پیش بینی نرخ بیکاری با استفاده از مدل های غیر خطی

با توجه به اهمیت نرخ بیکاری در اقتصاد در این تحقیق نرخ بیکاری برای مناطق شهری و روستایی در دوره برنامه پنجم توسعه با استفاده از مدل های غیر خطی پیش بینی شده است. در این تحقیق نرخ بیکاری تابعی از نرخ بیکاری سال های گذشته، تولید ناخالص داخلی، نقدینگی، نرخ مشارکت و نرخ تورم می باشد. داده های مورد استفاده شده در این تحقیق داده های سالانه و دوره مورد بررسی 1365 تا 1389 می باشد. با توجه به آنکه نرخ بیکاری و نرخ مشارکت برای مناطق شهری و روستایی در دوره 1366 تا 1374 بصورت سالانه موجود نمی باشد، با استفاده از چهار روش ,linear spline ,cubic و nearest-neighbor، درونیابی شده اند. که در نهایت با توجه به نتایج بهتر مدل linear داده های حاصل از این روش مورد استفاده قرار گرفته اند. در این تحقیق برای پیش بینی نرخ بیکاری در مناطق شهری و روستایی از مدل های غیر خطی شبکه عصبی پس انتشار خطا، شبکه عصبی فازی با الگوریتم bp، شبکه عصبی فازی با الگوریتم hybrid ls-bp، و همچنین شبکه عصبی ترکیب شده با الگوریتم رقابت استعماری، شبکه عصبی ترکیب شده با الگوریتم انبوه ذرات و شبکه عصبی ترکیب شده با الگوریتم ژنتیک استفاده شده است. در این تحقیق برای ارزیابی شبکه ها از 3 معیار میانگین مربعات خطا، میانگین قدر مطلق انحراف و ریشه میانگین مربع خطا استفاده شده است.نتایج تحقیق نشان می دهد در صورت ترکیب کردن شبکه های عصبی با الگوریتم های رقابت استعماری، انبوه ذرات و ژنتیک نتایج بهتری نسبت به استفاده از الگوریتم های گرادیانی می شود.