مقایسه مدل های مختلف اقتصادسنجی و شبکه عصبی مصنوعی در پیش بینی قیمت گندم در ایران
Publish place: 2ND INTERNATIONAL E-CONFERENCE ON GREEN ECONOMICS
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 1,270
This Paper With 22 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
GETOROUD02_034
Index date: 23 September 2015
مقایسه مدل های مختلف اقتصادسنجی و شبکه عصبی مصنوعی در پیش بینی قیمت گندم در ایران abstract
پیش بینی رفتار متغیرهای اقتصادی یکی از الزامات برنامه ریزی برای آینده است، در بین متغیرهای اقتصادی قیمت از اهمیتبیشتری برخوردار است به این دلیل که قیمت از نظر اقتصادی نقش راهنما را برای اتخاذ تصمیمات تولیدی و مصرفی ایفا می کند،و در بین محصولاتی که مبادرت به پیش بینی قیمت آنها می گردد محصولات استراتژیک از جایگاه ویژه تری برخوردار هستند،بنابراین با توجه به اهمیت محصول گندم در کشور در این مطالعه، اقدام به پیش بینی قیمت گندم در ایران شده است.الگوهای استفاده شده در این تحقیق شامل الگوهای اتورگرسیو (AR) ، میانگین متحرک (ARCH/GARCH, ARIMA, (MAو شبکه عصبی مصنوعی بودند و از داده های سالانه شامل سال های 1393-1355 استفاده گردید. بر اساس معیار حداقل خطای پیش بینی از میان الگوهای مورد استفاده الگوی شبکه عصبی مصنوعی در مقایسه با سایر الگوهای مورد استفاده در این مطالعهخطای پیش بینی کمتری داشت و برای پیش بینی قیمت در دوره ی خارج از نمونه (1396-1394) مورد استفاده قرار گرفت.
مقایسه مدل های مختلف اقتصادسنجی و شبکه عصبی مصنوعی در پیش بینی قیمت گندم در ایران Keywords:
مقایسه مدل های مختلف اقتصادسنجی و شبکه عصبی مصنوعی در پیش بینی قیمت گندم در ایران authors
احمد اکبری
استاد گروه اقتصاد کشاورزی دانشگاه سیستان و بلوچستان
کاوه رستمی
کارشناس ارشد اقتصاد کشاورزی
بهرام پذیره
دانشجوی کارشناسی ارشد اقتصاد کشاورزی دانشگاه سیستان و بلوچستان
مراد افشارمنش
دانشجوی کارشناسی ارشد سیاست و توسعه کشاورزی دانشگاه سیستان و بلوچستان
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 :