ارزیابی عملکرد مدل هیبرید شبکه عصبی مصنوعی-خود توضیح جمعی میانگین متحرک (ARIMA-ANN) در پیش بینی صادرات زعفران ایران
Publish place: Saffron Agronomy and Technology، Vol: 5، Issue: 4
Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 358
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SAFRON-5-4_006
تاریخ نمایه سازی: 15 اردیبهشت 1397
Abstract:
زعفران ایران از لحاظ کمی و کیفی از جایگاه نمایانی در سطح بینالمللی برخوردار است و با بهره گیری از ظرفیت موجود میتوان درآمدهای صادراتی حاصل از آن را به طور قابل ملاحظهای افزایش داد. از سوی دیگر، پیشبینی فروش بر اساس تجزیه وتحلیل سری زمانی یک عنصر بسیار مهم در طراحی و اجرای استراتژیهای بازاریابی در عرصهی بینالمللی است. اما رویکردهای متداول پیشبینی با نادیده گرفتن ساختار خطی یا غیرخطی داده ها نتایج دقیقی را ارایه نمیدهند. لذا، هدف اصلی این مطالعه طراحی یک مدل هیبرید متشکل از دو روش شبکه عصبی مصنوعی (ANN) و خود توضیح جمعی میانگین متحرک (ARIMA) به منظور رفع نواقص و استفاده از ویژگیهای منحصر به فرد هر یک از این مدلها است. با استفاده از داده های مربوط به صادرات زعفران ایران طی دورهی 1283-1392، نتایج مطالعه نشان داد که مدل هیبرید ARIMA-ANN در مقایسه با مدلهای ARIMA و ANN از عملکرد بهتری در پیشبینی صادرات زعفران ایران برخوردار است. لذا، با توجه به کارایی شایان توجه مدل هیبرید ARIMA-ANN، استفاده از این مدل در تنظیم استراتژی های مربوط به صادرات در بازارهای جهانی زعفران و همچنین در پیشبینی متغیرهای سری زمانی توصیه میگردد.
Authors
محمدرضا کهنسال
استاد گروه اقتصاد کشاورزی، دانشکده کشاورزی، دانشگاه فردوسی مشید
امیرحسین توحیدی
دانشجوی دکتری اقتصاد کشاورزی، دانشکده کشاورزی، دانشگاه فردوسی مشهد