پيش بيني ارزش واردات محصولات كشاورزي ايران: مقايسه كاربرد روش هاي شبكه عصبي مصنوعي و مدل هاي اقتصاد سنجي

Forecasting of Agricultural Crops Import in IranArtificial Neural Network and Econometric Models Application

در مطالعه حاضر، واردات بخش كشاورزي ايران براي دوره 94-1389 با استفاده از روش هاي اقتصادسنجي و شبكه عصبي مصنوعي پيش بيني شده است. براي اين منظور از داده هاي دوره 83-1350 براي پيش بيني و آموزش شبكه و از داده هاي دوره 88-1383 براي آزمون صحت پيش-بيني هاي 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 VAR و ARIMA براي پيش بيني واردات محصولات كشاورزي ايران مي باشد. با توجه به پيش‏بيني صورت گرفته با استفاده از روش شبكه عصبي، ارزش واردات محصولات كشاورزي در سال هاي 92-1389 با افزايش همراه خواهد بود، اما در سال 1393 مقدار افزايش نامحسوس بوده و در سال 1394 مجدداً افزايش خواهد داشت. بنابراين پيشنهاد مي‏گردد كه دولت و دستگاه هاي ذيربط با استفاده از نتايج مطالعه حاضر از نوسانات ناگهاني ارزش واردات محصولات كشاورزي جلوگيري كنند.

In the present study, agricultural sector import was forecasted by using the econometric and the ANN methods. Import data from 1971 to 2004 and 2004-2009 was used for forecasting, network training and testing forecast accuracy, respectively. The results shown that Feed-forward neural network has much less error and better performance than the ARIMA and the VAR methods. On the basis of the obtained results, import would be increased, in 2010-2013 while the increase in import will not be significant in 2014, it will increase again in 2015. Therefore fundamental efforts should be done to increase production potential and to achieve self-sufficiency, by essential triggering policies.