کاربرد تلفیقی مدلهای داده - ستانده و شبکهی عصبی در پیش بینی تولید کل و تقاضای نهایی
Authors
Abstract:
پیشبینی متغیرها یکی از وظایف اصلی و مهم علوم مختلف از جمله اقتصاد میباشد. بهطور کلی پیشبینیها میتوانند در ارتباط با انجام بخشی از سیاستها کاربردهای مفید و مؤثری را به نمایش گذارند. در این مطالعه به طور مشخص از مدل تلفیقی داده ستانده و شبکهی عصبی در پیشبینی تقاضای نهایی و تولید کل استفاده و با نتایج حاصل از کاربرد مدل داده ستانده مقایسه شده است. ابتدا با استفاده از میانگین نرخ رشد تقاضای نهایی طی سالهای 1365 الی 1375 به برآورد تقاضای نهایی پرداخته و سپس تولید کل با استفاده از روش داده ستانده پیشبینی شده است. در گام بعدی دو شبکهی عصبی پیش خور تعمیم یافته به ترتیب با یک و سه لایهی پنهان و توابع فعال سازی Axon در نظر گرفته شدهاند. متغیر خروجی شبکهی اول، تقاضای نهایی سال 1380 و متغیر خروجی شبکهی دوم، تولید کل سال 1380 میباشد. استفاده از معیارهای MSE، RMSE، MAD، MAPE و U-Thail در مقایسهی دو مدل نشان میدهد که مدل تلفیقی داده ستانده و شبکهی عصبی نسبت به مدل داده ستانده در پیشبینی تولید کل از دقت بیشتری برخوردار است. طبقهبندی :JEL C53, D57, C54
similar resources
کاربرد تلفیقی مدل های داده - ستانده و شبکه ی عصبی در پیش بینی تولید کل و تقاضای نهایی
پیش بینی متغیرها یکی از وظایف اصلی و مهم علوم مختلف از جمله اقتصاد می باشد. به طور کلی پیش بینی ها می توانند در ارتباط با انجام بخشی از سیاست ها کاربردهای مفید و مؤثری را به نمایش گذارند. در این مطالعه به طور مشخص از مدل تلفیقی داده ستانده و شبکه ی عصبی در پیش بینی تقاضای نهایی و تولید کل استفاده و با نتایج حاصل از کاربرد مدل داده ستانده مقایسه شده است. ابتدا با استفاده از میانگین نرخ رشد تقا...
full textکاربرد تلفیقی مدل داده ستانده و شبکه عصبی در پیش بینی متغیرهای کلان اقتصادی
پیش بینی متغیرهایکی از وظایف اصلی و مهم علوم مختلف از جمله اقتصاد می باشد. به طوری که پیش بینی متغیرهای کلان اقتصادی از اهمیت و جایگاه ویژه ای در مباحث علمی اقتصاد برخوردار بوده و مدل های مختلفی برای پیش بینی مقادیر آتی متغیرها به وجود آمده اند تا سیاست گذاران اقتصادی را در اتخاذ سیاست های پولی و مالی مناسب یاری نمایند. به طور کلی پیش بینی ها می توانند در ارتباط با انجام بخشی از سیاست ها کاربرد...
15 صفحه اولمقیاس بهرهوری کل عوامل تولید - رویکرد داده ستانده
هدف مقاله بررسی رشد بهرهوری کل عوامل تولید در سطح بخشهای اقتصادی در ایران با تاکید بر عملکرد برنامه چهارم توسعه است. روش تحلیل ایستای مقایسهای رویکرد داده ستانده در دوره زمانی سالهای 85-1365 است. در این مطالعه از مدل بهرهوری داده ستانده که در آن بهرهوری کل عوامل به نهادههای نیروی کار، سرمایه، و عوامل واسطه تولید تجزیه میشود، استفاده شده است. پایههای آماری شامل پنج جدول داده ستانده مربو...
full textکاربرد مدلهای شبکه عصبی در پیش بینی ورشکستگی اقتصادی شرکتهای بازار بورس
یکی از پیشرفته ترین مدلهای پیش بینی کننده ورشکستگی٬ مدل «شبکه عصبی مصنوعی» است. مطابق نتایج تحقیق ساختار اصلی پرسپترون سه و چهار لایه برای پیش بینی ورشکستگی شرکتها به مدلهایی شبیه یکدیگر منتهی می شود که در این میان شبکه سه لایه از قدرت پیش بینی بیشتری نسبت به شبکه چهار لایه برخوردار است.این تحقیق نشان می دهد که «به کارگیری مدلهای مبتنی بر شبکه عصبی توانایی مدیریتهای مالی را برای مقابله با نوسان...
full textکاربرد 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 textکاربرد شبکه عصبی مصنوعی در پیش بینی تبخیر-تعرق با حداقل داده های هواشناسی
برآورد دقیق تبخیر- تعرق در اعمال مدیریت بهینۀ منابع آب، ضروری است. تبخیر - تعرق مؤلفه مهمی در توازن آب در مناطق مختلف به شمار میرود. مهندسین آب با علم به اینکه چه مقدار از آب آبیاری به مصرف محصول میرسد، قادر به محاسبه مهمترین جز آب در سیکل هیدرولوژیک یعنی تبخیر - تعرق خواهند بود. در مطالعه حاضر تبخیر– تعرق روزانه دشت ارومیه با استفاده از دادههای هواشناسی طی دوره آماری 1390 – 1363 به روش فائو...
full textMy Resources
Journal title
volume 47 issue 4
pages 137- 154
publication date 2013-02-19
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