مدلسازی و پیش‌بینی صادرات محصولات کشاورزی ایران: کاربرد شبکههای عصبی مصنوعی

نوع مقاله : مقالات پژوهشی

نویسندگان

• حسین مهرابی
• سمیه کوچک زاده

گروه اقتصاد کشاورزی، دانشگاه شهید باهنر کرمان

https://doi.org/10.22067/jead2.v1388i1.2067

چکیده

چکیده
رهایی از اتکاء به صادرات شکننده و تک‌ محصولی لزوم حرکت به سوی شناخت استعدادهای صادراتی جدید و برخورداری از مزیت نسبی را تبیین می‌کند. محصولات کشاورزی از جمله زمینه‌های مستعد برای تحقق هدف فوق به شمار می‌آیند. با توجه به اهمیت پیش‌بینی صادرات در برنامه‌ریزی و سیاست‌گذاری و به منظور پیش‌بینی صادرات محصولات کشاورزی ایران، در این مطالعه از فرآیند ARIMA و شبکه‌های عصبی مصنوعی استفاده و نتایج مورد بررسی قرار گرفت. به منظور انجام بررسی‌ها از داده‌های گمرک جمهوری اسلامی ایران برای سال‌های 85-1340 استفاده گردید. از داده‌‌های دوره 81-1340 به منظور مدلسازی و از داده‌های 4 سال آخر برای بررسی قدرت پیش‌بینی استفاده شد. نتایج مطالعه نشان داد که شبکه‌های عصبی مبتنی بر توابع پایه شعاعی دارای عملکرد بهتری در مقایسه با شبکه‌های عصبی پیش خور چند لایه و مدل ARIMA بوده و قادر است میزان صادرات محصولات کشاورزی را دقیق‌تر پیش‌بینی نماید. در انتها برای دوره 90-1386 میزان صادرات محصولات کشاورزی ایران پیش‌بینی شد.

واژه های کلیدی: صادرات محصولات کشاورزی، مدل ARIMA، مدل‌ شبکه‌های عصبی مصنوعی، ایران

20.1001.1.20084722.1388.23.1.6.2

عنوان مقاله [English]

Modeling and Forecasting of Agricultural Products Export in Iran: Application of Artificial Neural Networks

نویسندگان [English]

• H. Mehrabi
• S. Koochakzadeh

Department of Agricultural Economics, Shahid Bahonar University of Kerman

چکیده [English]

Abstract
To get ride of fragile and unsustainable single product export, a comprehensive knowledge of export potential and comparative advantage is required. Agricultural products can be considered as a suitable target for this purpose. For more efficient planning for agricultural products export, proper forecasting is necessary. To achieve this goal, two methods were used and compared. First, an autoregressive integrated moving average (ARIMA) and second, artificial neural networks. For this purpose, the data were received from customhouse from 1961-2006. The data from 1961- 2002 were used for modeling and the last 4 years, were used for examination of forecasting power. Results indicated that artificial neural networks radial basis was more efficient in comparison with other neural networks methods and ARIMA for forecasting the quantity of agricultural products export. Finally, the quantities of agricultural products export forecasted for 2007-2011 by artificial neural networks radial basis.

Key words: Agricultural Products Export, ARIMA, Artificial Neural Networks, Iran