پيش بيني توليد آبزيان دريايي در ايران با استفاده از روش ARIMA و شبكه عصبي مصنوعي

Forecasting seafood production in Iran using the ARIMA and Artificial Neural Networks

پيش بيني پديده هاي اقتصادي ساختاري فراهم مي كند تا مديران و مسؤلان اقتصادي را در گرفتن تصميم‌هاي درست ياري دهد. هدف اصلي اين مطالعه پيش بيني مقدار توليد آبزيان دريايي در ايران است. براي اين منظور از روش هاي سري زماني خود توضيح جمعي ميانگين متحرك ARIMA و شبكه عصبي مصنوعي استفاده مي شود. در اين مطالعه سه ساختار گوناگون شبكه عصبي شامل شبكه عصبي پيشرو ، تابع پايه شعاعي و المن بكار گرفته مي شوند. در اين مقاله از آمار سال 1374 تا 1390 استفاده شده است. بمنظور انجام بررسي، داده هاي سالانه به داده هاي ماهانه تبديل شدند. نتايج مطالعه نشان دادند كه از نظر معيار MAPE مقدار تابع خطا براي مدل ARIMA ،۰/۰۷۷۱ بيش‌ترين مقدار خطا و مدل شبكه عصبي RBF با خطاي 5-10× ۷/۹۳۲۸ كم‌ترين خطا و بهترين مدل‌سازي را دارد. افزون بر اين، با روش RBF ،دقيق ترين روش شناخته‌شده اين پژوهش، پيش بيني توليد آبزيان دريايي براي دو سال آينده انجام شد.

The main objective of this paper is to predict the value of seafood production in Iran. For this purpose, collective self-explanatory time series moving average (ARIMA) and artificial neural networks are used. In this study, three different structures of neural networks, including multilayer forward neural network, radial basis function and Elman are used. Fisheries organization publishes the seafood production rate yearly for research purposes. In this study data of 1995 to 1911were utilized. Then, the yearly data converted to monthly by using statistical software. The results showed that based on MAPE, the maximum error cost is 0.0771 for ARIMA and the minimum error cost is 7.9328 × 10-5 for RBF neural network. It is concluded that RBFwas most accurate method to predict seafood production for the next two years.