استفاده از رویکرد مبتنی بر پیش بینی مالی واقتصاد سنجی نرم برای آینده پژوهی رفتار سیستم ها
محورهای موضوعی : آینده پژوهی
1 - استادیار، گروه مدیریت ،دانشگاه پیام نور، تهران، ایران
کلید واژه: اقتصاد سنجی, مهندسی مالی, روش های پیش بینی,
چکیده مقاله :
امروزه از روش های پیش بینی مبتنی بر اقتصاد سنجی نرم و همچنین روش های پیش بینی مالی در سیستم های مختلفی مورد استفاده قرار می گیرد، یکی از جنبه های استفاده از روش های پیش بینی ، استفاده از آن برای پیش بینی رفتار سیستم های جمل و نقل است. در این تحقیق با استفاده از آمار مصدومان ترافیکی ارجاعی به پزشکی قانونی استان گلستان بین فروردین 1374 تا اسفند 1401 که در استان گلستان به پزشکی قانونی ارجاع شده اند و با استفاده از شبکه عصبی مصنوعی که یکی از پیشرفته ترین روش ها پیش بینی و آینده پژوهی در حوزه سیستم های سلامت است، به پیش بینی تعداد مصدومین برای 12 ماهه منتهی به سال 1402 پرداخته شده است. و همچنین دقت این روش با استفاده از میانگین درصد قدر مطلق خطا مورد سنجش قرار گرفته است. نتایج تحقیق نشان داد که شبکه عصبی مصنوعی با 12 ورودی یک خروجی و 5 لایه پنهان مناسب برای پیش بینی مصدومین ارجاعی به پزشکی قانونیگلستان می باشد، مقادیر پیش بینی شده نشان داد تعداد مصدومان ترافیکی در استان گلستان در حال افزایش است.با توجه به دقت بالا شبکه عصبی مصوعی در این تحقیق می توان این روش را به عنوان مبایی برای آینده پژوهی در تصادفات قرار داد. روند صعودی تعداد مصدومان ترافیکی استان گلستان نشان از لزوم باز بینی تصمیم گیری ها در حوزه حمل و نقل در این استان حکایت دارد.
Today, forecasting methods based on soft econometrics as well as financial forecasting methods are used in various systems, one of the aspects of using forecasting methods is to use it to predict the behavior of general systems and It is a quote. In this research, using the statistics of traffic injuries referred to forensic medicine in Golestan province between April 1374 and March 1401, which were referred to forensic medicine in Golestan province, and using artificial neural network, which is one of the most advanced methods of forecasting and future research In the field of health systems, the number of injured people has been predicted for the 12 months ending in 1402. Also, the accuracy of this method has been measured using the average percentage of the absolute value of the error. The results of the research showed that the artificial neural network with 12 inputs, one output and 5 hidden layers is suitable for predicting the injured referred to Golestan forensic medicine,. The predicted values showed that the number of traffic injuries in Golestan province is increasing. Due to the high accuracy of the neural network in this research, this method can be used as a basis for future research in accidents. The upward trend in the number of traffic injuries in Golestan province indicates the need to review decisions in the field of transportation in this province.
_||_