پیشبینی میزان واردات برنج و ذرت با استفاده از روش شبکه عصبی مصنوعی
نویسندگان
چکیده مقاله:
در این مطالعه با هدف پیشبینی واردات برنج و ذرت، از روش شبکه عصبی مصنوعی و ARIMA استفاده شده و نتایج حاصل مورد مقایسه قرار گرفته است. به‌منظور انجام این بررسی، داده‌های گمرک ایران در خصوص واردات برنج و ذرت برای سالهای 1360 تا 1383 مبنای محاسبه قرار گرفته است. از داده‌های دوره 1380-1360 به منظور آموزش شبکه و از داده‌های سه سال آخر برای بررسی قدرت پیشبینی استفاده شده است. نتایج مطالعه نشان دهنده آن است که روش شبکه عصبی دارای عملکرد بهتری در مقایسه با فرآیند ARIMA بوده و قادر است میزان واردات برنج و ذرت را دقیق‌تر پیشبینی کند.
منابع مشابه
پیش بینی میزان واردات برنج و ذرت با استفاده از روش شبکه عصبی مصنوعی
در این مطالعه با هدف پیش بینی واردات برنج و ذرت، از روش شبکه عصبی مصنوعی و arima استفاده شده و نتایج حاصل مورد مقایسه قرار گرفته است. به منظور انجام این بررسی، داده های گمرک ایران در خصوص واردات برنج و ذرت برای سالهای 1360 تا 1383 مبنای محاسبه قرار گرفته است. از داده های دوره 1380-1360 به منظور آموزش شبکه و از داده های سه سال آخر برای بررسی قدرت پیش بینی استفاده شده است. نتایج مطالعه نشان دهنده...
متن کاملپیشبینی 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...
متن کاملروش مبتنی بر موجک برای طبقهبندی علف هرز و ذرت با استفاده از ویژگی‌های آماری و شبکه عصبی مصنوعی
در این تحقیق، یک رویکرد مبتنی بر تبدیل موجک برای طبقهبندی علف هرز و ذرت ارایه شده است. بر این اساس، یک پایگاه داده متشکل از 500 تصویر در شرایط عادی مزرعه تهیه شد. در ابتدا تبدیل موجک دو بعدی سه مرحله‌ای برای تمام تصاویر اعمال گردید. سپس، ویژگی‌های آماری ضرایب موجک (میانگین، واریانس، چولگی، درجه اوج، انرژی و آنتروپی) محاسبه شد. در نهایت یک شبکه عصبی مصنوعی چند لایه پرسپترون برای طبقهبندی تصاو...
متن کاملمدلسازی بازده کششی تراکتور با استفاده از شبکه عصبی مصنوعی
در این مطالعه آزمایشهای مزرعهای در شرایط متفاوت عمق شخم، سرعت پیشروی و میزان وزنههای متصل به تراکتور انجام شد. در این تحقیق، عمق شخم در چهار سطح 5، 10، 15 و 20 سانتیمتر، سرعتهای پیشروی در چهار سطح 5/2، 5/3، 5/4 و 5/5 کیلومتر بر ساعت و میزان سنگینکننده نیز در چهار سطح 0، 40، 80 و 120 کیلوگرم قرار گرفت. شبکههای عصبی مدلسازی شده در این تحقیق که به منظور پیشبینی بازده کششی تراکتور مورد اس...
متن کاملتعیین ارزش دارایی‌های نامشهود با استفاده از شبکه عصبی مصنوعی
درک عوامل موثر بر ارزش شرکت برای سرمایه‌گذاران و اعتباردهندگان پیش از اتخاذ تصمیمات سرمایه‌گذاری یا اعطای تسهیلات، امری حیاتی است. از آن‌جایی که اقتصاد دانش‌محور در حال تکامل یافتن است، روش ایجاد ارزش شرکتی از شیوه سنتی مبتنی بر دارایی‌های فیزیکی به دانش نامشهود منتقل شده است. از این‌رو در آینده نه چندان دور، ارزش‌گذاری دارایی‌های نامشهود به موضوع مهمی در اقتصاد مبدل خواهد شد. این مطالعه بر آن ...
متن کاملبرآورد دمای روزانه خاک با استفاده از شبکه عصبی مصنوعی
دمای خاک یکی از متغیرهای مهم در مطالعات هیدرولوژی، هواشناسی، کشاورزی و اقلیمشناسی است که اندازهگیری و برآورد آن ضروری است. با توجه به اینکه دمای خاک فقط در ایستگاههای سینوپتیک کشور اندازهگیری میشود، کمبود آن در نقاط فاقد ایستگاه از چالشهای بزرگ در بسیاری از مطالعات مرتبط با کشاورزی است. در این پژوهش، با استفاده از پارامترهای هواشناسی ایستگاه سینوپتیک شیراز در یک دوره 9 ساله (2008-2000) ب...
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 15 شماره 44
صفحات 83- 100
تاریخ انتشار 2008-01
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 برای این مقاله ارائه نشده است
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023