پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,474 |
| تعداد مقالات | 69,973 |
| تعداد مشاهده مقاله | 122,785,033 |
| تعداد دریافت فایل اصل مقاله | 95,938,902 |
مقایسه روش های اقتصاد سنجی و شبکه‌های عصبی مصنوعی در پیش بینی مقدار واردات کنجاله ایران | ||
| تحقیقات اقتصاد و توسعه کشاورزی ایران | ||
| مقاله 10، دوره 47، شماره 3، مهر 1395، صفحه 633-646 اصل مقاله (394.19 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijaedr.2016.60235 | ||
| نویسنده | ||
| روح اله سهرابی* | ||
| هیات علمی | ||
| چکیده | ||
| اهمیت پیش‌بینی متغیرهای اقتصادی برای سیاستگذاران وبرنامه‌ریزان و واحدهای اقتصادی بر کسی پوشیده نیست. لذا، در دهه‌های اخیر، مدلهای متنوعی برای این امر ابداع شده وبا هم به رقابت پرداخته‌اند. در مطالعه حاضر، مقدار واردات کنجاله ایران برای دوره 1400-1394 با استفاده از روش‌های اقتصادسنجی و شبکه عصبی مصنوعی پیش‌بینی شده است. برای این منظور از داده‌های دوره 88-1348 برای پیش‌بینی و آموزش شبکه و از داده‌های دوره 1393-1389 برای آزمون صحت پیش‌بینی‌های به دست آمده استفاده شد. نتایج مطالعه نشان داد که شبکه عصبی پیشرو دارای خطای کمتر و عملکرد بهتری در مقایسه با روش اقتصاد سنجی ARIMA و هموارسازی نمایی برای پیش‌بینی مقدار واردات این محصول می‌باشد. نتایج نشان می‌دهد که مقدار واردات کنجاله در سال 1394 نسبت به سال گذشته‌اش، 32 درصد افزایش می-یابد. لذا لازم است که برای کاهش این مقدار واردات و تامین نیاز داخلی، سیاست‌های حمایتی از تولید داخلی صورت گیرد. همچنین برای کنترل این افزایش بی‌رویه در واردات کنجاله، سیاستگذاران و برنامه‌ریزان امر باید برنامه‌های لازم از جمله افزایش تعرفه را اعمال کنند. همچنین اعطای اعتبارات لازم برای تولید این محصول و تامین نیاز کارخانجات در فرآیند تبدیل به کنجاله، می‌تواند در راستای افزایش توان تولیدی و رقابتی داخلی این محصول موثر باشد. | ||
| کلیدواژه‌ها | ||
| پیش‌بینی؛ شبکه عصبی؛ کنجاله؛ ایران | ||
| عنوان مقاله [English] | ||
| Comparison of econometric models and artificial neural networks to predict of Iran Oilcake imports | ||
| نویسندگان [English] | ||
| roholah sohrabi | ||
| faculty | ||
| چکیده [English] | ||
| 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, 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. | ||
| کلیدواژه‌ها [English] | ||
| forecasting, Artificial Neural Network, Oilcake, Iran | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,106 تعداد دریافت فایل اصل مقاله: 815 |
||