نوع مقاله : مقالات پژوهشی
نویسندگان
دانشکده اقتصاد کشاورزی، دانشگاه شهید باهنر کرمان
چکیده
چکیده
امروزه به علت عدم قطعیت محیط و توسعه سریع تکنولوژی نوین معمولاً باید موقعیتهای آینده را با استفاده از دادههای کم و در بازه زمانی کوتاهمدت پیشبینی کرد. بنابراین به روشهایی برای پیشبینی نیاز است که به دادههای کمتری احتیاج داشته باشد. مدل میانگین متحرک خودرگرسیون و روش شبکه عصبی مصنوعی برای دستیابی به نتایج دقیق نیاز به دادههای زیادی دارند اما مدلهای رگرسیون فازی، مدلهای مناسبی برای پیشبینی با استفاده از دادههای کمتری نسبت به دیگر روشها میباشند. در این مقاله به منظور برطرف ساختن مشکل مذکور و حصول نتایج دقیقتر به بررسی سه روش میانگین متحرک خودرگرسیون انباشته، رگرسیون فازی و میانگین متحرک خودرگرسیون انباشته فازی که از ترکیب دو روش قبل بدست آمده، پرداخته شده است. مقایسه میزان صحت پیشبینی مدلهای مذکور براساس دو معیار خطای ریشه متوسط مربعات(RMSE) و ضریب تعیین (R2 ) حاکی از آن است که مدل میانگین متحرک خودرگرسیون انباشته فازی به عنوان الگوی برتر جهت پیشبینی مقادیر شاخص قیمت بوده است.
واژه های کلیدی: ARIMA، پیشبینی قیمت، رگرسیون انباشته فازی، رگرسیون فازی
ارسال نظر در مورد این مقاله