مدلسازي و پيش بيني صادرات آبزيان دريايي در ايران با استفاده از روش ARIMA و شبكه هاي عصبي مصنوعي

Modeling and Forecasting Method in seafood Export ARIMA and ArtificialNeural Networks

هدف اصلي اين مقاله، مدلسازي و پيش بيني ميزان صادرات آبزيان دريايي در ايران بوده است. براي اين منظور، از روش هاي سري زماني خود توضيح جمعي ميانگين متحرك (ARIMA) و شبكه ي عصبي مصنوعي استفاده شده است. بدين منظور، از داده هاي ماهانه دوره ي 1374:03 تا 1387:12 براي برآورد و آموزش مدل و از داده هاي دوره 1388:01 تا 1390:12 به منظور بررسي قدرت پيش بيني مدل هاي مختلف استفاده شده است. در اين مطالعه، معيارهاي ارزيابي مختلفي شامل قدر مطلق خطا (MAE)، ميانگين مجذور خطا (MSE)، درصد ميانگين خطا (MAPE)، جذر ريشه ميانگين خطا (RMSE) و جذر ريشه ي ميانگين خطاي نرمال شده (NRMSE) مورد استفاده قرار گرفتند. نتابج مطالعه نشان مي دهد عملكرد پيش بيني مدل غيرخطي شبكه ي عصبي بهتر از مدل آماري ARIMA و در ساختارهاي شبكه ي عصبي مورد مطالعه، شبكه ي عصبي تابع پايه ي شعاعي (RBF) بر حسب توابع مختلف خطا داراي بهترين عملكرد است. در انتها براي دو سال 1391 و 1392 ميزان صادرات آبزيان دريايي ايران پيش بيني شده است.

The main objective of this paper is to modeling and forecast exportsing of seafood in Iran. For this purpose, the method of collective self-explanatory time series moving average (ARIMA) and artificial neural networks are used. To perform the study, monthly data for the period of 1995:05 to 2008:02 estimated from model training period 2009:03 to 2011:02 data to verify the predictive power of the model. In this study, several criteria including Absolute Error (MAE), Mean Square Error (MSE), Average Percentage Error (MAPE), Root Mean Square Error (RMSE) and Root Mean Square Normalized Error (NRMSE) were used .The results show better performance of the neural network predicted non-linear statistical model ARIMA models and neural network structures studied neural networks Radial Basis Function (RBF) has the best performance in terms of error functions. Finally, for the two years 2012 and 2013 the amount of Iranian seafood export is predicted.