مقایسه قدرت پیشبینی روشهای شبکههای عصبی مصنوعی و ARIMA در پیشبینی صادرات پوست و چرم ایران
Publish place: Agricultural Economics Research، Vol: 7، Issue: 26
Publish Year: 1394
نوع سند: مقاله ژورنالی
زبان: Persian
View: 46
This Paper With 20 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JAE-7-26_007
تاریخ نمایه سازی: 23 بهمن 1402
Abstract:
پیش بینی متغیرهای اقتصادی به عنوان یک ابزار مفید برنامه ریزی از اهمیت ویژه ای در مباحث علمی برخوردار است. روش های متنوعی وجود دارد که برای پیش بینی در مطالعات اقتصادی مورد استفاده قرار میگیرد. هدف مطالعه حاضر شناسایی روش کارا برای پیشبینی صادرات پوست و چرم ایران است. برای این منظور الگوی خودتوضیح جمعی میانگین متحرک[۱]، روش شبکههای عصبی مصنوعی[۲] و ترکیب الگوی خودتوضیح جمعی میانگین متحرک با شبکههای عصبی مصنوعی با استفاده از دادههای سری زمانی دوره ۸۹-۱۳۵۰ مورد مقایسه قرار گرفتند. یافتههای این پژوهش نشان داد که روش ترکیبی(شامل شبکههای عصبی مصنوعی و الگوی خودتوضیح جمعی میانگین متحرک) که سری زمانی صادرات را به دو جزء خطی و غیرخطی تجزیه میکند، نسبت به روش شبکههای عصبی مصنوعی و الگوی خودتوضیح جمعی میانگین متحرک دقت و کارایی پیشبینی بهتری دارد. علاوه بر این، روش ترکیبی دقیقترین روش شناخته شده در این پژوهش، صادرات پوست و چرم ایران در سالهای آتی را بیشتر از دو روش دیگر ارائه کرد. اما همانند دو روش دیگر، روند صادرات پوست و چرم در سالهای آتی را کاهشی پیشبینی میکند. طبقهبندی JEL : F۱۷, C۴۵, C۲۲
Keywords:
Authors
فایزه سیف الحسینی
کارشناس ارشددانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، تهران، ایران
امیر محمدی نژاد
استادیار دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، تهران، ایران
رضا مقدسی
دانشیار دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :