ویراساینس.
مقاله

پیش بینی صادرات غیر نفتی ایران: الگوهای رگرسیونی و شبکه عصبی مصنوعی

چکیده

در نوشتار حاضر از الگوهای شبکه عصبی مصنوعی و sarima برای پیش بینی مقادیر صادرات غیرنفتی ایران استفاده شده است. برای این منظور سری زمانی ماهیانه ارزش صادرات غیرنفتی طی سال های 1380 تا 1388 مورد استفاده قرار گرفته است. مقایسه قدرت پیش بینی دو الگوی فوق به کمک معیارهای خطای میانگین، ریشه دوم میانگین خطا، میانگین خطای مطلق، میانگین درصد خطا و میانگین درصد خطای مطلق انجام شد. مقدار mape برابر با 44/0 درصد نشان دهنده برتری شبکه عصبی مصنوعی در پیش بینی صادرات غیرنفتی در قیاس با الگوی فصلی sarima است.

اسناد مشابه

  • پیش بینی صادرات غیر نفتی ایران: الگوهای رگرسیونی و شبکه عصبی مصنوعی

    مقاله۲۰۱۱مدلسازی اقتصادی

    در نوشتار حاضر از الگوهای شبکه عصبی مصنوعی و SARIMA برای پیش بینی مقادیر صادرات غیرنفتی ایران استفاده شده است. برای این منظور سری زمانی ماهیانه ارزش صادرات غیرنفتی طی سال‌های 1380 تا 1388 مورد استفاده قرار گرفته است. مقایسه قدرت پیش بینی دو الگوی فوق به کمک معیارهای خطای میانگین،

  • پیش بینی صادرات غیر نفتی ایران: الگوهای رگرسیونی و شبکه عصبی مصنوعی

    مقاله۲۰۱۱مدلسازی اقتصادی

    در نوشتار حاضر از الگوهای شبکه عصبی مصنوعی و SARIMA برای پیش بینی مقادیر صادرات غیرنفتی ایران استفاده شده است. برای این منظور سری زمانی ماهیانه ارزش صادرات غیرنفتی طی سال‌های 1380 تا 1388 مورد استفاده قرار گرفته است. مقایسه قدرت پیش بینی دو الگوی فوق به کمک معیارهای خطای میانگین،

  • پیش بینی ابتلا به دیابت با استفاده از شبکه عصبی مصنوعی

    مقالهمجله علوم پزشکی رازیفرزانه برفه ئی، مسعود صالحی، ایرج نجفی

    زمینه و هدف: بیماری دیابت با گسترش روزافزون و بار سنگینی که در نتیجه کنترل و درمان عوارض به مردم و کشور تحمیل می کند به یکی از چالش های مسئولین درمانی و دولتی تبدیل شده است. از این رو پیشگیری از بروز و پیشرفت آن در اولویت قرار می گیرد که این امر تنها با شناسایی عوامل مؤثر و کنترل

  • پیش بینی محتوای رطوبتی پسته رقم اکبری با شبکه عصبی مصنوعی

    مقالهپژوهش های علوم و صنایع غذایی ایران(pages 45-56) a. baharlooei، m. omid، h. ahmadi، sh. rafiei

    به منظور پیش بینی محتوای رطوبتی پسته رقم اکبری به کمک شبکه عصبی مصنوعی، آزمایشاتی در پنج سطح دمایی از 40 تا 80 درجه سانتی گراد، چهار سرعت جریان هوای ورودی بین 5/0 تا 2 متر بر ثانیه و در سه تکرار (جمعا 60 سری) در یک خشک کن لایه نازک انجام شد. رطوبت اولیه پسته در آغاز آزمایش ها 30

  • پیش بینی خشکسالی با استفاده از مدل تلفیقی شبکه عصبی مصنوعی- موجک و مدل سری زمانیARIMA

    مقاله۲۰۱۸علوم و مهندسی آبیاریحامد نوذری، صفر معروفی، محبوبه یونسی، نادیا شهرکی

    تبدیل موجک یکی از روش­های نوین و بسیار موثر در زمینه تحلیل سیگنال­ها و سری­های زمانی است. در این روش سیگنال شاخص بارش استاندارد (SPI) با استفاده از موجک مادر منتخب تجزیه شده، داده­های حاصل به­عنوان ورودی مدل شبکه عصبی مصنوعی در نظر گرفته شده و یک مدل تلفیقی برای پیش­بینی خشکسالی

  • ارائه مدلی برای پیش بینی سطح معنویت در سازمان با رویکرد شبکه عصبی مصنوعی

    مقاله۲۰۱۵پژوهش های مدیریت منابع انسانیزهرا دهقانی محمودابادی، سیدحبیب اله میرغفوری، محسن دهشیری زاده

    رشد روزافزون تمایل به معنویت در محیط کار، به ایجاد پارادایم جدیدی در علم سازمانی منجر شده و مزایای برآمده از ایجاد محیط کار معنوی، کانون توجه بسیاری از پژوهشگران قرار گرفته است. از این رو، با توجه به اهمیت موضوع معنویت در محیط کار، هدف این پژوهش، ارایه مدلی برای پیش بینی سطح معنو