سیدصفدر حسینی؛ محمدرضا پاکروان؛ امید گیلانپور
چکیده
چکیدهدر مطالعه حاضر، واردات بخش کشاورزی ایران برای دوره 94-1389 با استفاده از روش های اقتصادسنجی و شبکه عصبی مصنوعی پیش بینی شده است. برای این منظور از داده های دوره 83-1350 برای پیش بینی و آموزش شبکه و از داده های دوره 88-1383 برای آزمون صحت پیش-بینی های به دست آمده استفاده شد. نتایج مطالعه نشان داد که شبکه عصبی پیشرو دارای خطای کمتر و عملکرد ...
بیشتر
چکیدهدر مطالعه حاضر، واردات بخش کشاورزی ایران برای دوره 94-1389 با استفاده از روش های اقتصادسنجی و شبکه عصبی مصنوعی پیش بینی شده است. برای این منظور از داده های دوره 83-1350 برای پیش بینی و آموزش شبکه و از داده های دوره 88-1383 برای آزمون صحت پیش-بینی های به دست آمده استفاده شد. نتایج مطالعه نشان داد که شبکه عصبی پیشرو دارای خطای کمتر و عملکرد بهتری در مقایسه با روش اقتصاد سنجی VAR و ARIMA برای پیش بینی واردات محصولات کشاورزی ایران می باشد. با توجه به پیشبینی صورت گرفته با استفاده از روش شبکه عصبی، ارزش واردات محصولات کشاورزی در سال های 92-1389 با افزایش همراه خواهد بود، اما در سال 1393 مقدار افزایش نامحسوس بوده و در سال 1394 مجدداً افزایش خواهد داشت. بنابراین پیشنهاد میگردد که دولت و دستگاه های ذیربط با استفاده از نتایج مطالعه حاضر از نوسانات ناگهانی ارزش واردات محصولات کشاورزی جلوگیری کنند.
محسن رفعتی؛ یداله آذرین فر؛ رویا محمدزاده
چکیده
چکیدههدف کلی مطالعه حاضر، انتخاب الگوی مناسب برای پیش بینی سطح زیر کشت، تولید و قیمت چغندرقند در ایران است. برای این منظور الگوهای ARIMA، تعدیل نمایی یگانه، تعدیل نمایی دوگانه، هارمونیک، شبکه عصبی و ARCH با استفاده از اطلاعات دوره زمانی 87-1362 برآورد و بهترین الگو انتخاب گردید. بررسی آزمون تصادفی بودن (دوربین واتسون) سریهای سطح زیر کشت، ...
بیشتر
چکیدههدف کلی مطالعه حاضر، انتخاب الگوی مناسب برای پیش بینی سطح زیر کشت، تولید و قیمت چغندرقند در ایران است. برای این منظور الگوهای ARIMA، تعدیل نمایی یگانه، تعدیل نمایی دوگانه، هارمونیک، شبکه عصبی و ARCH با استفاده از اطلاعات دوره زمانی 87-1362 برآورد و بهترین الگو انتخاب گردید. بررسی آزمون تصادفی بودن (دوربین واتسون) سریهای سطح زیر کشت، تولید و قیمت چغندرقند مبین غیرتصادفی متغیرها بود. بر اساس نتایج حاصل از محاسبه معیار کمترین خطای پیش بینی، برای پیش بینی سری های تولید و قیمت چغندرقند الگوی ARIMA به عنوان روش برتر در مقایسه با سایر روشها شناخته شد. اما به منظور پیش بینی سطح زیر کشت چغندرقند، استفاده از شبکه عصبی مناسبتر تشخیص داده شد. لذا استفاده از روش های مذکور به شرط ثابت بودن شرایط، نتایجی با کمترین خطا به دست خواهد داد. بر اساس نتایج حاصل از پیش بینی متغیرهای سطح زیر کشت، تولید و قیمت چغندرقند، در دوره 1388 تا 1393، متغیرهای مزبور حول میانگین دوره در نوسان بوده اند. طبقه بندی JEL: Q11 – D12 – C32 – C22
