مدلسازی و پیشبینی ضایعات نان با استفاده از مدلهای سری زمانی و شبکههای عصبی مصنوعی
نویسندگان
چکیده مقاله:
دراین مطالعه به منظور بررسی عوامل مؤثر بر ضایعات نان و تعیین روابط کوتاه‌مدت، بلندمدت و ضریب تصحیح خطا بین ضایعات نان و متغیرهای مستقل مؤثر برآن طی سالهای 1385-1357 و پیشبینی ضایعات نان از الگوی سری زمانی چند متغیره ARDL استفاده شده است. بر اساس الگوی ARDL ضایعات نان در بلندمدت تابعی مستقیم از تولید ناخالص ملی و رشد شهرنشینی می‌باشد و قیمت نان و ضریب جینی بر ضایعات نان اثر معکوس دارند. در کوتاه‌مدت نیز تولید ناخالص ملی و رشد شهرنشینی اثر مثبت و معنی‌داری بر ضایعات نان دارند و تأثیر قیمت و ضریب جینی در کوتاه‌مدت نیز بر ضایعات منفی است. به منظور پیشبینی مقادیر آتی از الگوی ARDL و شبکه عصبی مصنوعی استفاده‌شد. نتایج مقایسه الگوهای ARDL و ANN نشان داد که شبکه عصبی مبتنی برARDL پرسپترون چند لایه (با سه لایه) با ساختار انتخاب شده دارای دقت بالاتری بوده و بر اساس پیشبینی ضایعات نان با شبکه عصبی منتخب در افق پیشبینی (سال 1390) ضایعات نان بیش از 181/3 میلیون تن خواهد‌بودکه با توجه به قیمت جهانی گندم در سال 1385 مبلغی معادل 1145 میلیون دلار در اثر ضایعات نان از چرخه اقتصادی کشور حذف می‌شود. طبقه بندی JEL : C45,Q13
منابع مشابه
مدل سازی و پیش بینی ضایعات نان با استفاده از مدل های سری زمانی و شبکه های عصبی مصنوعی
دراین مطالعه به منظور بررسی عوامل مؤثر بر ضایعات نان و تعیین روابط کوتاه مدت، بلندمدت و ضریب تصحیح خطا بین ضایعات نان و متغیرهای مستقل مؤثر برآن طی سال های 1385-1357 و پیش بینی ضایعات نان از الگوی سری زمانی چند متغیره ardl استفاده شده است. بر اساس الگوی ardl ضایعات نان در بلندمدت تابعی مستقیم از تولید ناخالص ملی و رشد شهرنشینی می باشد و قیمت نان و ضریب جینی بر ضایعات نان اثر معکوس دارند. در کوت...
متن کاملبررسی تغییرات زمانی بارش در استان همدان با استفاده از مدلهای آماری و شبکه عصبی مصنوعی
تغییر اقلیم یکی از معضلهای کنونی جامعه بشری است و تهدید و بلای سیاره زمین به شمار میآید افزایش دمای کره زمین سبب تغییرات ژرف و وسیع در اقلیمهای زمین شده و باعثبروز تغییراتی در زمان و مکان بارش می شود که آسیبهای بسیاری را خصوصاً در دهه اخیر وارد کرده است. در این راستا این پژوهش با شناخت تغییرات و روند فصل و دوره بارش در گذشته به الگوهای مؤثر بارش در بازههای مختلف زمانی میپردازد و پیش بینی تغییرات...
متن کاملمدلسازی هوشمند سری زمانی جریان ماهانه حوضه رودخانه شور قروه با شبکه عصبی مصنوعی
پیش بینی دقیق جریان در رودخانه ها یکی از مهمترین ارکان در مدیریت منابع آبهای سطحی به ویژه اتخاذ تدابیری مناسب در مواقع سیلاب و بروز خشکسالی هاست. در حقیقت حصول روشهای مناسب و دقیق در پیش بینی جریان رودخانه ها را می توان به عنوان یکی از چالشها در فرآیند مدیریت و مهندسی منابع آب دانست. در این پژوهش برای مدلسازی هوشمند سری زمانی جریان ماهانه از یک دوره ی آماری26ساله (1389-1364) استفاده شد. جهت دست...
متن کاملپیشبینی تراز آب دریاچه ارومیه با استفاده از روشهای سری زمانی، شبکه عصبی مصنوعی و شبکه عصبی- موجکی
دریاچه ارومیه دومین دریاچه شور جهان است و با توجه به معیارهای اجتماعی- اقتصادی و زیست محیطی نقش مهمی در منطقه شمالغرب ایران دارد که در سالهای اخیر با مشکلاتی مواجه شده است و به دلیل خشکسالی، استفاده بیش از حد آبهای سطحی و ساخت سدها تراز سطح آب آن کاهش یافته است. یکی از فاکتورهای مهم که در مدیریت صحیح در هر زمینهای، تأثیر دارد، داشتن یک دید و نگرش مناسب از اتفاقات آینده در آن زمینه...
متن کاملThe Study of Stressful Factors in Clinical Education for Nursing Students Studying in Nursing and Midwifery College in Khorramabad
کچ هدي پ شي مز هني فده و : شزومآ لاب يني شخب ساسا ي شزومآ مهم و راتسرپ ي تسا . و هنوگ ره دوج لکشم ي شزومآ رد لاب يني ، آراک يي هدزاب و ا ني شزومآ زا شخب راچد ار لکشم م ي دنک . فده اب رضاح شهوژپ سررب ي لماوع سرتسا از ي شزومآ لاب يني رد وجشناد ناي راتسرپ ي هدکشناد راتسرپ ي و يامام ي ماـجنا داـبآ مرـخ تسا هتفرگ . شور و داوم راک : رضاح هعلاطم کي هعلاطم صوت يفي عطقم ي تسا . د...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 42 شماره 2
صفحات 163- 173
تاریخ انتشار 2012-01-21
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023