شماره ركورد :
1012397
عنوان مقاله :
مقايسه روش هاي اقتصاد سنجي و شبكه‌هاي عصبي مصنوعي در پيش بيني مقدار واردات كنجاله ايران
عنوان به زبان ديگر :
Comparison of econometric models and artificial neural networks to predict of Iran Oilcake imports
پديد آورندگان :
سهرابي، روح الله دانشگاه آزاد اسلامي مركز مهران
تعداد صفحه :
14
از صفحه :
633
تا صفحه :
646
كليدواژه :
پيش‌بيني , شبكه عصبي , كنجاله , ايران
چكيده فارسي :
اهميت پيش‌بيني متغيرهاي اقتصادي براي سياست گذاران وبرنامه‌ريزان و واحدهاي اقتصادي بر كسي پوشيده نيست. لذا، در دهه‌هاي اخير، مدلهاي متنوعي براي اين امر ابداع شده و با هم به رقابت پرداخته‌اند. در مطالعه حاضر، مقدار واردات كنجاله ايران براي دوره 1400-1394 با استفاده از روش‌هاي اقتصادسنجي و شبكه عصبي مصنوعي پيش بيني شده است. براي اين منظور از داده‌هاي دوره 88-1348 براي پيش‌بيني و آموزش شبكه و از داده‌هاي دوره 1393-1389 براي آزمون صحت پيش‌بيني‌هاي به دست آمده استفاده شد. نتايج مطالعه نشان داد كه شبكه عصبي پيشرو داراي خطاي كمتر و عملكرد بهتري در مقايسه با روش اقتصاد سنجي ARIMA و هموارسازي نمايي براي پيش‌بيني مقدار واردات اين محصول مي‌باشد. نتايج نشان مي‌دهد كه مقدار واردات كنجاله در سال 1394 نسبت به سال گذشته‌اش، 32 درصد افزايش مي-يابد. لذا لازم است كه براي كاهش اين مقدار واردات و تامين نياز داخلي، سياست‌هاي حمايتي از توليد داخلي صورت گيرد. همچنين براي كنترل اين افزايش بي‌رويه در واردات كنجاله، سياست‌گذاران و برنامه‌ريزان امر بايد برنامه‌هاي لازم از جمله افزايش تعرفه را اعمال كنند. همچنين اعطاي اعتبارات لازم براي توليد اين محصول و تامين نياز كارخانجات در فرآيند تبديل به كنجاله، مي‌تواند در راستاي افزايش توان توليدي و رقابتي داخلي اين محصول موثر باشد.
چكيده لاتين :
The importance of economic variables forecasting for policy makers and planners and firms is obvious. Therefore, in recent decades, several models have been developed. In the present study, the Oilcake import quantity predicted by using econometric Model and artificial neural network for 1400-1394. For this purpose, for predict and education network, the data of the 88-1348 and for test the accuracy of forecasts, the data of the 1393-1389 were used. The results showed that forward neural network compared to ARIMA and exponential smoothing method with fewer errors and better performance for predicting of Oilcake import. The results show that the Oilcake imports in 1394 compared to last year, has a 32% increase. Therefore, it is necessary to reduce the amount of imported and domestic needs, be protectionist policies. Also, to control of the steep rise in Oilcake import, policy makers and planners would be necessary programs apply, including increased tariffs. The grants for the production and supply companies in the conversion process to oilcake can be used to increase the productivity and competitiveness of these products to be effective.
سال انتشار :
1395
عنوان نشريه :
تحقيقات اقتصاد و توسعه كشاورزي ايران
فايل PDF :
7481514
عنوان نشريه :
تحقيقات اقتصاد و توسعه كشاورزي ايران
لينک به اين مدرک :
بازگشت