ارزیابی عملکرد مدل هیبرید شبکه عصبی مصنوعی-ﺧﻮد ﺗﻮﺿﻴﺢ ﺟﻤﻌﻲ ﻣﻴﺎﻧﮕﻴﻦ ﻣﺘﺤﺮک (ARIMA-ANN) در پیش‌بینی صادرات زعفران ایران

زعفران ایران از لحاظ کمی و کیفی از جایگاه نمایانی در سطح بین­المللی برخوردار است و با بهره­گیری از ظرفیت موجود می­توان درآمدهای صادراتی حاصل از آن را به­طور قابل ‌ملاحظه‌ای افزایش داد. از سوی دیگر، پیش­بینی فروش بر اساس تجزیه ‌وتحلیل سری زمانی یک عنصر بسیار مهم در طراحی و اجرای استراتژی­های بازاریابی در عرصه­ی بین­المللی است. اما رویکرد­های متداول پیش­بینی با نادیده گرفتن ساختار خطی یا غیرخطی داده­ها نتایج دقیقی را ارائه نمی­دهند. لذا، هدف اصلی این مطالعه طراحی یک مدل هیبرید متشکل از دو روش شبکه عصبی مصنوعی (ANN) و ﺧـﻮد ﺗﻮﺿـﻴﺢ ﺟﻤﻌـﻲ ﻣﻴـﺎﻧﮕﻴﻦ ﻣﺘﺤـﺮک (ARIMA) به‌منظور رفع نواقص و استفاده از ویژگی­های منحصر به‌فرد هر یک از این مدل­ها است. با استفاده از داده­های مربوط به صادرات زعفران ایران طی دوره­ی 1392-1283، نتایج مطالعه نشان داد که مدل هیبرید ARIMA-ANN در مقایسه با مدل­های ARIMA و ANN از عملکرد بهتری در پیش­بینی صادرات زعفران ایران برخوردار است. لذا، با توجه به کارایی شایان توجه مدل هیبرید ARIMA-ANN، استفاده از این مدل در تنظیم استراتژی­های مربوط به صادرات در بازارهای جهانی زعفران و همچنین در پیش­بینی متغیرهای سری ­زمانی توصیه می­گردد.