مقایسه قدرت پیشبینی روشهای شبکههای عصبی مصنوعی و ARIMA در پیشبینی صادرات پوست و چرم ایران
Authors
Abstract:
پیش بینی متغیرهای اقتصادی به عنوان یک ابزار مفید برنامه ریزی از اهمیت ویژه ای در مباحث علمی برخوردار است. روش های متنوعی وجود دارد که برای پیش بینی در مطالعات اقتصادی مورد استفاده قرار میگیرد. هدف مطالعه حاضر شناسایی روش کارا برای پیشبینی صادرات پوست و چرم ایران است. برای این منظور الگوی خودتوضیح جمعی میانگین متحرک[1]، روش شبکههای عصبی مصنوعی[2] و ترکیب الگوی خودتوضیح جمعی میانگین متحرک با شبکههای عصبی مصنوعی با استفاده از دادههای سری زمانی دوره 89-1350 مورد مقایسه قرار گرفتند. یافتههای این پژوهش نشان داد که روش ترکیبی(شامل شبکههای عصبی مصنوعی و الگوی خودتوضیح جمعی میانگین متحرک) که سری زمانی صادرات را به دو جزء خطی و غیرخطی تجزیه میکند، نسبت به روش شبکههای عصبی مصنوعی و الگوی خودتوضیح جمعی میانگین متحرک دقت و کارایی پیشبینی بهتری دارد. علاوه بر این، روش ترکیبی دقیقترین روش شناخته شده در این پژوهش، صادرات پوست و چرم ایران در سالهای آتی را بیشتر از دو روش دیگر ارائه کرد. اما همانند دو روش دیگر، روند صادرات پوست و چرم در سالهای آتی را کاهشی پیشبینی میکند. طبقهبندی JEL : F17, C45, C22
similar resources
مقایسه قدرت پیشبینی روشهای شبکههای عصبی مصنوعی و arima در پیشبینی صادرات پوست و چرم ایران
پیش بینی متغیرهای اقتصادی به عنوان یک ابزار مفید برنامه ریزی از اهمیت ویژه ای در مباحث علمی برخوردار است. روش های متنوعی وجود دارد که برای پیش بینی در مطالعات اقتصادی مورد استفاده قرار میگیرد. هدف مطالعه حاضر شناسایی روش کارا برای پیشبینی صادرات پوست و چرم ایران است. برای این منظور الگوی خودتوضیح جمعی میانگین متحرک[1]، روش شبکههای عصبی مصنوعی[2] و ترکیب الگوی خودتوضیح جمعی میانگین متحرک با ش...
full textمدلسازی و پیش بینی صادرات آبزیان دریایی در ایران با استفاده از روش ARIMA و شبکه های عصبی مصنوعی
هدف اصلی این مقاله، مدلسازی و پیش بینی میزان صادرات آبزیان دریایی در ایران است. برای این منظور، از روش های سری زمانی خود توضیح جمعی میانگین متحرک(ARIMA) و شبکه عصبی مصنوعی استفاده می شود. به منظور انجام بررسی، از داده های ماهانه دوره 1374:03 تا 1387:12 برای برآورد و آموزش مدل و از داده های دوره از 1388:01 تا 1390:12 به منظور بررسی قدرت پیش بینی مدل های مختلف استفاده می شود. در این مطالعه، معیار...
full textپیشبینی آماری پهنه بندی خطر زلزله احتمالی با استفاده شبکه های عصبی مصنوعی
پیشبینی محل وقوع زلزله‌های آتی همراه با تعیین درصد احتمال رخداد، میتواند در کاهش خطرات ناشی از زلزله بسیار سودمند باشد. تعیین محل‌های پیشبینی شده، سبب افزایش توجه به طراحی، به‌سازی لرزهای و ارزیابی قابلیت اعتمادپذیری سازه‌های موجود در این مکان‌ها می‌شود. در پیشبینی زمان وقوع زلزله فرضیه‌ها و نظریه‌های گسترده‌ای مطرح است. هنوز شیوه‌ای دقیق برای پیشبینی زمان رخداد زلزله‌های آتی مورد تأیید ق...
full textمقایسه مدلهای شبکه عصبی مصنوعی و سیستم استنتاج فازی در پیشبینی میزان بارندگی استان کردستان
پدیده بارش تابع عوامل زیادی می باشد که پیش بینی آن به روش های معمول آماری از دقت کمی برخوردار است. پیش بینی بارش با استفاده از شبکه عصبی مصنوعی و سیستم استنتاج فازی در سال های اخیر، توجه زیادی معطوف شده است. استان کردستان با مساحتی حدود 28203 کیلومتر مربع بین 34 درجه و 45 دقیقه تا 36 درجه و 28 دقیقه عرض شمالی و 42 درجه و 31 دقیقه تا 48 درجه و 16 دقیقه طول شرقی به دلیل ریزش جوی زیاد یکی از پرآب ...
پیشبینی تقاضای مسافرت هوایی بین شهری در ایران با استفاده از شبکه های عصبی مصنوعی
پیشبینی تقاضای حمل و نقل هوایی میتواند نقش مهمی را در برنامهریزیهای کلان و خرد یک کشور ایفا کند. در سطح کلان میتوان به اولویتبندی تخصیص بودجه های دولتی به شهرهای مختلف برای ایجاد زیرساختهای حمل و نقل هوایی مانند فرودگاه یا خرید و اجاره هواپیما اشاره کرد و در سطوح خرد برای فعالیتهایی مثل طراحی و برنامهریزی عملیات فرودگاه، تصمیم گیری شرکتهای هواپیمایی برای ورود به بازارهای جدید، افزایش ظرفیت خطوط...
My Resources
Journal title
volume 7 issue 26
pages 125- 143
publication date 2015-07-23
By following a journal you will be notified via email when a new issue of this journal is published.
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023