پیش بینی اشتغال صنعتی درایران با استفاده از شبکه عصبی مصنوعی و arima

thesis
abstract

صنعت یکی از بخش های مهم و اساسی اقتصاد و زمینه ساز رشد و توسعه اقتصادی است. رشد و توسعه بخش صنعت، زمینه را برای رشد و توسعه سایر بخش ها از جمله کشاورزی، خدمات، حمل و نقل و انرژی فراهم می سازد. این بخش در فرایند توسعه نقش مهمی در ایجاد اشتغال دارد. با توجه به اهمیت پیش بینی در برنامه ریزی و سیاست های اقتصادی و اهمیت اشتغال در بخش صنعت، مطالعه حاضر به پیش بینی میزان اشتغال صنعتی ایران به روش شبکه عصبی مصنوعی ann وarima پرداخته است. بدین منظور از داده های 1358-1390 استفاده شده است. در این پژوهش پس از بررسی روند اشتغال بخش صنعت ایران در دوره مورد نظر به توصیف متغیرهای تاثیرگذار بر آن پرداخته شده است. برای بررسی صحت تحقیق از ریشه میانگین خطا rmse، ریشه میانگین خطا rmse و آماره یu تایل استفاده شده است. نتایج تحقیق نشان می دهد شبکه عصبی پیشرو پس انتشار، دارای قدرت بالایی در پیش بینی اشتغال صنعتی در ایران دارد و نسبت به روش arima دارای خطای کمتری است.

similar resources

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

پیش بینی و تحلیل نتایج اشتغال صنعتی در ایران با روش شبکه عصبی مصنوعی(ann) و مدل arima

صنعت یکی از بخش های مهم و اساسی اقتصاد و زمینه ساز رشد و توسعه صنعتی است. رشد و توسعه بخش صنعت، زمینه را برای رشد و توسعه سایر بخش ها از جمله کشاورزی، خدمات، حمل و نقل و انرژی فراهم می سازد. این بخش در فرایند توسعه نقش مهمی در ایجاد اشتغال دارد. با توجه به اهمیت پیش بینی در برنامه ریزی و سیاست های اقتصادی و اهمیت اشتغال در بخش صنعت، مطالعه حاضر به پیش بینی میزان اشتغال صنعتی ایران با استفاده از...

full text

مدلسازی 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 text

پیش بینی منابع مالی بانک با استفاده از مدل خطی( ARIMA) و غیرخطی شبکه های عصبی مصنوعی فازی

یکی از مهم‌ترین موارد مورد علاقه مدیران بانکی به عنوان متغیری تأثیرگذار بر صنعت بانکداری، اطلاع از وضعیت سپرده‌های بانکی است که فعالیت بانک تا حد زیادی بستگی به آن دارد. ازاین‌رو مدیران بانک‌ها علاقه‌مند هستند بدانند که میزان کل سپرده‌های بانک در زمان معینی در آینده چقدر خواهد بود. پیش‌بینی میزان سپرده‌ها، تغییر و نوسان این سپرده­ها می‌تواند در امر برنامه­ریزی و تصمیم­گیری به بانک‌ها کمک نماید....

full text

پیش بینی دامنه تغییرات طلا با استفاده از مدل ترکیبی ARIMA و شبکه عصبی

مدل خودرگرسیو میانگین متحرک انباشته (ARIMA) که تحت عنوان روش باکس و جنکینزشناخته می‌شود، یکی از پرکاربردترین مدل‌ها در پیش‌بینی سری‌های زمانی است. اما پیش­ فرض اصلی این مدل خطی بودن سری­های زمانی می­باشد. از سوی دیگر شبکه­ی عصبی یک تخمین زننده­ی عمومی است که الگو­های غیر خطی را بسیار خوب مدل­سازی می­نماید. دانستن الگوی داده­ها مبنی بر خطی و غیر خطی بودن در واقعیت کمی دشوار است، بنابراین این اید...

full text

بهینه‌سازی فرایندهای عملیاتی پیش تصفیه آب صنعتی با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه مازندران - دانشکده علوم اداری و اقتصاد

Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023