مقایسه پیش بینی شاخص قیمت تولید کننده محصولات چوب و کاغذ ایران با دو روش شبکه عصبی مصنوعی و فرایند خود همبستگی جمعی میانگین متحرک

Authors

  • علی رفیقی هیئت علمی دانشگاه علوم کشاورزی و منابع طبیعی گرگان
Abstract:

روند شاخص قیمت تولید کننده محصولات چوب و کاغذی وضعیت اقتصادی صنعت چوب و کاغذ را نشان می دهد و پیش بینی شرایط آینده آن ضروری است. هدف این تحقیق مقایسه دو روش پیش بینی شبکه عصبی مصنوعی و فرایند خود همبستگی جمعی میانگین متحرک برای پیش بینی شاخص قیمت تولید کننده محصولات چوب و کاغذ می-باشد . معیارهای ارزیابی کارایی و درصد خطای پیش بینی اندازه گیری شد. نتایج نشان می‌دهد که درصد خطای پیش بینی ها به ویژه روش خود همبستگی جمعی میانگین متحرک (آریما) کم می‌باشد، ولی نرخ رشد افزایش قیمت پیش بینی شده با روش آریما مشابه دوره های 1381 تا 1389 و نرخ رشد افزایش قیمت پیش بینی شده با روش شبکه عصبی مصنوعی مشابه دوره های هدف می‌باشد. تقریبا هر دو روش شاخص قیمت تولید کننده یکسانی را پیش بینی کردند که افزایش بسیار جزئی دارند. داده های سری زمانی ماهانه این دو شاخص از 1381 تا 1389 مانا نمی‌باشند و بنابراین احتمالا شاخص های قیمت آینده همانند سال های گذشته تحت تاثیر شوک های اقتصادی همانند طرح هدفمند کردن یارانه ها قرار می‌گیرند و باعث سیر صعودی شاخص های قیمت می‌شود.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

مقایسه قدرت پیش بینی روش شبکه عصبی مصنوعی با سایر روش های پیش‏بینی: مورد قیمت چغندرقند

این مطالعه با هدف پیش­بینی قیمت اسمی و واقعی چغندرقند و مقایسه روش شبکه عصبی مصنوعی با سایر روش­ها صورت گرفت. پس از بررسی ایستایی سری­ها، تصادفی بودن متغیرها با استفاده از دو آزمون ناپارامتریک والد- ولفویتز و پارامتریک دوربین- واتسون بررسی شد. براساس نتایج این آزمون­ها سری قیمت اسمی چغندرقند به‏عنوان سری غیرتصادفی و قابل پیش­بینی و سری قیمت واقعی به‏عنوان سری تصادفی ارزیابی شد. دوره مطالعه نیز ...

full text

مقایسه عملکرد مدلهای شبکه عصبی مصنوعی واتورگرسیون برداری در پیش بینی شاخص قیمت و بازده نقدی

هدف این مقاله تجزیه و تحلیل های اقتصادی، پیش بینی صحیح و دقیق متغیرهای اقتصادی است. در این زمینه، روشهای مختلفی برای پیش بینی در اقتصاد وجود دارد، که از جمله آنها میتوان به مدلهای رگرسیون ، معادلات همزمان و... اشاره کرد. مدلهای سری زمانی نیز از جمله مدلهای اقتصادی می باشند که در آن پیش بینی مقادیر سری، بیش از هر چیز به عهده خودشان گذاشته می شود اما استفاده از روش های غیر کلاسیک در شناسایی مدل و...

full text

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

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 ...

full text

مقایسه پیش بینی واکشیدگی ضخامت تخته خرده چوب با سیستم فازی و شبکه عصبی مصنوعی

درصد واکشیدگی یکی از خواص فیزیکی مهم محصول نهایی می‌باشد. این آزمون نیاز به زمان و هزینه دارد. بنابراین پیش بینی مقدار درصد واکشیدگی تخته در حین تولید می‌تواند باعث کنترل کردن فرایند تولید و کیفیت یکنواخت محصول گردد. در این تحقیق متغیرهایی مانند رطوبت خرده چوب قبل از خشک‌کن، رطوبت کیک خرده چوب در فرمینگ، میزان چسب مصرفی به ازای هر تخته، زمان پرس، دمای پرس، فشار پرس، و خاصیت درصد واکشیدگی تخته خ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 21  issue 2

pages  15- 30

publication date 2014-08-23

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023