پیش بینی میزان صادرات خرمای ایران با استفاده ازروش های اقتصادسنجی و هوش مصنوعی
محورهای موضوعی : فصلنامه علمی -پژوهشی تحقیقات اقتصاد کشاورزی
احمد اکبری
1
(استاد اقتصاد کشاورزی دانشگاه سیستان و بلوچستان)
محبوبه شارعی حدادزاده
2
(کارشناس ارشد اقتصاد کشاورزی دانشگاه سیستان و بلوچستان)
حسین مهرابی بشرآبادی
3
(دانشیار اقتصاد کشاورزی، دانشگاه شهید باهنر کرمان.)
کلید واژه: ایران, پیش بینی, صادرات خرما, شبکه ی عصبی, الگوریتم ژنتیک, ARIMA, GARCH,
چکیده مقاله :
در این مطالعه با استفاده از روشهای اقتصادسنجی ARMA ، GARCH و روشهای هوش محاسباتی، شبکهی عصبی مصنوعی و الگوریتم ژنتیک اقدام به پیشبینی میزان صادرات خرمای ایران برای دورهی 1395-1389 شد. بهمنظور انجام بررسیها از دادههای مربوط به دورهی زمانی 1388-1346 استفاده گردید. از دادههای دورهی 1384-1346 بهمنظور مدلسازی و از دادههای 4 سال آخر برای بررسی قدرت پیشبینی استفاده شد. نتایج مطالعه نشان داد که شبکهی عصبی در مقایسه با سایر روشها از خطای پیشبینی کمتری برخوردار است. بعد از شبکهی عصبی الگوریتم ژنتیک دارای کمترین خطا بوده و معیارهای عملکرد نشاندهندهی توانایی الگوریتم ژنتیک در پیشبینی میزان صادرات خرما میباشند. با توجه به برتری شبکهی عصبی در پیشبینی میزان صادرات خرمای ایران، پیشبینیهای صورتگرفته توسط این مدل، روند افزایشی-کاهشی در میزان صادرات خرمای ایران را نشان میدهد. طبقهبندی JEL: Q17 F17, C45, C53, , C61
This study attempts to forecast the export of Iran's date for the period of 2010-2016, using the econometric methods, ARMA, GARCH, and the methods of computational intelligence, artificial neural networks and genetic algorithms.The data from 1967-2009 were used. The data from 1967- 2005 were used for modeling and the four last years, were used to examine forecast ability. Results indicated that the neural network has the lowest Forecast error comparing other methods followed by Genetic Algorithm .According to the superiority of neural networks in forecasting the Iran's date export, forecasts made by this, shows the decreasing-increasing trend in the exports of Iran's date.