مقایسه روش های اقتصاد سنجی و شبکههای عصبی مصنوعی در پیش بینی مقدار واردات کنجاله ایران
author
Abstract:
اهمیت پیشبینی متغیرهای اقتصادی برای سیاستگذاران وبرنامه‌ریزان و واحدهای اقتصادی بر کسی پوشیده نیست. لذا، در دهه‌های اخیر، مدلهای متنوعی برای این امر ابداع شده وبا هم به رقابت پرداخته‌اند. در مطالعه حاضر، مقدار واردات کنجاله ایران برای دوره 1400-1394 با استفاده از روشهای اقتصادسنجی و شبکه عصبی مصنوعی پیشبینی شده است. برای این منظور از داده‌های دوره 88-1348 برای پیشبینی و آموزش شبکه و از داده‌های دوره 1393-1389 برای آزمون صحت پیش‌بینی‌های به دست آمده استفاده شد. نتایج مطالعه نشان داد که شبکه عصبی پیشرو دارای خطای کمتر و عملکرد بهتری در مقایسه با روش اقتصاد سنجی ARIMA و هموارسازی نمایی برای پیشبینی مقدار واردات این محصول می‌باشد. نتایج نشان می‌دهد که مقدار واردات کنجاله در سال 1394 نسبت به سال گذشته‌اش، 32 درصد افزایش می-یابد. لذا لازم است که برای کاهش این مقدار واردات و تامین نیاز داخلی، سیاست‌های حمایتی از تولید داخلی صورت گیرد. همچنین برای کنترل این افزایش بی‌رویه در واردات کنجاله، سیاستگذاران و برنامه‌ریزان امر باید برنامه‌های لازم از جمله افزایش تعرفه را اعمال کنند. همچنین اعطای اعتبارات لازم برای تولید این محصول و تامین نیاز کارخانجات در فرآیند تبدیل به کنجاله، می‌تواند در راستای افزایش توان تولیدی و رقابتی داخلی این محصول موثر باشد.
similar resources
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 ...
full textمقایسه ی مدل های شبکه های عصبی مصنوعی و سری های زمانی برای پیش بینی قیمت گوشت مرغ در ایران
با توجه به اهمیت پیش بینی قیمت گوشت مرغ، در تحقیق حاضر قیمت این محصول با استفاده از روش ARIMA و شبکه های عصبی مصنوعی برای افق های زمانی یک ماهه، شش ماهه و دوازده ماهه پیش بینی گردید و این فرضیه که شبکه ی عصبی در پیش بینی قیمت گوشت مرغ از کارایی بیشتری نسبت به مدل های سری زمانی برخوردار است، مورد بررسی قرار گرفت. داده های مربوط به این متغیّر برای دوره ی زمانی1371:1 تا 1385:11 بوده و از شر...
full textپیش 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 ...
full textکاربرد شبکه های عصبی مصنوعی در پیش بینی بارش زمستانه
پیشبینی بارش یکی از مهم‌ترین مسائل در زمینه مدیریت بهینه منابع آب در بخش‌های مختلف نظیر صنعت، شرب و کشاورزی است. پیش بینی بارش می تواند باعث جلوگیری از تلفات و خسارات ناشی از بلایای طبیعی شود. هدف از تحقیق حاضر پیشبینی بارش زمستانه استان خراسان رضوی با استفاده از شبکههای عصبی مصنوعی می‌باشد. بدین منظور، ابتدا سری زمانی بارش متوسط منطقه‌ای به روش کریجینگ در طول دوره آماری به دست آورده شد. سپس...
full textپیش بینی میزان واردات برنج و ذرت با استفاده از روش شبکه عصبی مصنوعی
در این مطالعه با هدف پیش بینی واردات برنج و ذرت، از روش شبکه عصبی مصنوعی و arima استفاده شده و نتایج حاصل مورد مقایسه قرار گرفته است. به منظور انجام این بررسی، داده های گمرک ایران در خصوص واردات برنج و ذرت برای سالهای 1360 تا 1383 مبنای محاسبه قرار گرفته است. از داده های دوره 1380-1360 به منظور آموزش شبکه و از داده های سه سال آخر برای بررسی قدرت پیش بینی استفاده شده است. نتایج مطالعه نشان دهنده...
full textMy Resources
Journal title
volume 47 issue 3
pages 633- 646
publication date 2016-09-22
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023