کاربرد شبکه‌های عصبی مصنوعی در پیش بینی مقادیر آتی تولید و مقایسه با روش‌های سری زمانی خطی و غیرخطی مورد مطالعه : پیش بینی میزان آتی تولید بطری‌های PET (پلی اتیلن ترفتالات) در ایران

Authors

حسنی گودرزی, گلنوش دانشگاه علامه طباطبایی

خاتمی فیروزآبادی, محمد علی دانشگاه علامه طباطبایی

عمرانی, پریسا دانشگاه علامه طباطبایی

Abstract:

یکی از مسائل بسیار مهم در شروع یک فعالیت اقتصادی، پیش بینی در مطالعات بازار می‌باشد. روابط موجود در بسیاری از مسائل مدیریتی و تجاری اغلب به صورت پیچیده و غیرخطی بوده و با روش‌های معمول قابل پیش بینی نیستند، بنابراین می‌توان با فنون و روشهای دقیق تری همچون شبکه‌های عصبی به پیش بینی با دقت بالا پرداخت. هدف این مقاله نشان دادن برتری شبکه‌های عصبی در پیش بینی فرآیندهای غیرخطی در مقایسه با روش‌های معمول و نیز استفاده از پارامترهای مهم اقتصادی یعنی نرخ تورم و نرخ ارز در بالا بردن دقت پیش بینی است. در این مقاله از داده‌های مربوط به میزان تولید بطری‌های PET از سال 1379 تا سال 1392 استفاده شده و با بهره گیری از شبکه عصبی مصنوعی و مدل‌های غیرخطی، از طریق نرم افزار MATLAB پیش بینی تولید برای سال 1393 انجام پذیرفت و سپس با توجه به شاخص‌های MAPE و MSE نتایج به دست آمده از روش‌های مزبور با هم مقایسه شدند. یافته‌های تحقیق نشان دهنده موفقیت شبکه عصبی با خطای بسیار پایین در پیش بینی نسبت به روش‌های سری زمانی و نمایی است.

Upgrade to premium to download articles

Already have an account?login

similar resources

کاربرد شبکه های عصبی مصنوعی در پیش بینی مقادیر آتی تولید و مقایسه با روش های سری زمانی خطی و غیرخطی مورد مطالعه : پیش بینی میزان آتی تولید بطری های pet (پلی اتیلن ترفتالات) در ایران

یکی از مسائل بسیار مهم در شروع یک فعالیت اقتصادی، پیش بینی در مطالعات بازار می باشد. روابط موجود در بسیاری از مسائل مدیریتی و تجاری اغلب به صورت پیچیده و غیرخطی بوده و با روش های معمول قابل پیش بینی نیستند، بنابراین می توان با فنون و روشهای دقیق تری همچون شبکه های عصبی به پیش بینی با دقت بالا پرداخت. هدف این مقاله نشان دادن برتری شبکه های عصبی در پیش بینی فرآیندهای غیرخطی در مقایسه با روش های م...

full text

کاربردهای شبکه های عصبی در پیش بینی سری های زمانی

استفاده از روش های غیر کلاسیک در شناسایی مدل و پیش بینی رفتار سیستم های پیچیده، مدتهاست در محافل علمی و حتی حرفه ای متداول و معمول شده است. در بسیاری از سیستم های پیچیده و خصوصا غیر خطی که مدل سازی و به دنبال آن پیش بینی و کنترل آنها از طریق روش های کلاسیک و تحلیلی امری بسیار دشوار و حتی بعضا غیر ممکن می نماید، از روش های غیر کلاسیک که از ویژگی هایی همچون هوشمندی، مبتنی بر معرفت و خبرگی برخوردا...

full text

پیش 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 text

مقایسه 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 text