پیش بینی تولید آبزیان دریایی در ایران با استفاده از روش ARIMA و شبکه عصبی مصنوعی
محورهای موضوعی : فصلنامه علمی -پژوهشی تحقیقات اقتصاد کشاورزیجلیل خداپرست شیرازی 1 , زهرا صادقی 2
1 - دانشکده اقتصاد مدیریت، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران.
2 - دانشکده اقتصاد مدیریت، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران.
کلید واژه: ایران, پیشبینی, تولید, آبزیان دریایی,
چکیده مقاله :
پیشبینی پدیدههای اقتصادی ساختاری فراهم میکند تا مدیران و مسؤلان اقتصادی را در گرفتن تصمیمهای 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)[1] و شبکه عصبی مصنوعی[2] استفاده میشود. در این مطالعه سه ساختار گوناگون شبکه عصبی شامل شبکه عصبی پیشرو[3]، تابع پایه شعاعی[4] و المن[5] بکار گرفته میشوند. در این مقاله از آمار سال 1374 تا 1390 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،0771/0بیشترین مقدار خطا و مدل شبکه عصبی RBF با خطای 5-10× 9328/7 کمترین خطا و بهترین مدلسازی را دارد. افزون بر این، با روش RBF ،دقیقترین روش شناختهشده این پژوهش، پیشبینی تولید آبزیان دریایی برای دو سال آینده انجام شد.
The main objective of this paper is to predict the value of seafood production in Iran. For this purpose, collective self-explanatory time series moving average (ARIMA) and artificial neural networks are used. In this study, three different structures of neural networks, including multilayer forward neural network, radial basis function and Elman are used. Fisheries organization publishes the seafood production rate yearly for research purposes. In this study data of 1995 to 1911were utilized. Then, the yearly data converted to monthly by using statistical software. The results showed that based on MAPE, the maximum error cost is 0.0771 for ARIMA and the minimum error cost is 7.9328 × 10-5 for RBF neural network. It is concluded that RBFwas most accurate method to predict seafood production for the next two years.
