحلیل قرار گرفت. به منظور گزینش مناسبترین الگوی تقاضا، سیستم تقاضای تقریبا ایدهآل، الگوی روتردام و الگوی CBS، با استفاده از روش SUR برآورد شد. نتایج بهدست آمده از مقایسه این الگوها نشان داد که در دوره مورد بررسی سیستم تقاضای تقریبا ایدهآل(AIDS) به عنوان الگوی برتر پیشبینی انتخاب شد. سپ...
full textشبیه سازی تابع تقاضای انواع گوشت در ایران ( قرمز و سفید ) با استفاده از رهیافت الگوریتم ژنتیک
چکیده در این پژوهش تقاضای انواع متفاوت گوشت، یعنی گوشت قرمز، گوشت مرغ و گوشت ماهی در دوره 1360 تا 1390 در ایران مورد تجزیه و تحلیل قرار گرفت . به منظور انتخاب مناسب ترین مدل تقاضا بین مدل های روتردام، سیستم تقاضای تقریبا ایده آل(aids) و مدل cbs، به تفکیک در دو بخش خانوارهای شهری و روستایی ایران از روش sur بهره گرفته شد. نتایج حاصل از مقایسه مدل های مذکور نشان داد که در دوره مورد مطالعه در بخش ...
15 صفحه اولکاربرد شبکه عصبی مبتنی بر الگوریتم ژنتیک در پیش بینی تقاضای بلندمدت انرژی
پیشبینی تقاضای انرژی جهت عرضه به موقع، تنظیم بازار، هدفگذاری میزان صادرات و ایجاد امنیت انرژی اهمیت ویژهای دارد. روشهای مختلفی برای پیشبینی تقاضای انرژی معرفی شده است که در این بین با توجه به روند غیرخطی و پرنوسان تقاضای انرژی، تکنیکهای غیرخطی نتایج مطلوبتری داشته است. شبکههای عصبی و الگوریتم ژنتیک از مهمترین و پرکاربردترین تکنیکهای غیرخطی در این زمینه میباشند که هر یک نقاط ضعف و قوت خ...
full textپیش بینی گرادیان فشار شکست سازند با استفاده از روش الگوریتم ژنتیک در یکی از میدان های اکتشافی ایران
full text
پیش بینی تقاضای بلندمدت انرژی الکتریکی با استفاده از الگوریتم ترکیبیِ عصبی- فازی و انبوه ذرات
Storing the electrical energy in large scale is impossible. So, it is necessary to identify the factors affecting the electricity demand. Researchers have used different methods to forecast the future demand of electricity, among them intelligent methods and fuzzy based methods are more popular. Since ANFIS structure is based on researcher’s experience about phenomenon, the created structure ...
full textMy Resources
Save resource for easier access later
Journal title:
journal of agricultural economicsPublisher: انجمن اقتصاد کشاورزی ایران
ISSN 2008-5524
volume 8
issue 3 2014
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023