پیش بینی میزان صادرات خرمای ایران با استفاده ازروش های اقتصادسنجی و هوش مصنوعی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استاد اقتصاد کشاورزی دانشگاه سیستان و بلوچستان

2 کارشناس ارشد اقتصاد کشاورزی دانشگاه سیستان و بلوچستان

3 دانشیار اقتصاد کشاورزی، دانشگاه شهید باهنر کرمان.

چکیده

در این مطالعه با استفاده از روش­های اقتصادسنجی ARMA ، GARCH  و روش­های هوش محاسباتی، شبکه­ی عصبی مصنوعی و الگوریتم ژنتیک اقدام به پیش­بینی میزان صادرات خرمای ایران برای دوره­ی 1395-1389 شد. به­منظور انجام بررسی­ها از داده­های مربوط به دوره­ی زمانی 1388-1346 استفاده گردید. از داده­های دوره­ی 1384-1346 به­منظور مدل­سازی و از داده­های 4 سال آخر برای بررسی قدرت پیش­بینی استفاده شد. نتایج مطالعه نشان داد که شبکه­ی عصبی در مقایسه با سایر روش­ها از خطای پیش­بینی کمتری برخوردار است. بعد از شبکه­ی عصبی الگوریتم ژنتیک دارای کمترین خطا بوده و معیار­های عملکرد نشان­دهنده­ی توانایی الگوریتم ژنتیک در پیش­بینی میزان صادرات خرما می­باشند. با توجه به برتری شبکه­ی عصبی در پیش­بینی میزان صادرات خرمای ایران، پیش­بینی­های صورت­گرفته توسط این مدل، روند افزایشی-کاهشی در میزان صادرات خرمای ایران را نشان می­دهد.
 
طبقه­بندی JEL: Q17 F17, C45, C53, , C61

کلیدواژه‌ها


عنوان مقاله [English]

forecasting the export of Iran's date Using econometric methods and artificial intelligence

نویسندگان [English]

  • A. A 1
  • M. Sh 2
  • H. M 3
چکیده [English]

This study attempts to forecast the export of Iran's date for the period of  2010-2016, using the econometric methods, ARMA, GARCH, and the methods of computational intelligence, artificial neural networks and genetic algorithms.The data from 1967-2009 were used. The data from 1967- 2005 were used for modeling and the four last years, were used to examine forecast ability. Results indicated that the neural network has the lowest Forecast error comparing other methods followed by Genetic Algorithm .According to the superiority of neural networks in forecasting the Iran's date export, forecasts made by this, shows the decreasing-increasing trend in the exports of Iran's date.

کلیدواژه‌ها [English]

  • Forecasting
  • Date's export
  • Artificial Neural Networks
  • Genetic algorithms
  • ARIMA
  • GARCH
  • Iran