مدل‌سازي و پيش‌بيني ضايعات نان با استفاده از مدل‌هاي سري زماني و شبكه‌هاي عصبي مصنوعي

Modeling and Prediction of Bread Waste Using Time Series Models and Artificial Neural Networks (ANN)

دراين مطالعه به منظور بررسي عوامل موثر بر ضايعات نان و تعيين روابط كوتاه‌مدت، بلندمدت و ضريب تصحيح خطا بين ضايعات نان و متغيرهاي مستقل موثر برآن طي سال‌هاي 1385-1357 و پيش‌بيني ضايعات نان از الگوي سري زماني چند متغيره ARDL استفاده شده است. بر اساس الگوي ARDL ضايعات نان در بلندمدت تابعي مستقيم از توليد ناخالص ملي و رشد شهرنشيني مي‌باشد و قيمت نان و ضريب جيني بر ضايعات نان اثر معكوس دارند. در كوتاه‌مدت نيز توليد ناخالص ملي و رشد شهرنشيني اثر مثبت و معني‌داري بر ضايعات نان دارند و تاثير قيمت و ضريب جيني در كوتاه‌مدت نيز بر ضايعات منفي است. به منظور پيش‌بيني‌ مقادير آتي از الگوي ARDL و شبكه عصبي مصنوعي استفاده‌شد. نتايج مقايسه الگوهاي ARDL و ANN نشان داد كه شبكه عصبي مبتني برARDL پرسپترون چند لايه (با سه لايه) با ساختار انتخاب شده داراي دقت بالاتري بوده و بر اساس پيش‌بيني ضايعات نان با شبكه عصبي منتخب در افق پيش‌بيني (سال 1390) ضايعات نان بيش از 181/3 ميليون تن خواهد‌بودكه با توجه به قيمت جهاني گندم در سال 1385 مبلغي معادل 1145 ميليون دلار در اثر ضايعات نان از چرخه اقتصادي كشور حذف مي‌شود. طبقه بندي JEL : C45,Q13

This paper presents the application of multivariate time series model (ARDL) to investigate factors affecting bread waste and to explore the relationships among shortrun, longrun and error correction coefficient and the independent variables over the period 1978-2006. Results reveal that Gross National Product and urbanization have positive effects on bread waste in the long term, while the bread price and Gini coefficient have negative effects on bread waste in short term. To predict the amount of bread waste, artificial neural network (ANN) and ARDL model were applied. Comparison of the two models indicated that the ANN-ARDL multi-layer perceptron model (3 layers) with a hyperbolic tangent transfer function for the hidden layer and a delta-bar-delta learning algorithm, is the best model for forecasting the amount of bread waste. This amount will exceed 3.181 million tons in 2011. This implies that considering the wheat price in 2006, USD 1145 million will be removed from the national economic cycle. JEL Classification: C45, Q13