پیش بینی تولید آبزیان دریایی در ایران با استفاده از روش ARIMA و شبکه عصبی مصنوعی

سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 31

فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JAE-8-31_008

تاریخ نمایه سازی: 25 بهمن 1402

چکیده مقاله:

پیش­بینی پدیده­های اقتصادی ساختاری فراهم می­کند تا مدیران و مسولان اقتصادی را در گرفتن تصمیم های درست یاری ­دهد. هدف اصلی این مطالعه پیش­بینی مقدار تولید آبزیان دریایی در ایران است. برای این منظور از روش­های سری زمانی خود توضیح جمعی میانگین متحرک (ARIMA)[۱] و شبکه عصبی مصنوعی[۲] استفاده می­شود. در این مطالعه سه ساختار گوناگون شبکه عصبی شامل شبکه عصبی پیشرو[۳]، تابع پایه شعاعی[۴] و المن[۵] بکار گرفته می­شوند. در این مقاله از آمار سال ۱۳۷۴ تا ۱۳۹۰ استفاده شده است. بمنظور انجام بررسی،  داده­های سالانه به داده­های ماهانه تبدیل شدند. نتایج مطالعه نشان دادند که از نظر معیار MAPEمقدار تابع خطا برای مدل ARIMA،۰۷۷۱/۰بیش ترین مقدار خطا و مدل شبکه عصبی RBF با خطای ۵-۱۰× ۹۳۲۸/۷ کم ترین خطا و بهترین مدل سازی را دارد. افزون بر این، با روش RBF ،دقیق­ترین روش شناخته شده این پژوهش، پیش­بینی تولید آبزیان دریایی برای دو سال آینده انجام شد.

نویسندگان

جلیل خداپرست شیرازی

دانشکده اقتصاد مدیریت، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران.

زهرا صادقی

دانشکده اقتصاد مدیریت، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • آمارنامه سازمان خواربار و کشاورزی سازمان ملل متحدFood and Agriculture ...
  • آمارنامه سازمان شیلات ایران ۱۳۷۹-۱۳۸۹(www.fisheries.ir).. ...
  • ابراهیمی، م. (۱۳۹۰). استفاده از رهیافت­های شبکه­های عصبی مصنوعی و ...
  • اکبری، ا. شارعی حداد زاده، م. مهرابی بشرآبادی، ح. (۱۳۹۲). ...
  • بشیری، م. (۱۳۸۸). کاربرد مدل شبکه­های عصبی مصنوعی در پیش­بینی ...
  • جلائی، ع، م. پاکروان، م. گیلانپور، ا. (۱۳۸۹). پیش بینی ...
  • جواهری، ب. (۱۳۸۳). یک مقایسه بین مدل های اقتصاد سنجی، ...
  • مقایسه قدرت پیشبینی روشهای شبکههای عصبی مصنوعی و ARIMA در پیشبینی صادرات پوست و چرم ایران [مقاله ژورنالی]
  • کهنسال، م.ر. زورار پرمه، ا. اسماعیل پور، عب. قاسمی، (۱۳۹۱). ...
  • گجراتی، د. (۱۳۸۷). مبانی اقتصاد سنجی. ترجمه حمید ابریشمی. انتشارات ...
  • منهاج، م. ب. (۱۳۸۱). مبانی شبکه­های عصبی (هوش محاسباتی). انتشارات ...
  • مهرابی بشرآبادی، ح. و کوچک زاده، س. (۱۳۸۸). مدلسازی و ...
  • نجفی ب. زیبایی م. شیخیم، ح . طراز کار، م،ح. ...
  • نجفی، ب. طراز کار،م.ح. (۱۳۸۵). "پیش بینی میزان صادرات پسته ...
  • نعیمی فر، ا. (۱۳۸۹). " بررسی عوامل موثر بر صادرات ...
  • Antik D. S. Milovanovic M. B. Perić, S. L. Nikolić, ...
  • Claveria, O. & Torra, S. (۲۰۱۴). Forecasting tourism demand to ...
  • Co, H.C. & Boosarawongse, R. (۲۰۰۷). Forecasting Thailand’s rice export: ...
  • Czerwinski, A. I. Cutierrez-Estrada, J. C. & Hernando-Casal, J. A. ...
  • Erdogan, O. & Goksu, A. (۲۰۱۴). Forecasting Euro and Turkish ...
  • Hagan, M. T. H. B. & Demuth, M. B. (۱۹۹۶). ...
  • Haykin, S. (۱۹۹۸). Neural Networks: A comprehensive foundation. Prentice-Hall. ...
  • Kock, A. B. & Terasverta, T. (۲۰۱۳). Forecasting the Finnish ...
  • Malik, F. & Nasereddin, M. ( ۲۰۰۶). Forecasting output using ...
  • Mammadova, G. (۲۰۱۰). For casting Exchange Rate using ARIMA and ...
  • Neural network Toolbox User's Guide. (۲۰۰۸). Version ۶. The MathWorks ...
  • Pradhan, R. & Kuma, R. (۲۰۱۰). Forecasting Exchange Rate in ...
  • Zou, H.F. Xi, G.P. Yang, F.T. & Wang, H.Y. (۲۰۰۷). ...
  • نمایش کامل مراجع