مقالات اقتصاد کشاورزی و توسعه

يکي از پرکاربردترين الگوهاي پيش بيني سري زماني طي سه دهه اخير، الگوي خودتوضيح جمعي ميانگين متحرک (ARIMA) مي باشد. مطالعات اخير در زمينه پيش بيني با شبکه عصبي مصنوعي مويد برتري اين روش بر الگوهاي خطي سنتي است. اين در حالي است که هيچ يک از اين روش ها از کفايت لازم در پيش بيني سري هاي زماني برخوردار نمي باشند. زيرا الگوي ARIMA توانايي شناخت روابط غيرخطي را نداشته و ANN به تنهايي قادر به شناسايي و بررسي هم زمان هر دو الگوي خطي و غيرخطي نمي باشد. از اين رو با ترکيب الگوهاي ARIMA و ANN و طراحي الگوي تلفيقي روابط موجود در داده ها با دقت بيشتري الگوسازي مي شود. در مطالعه حاضر، الگوي تلفيقي ARIMA و ANN طراحي و دقت پيش بيني آن با الگوهاي رقيب مقايسه شده است. دقت پيش بيني الگوها با استفاده از معيارهاي معمول نظير MSE، RMSE و MAE و همچنين معني داري اختلاف ميان معيارهاي فوق با استفاده از آماره گرنجر و نيوبولد بررسي و آزمون شد. نتايج پيش بيني هاي قيمت گندم حاکي از آن است که الگوي تلفيقي به طور معني داري دقت پيش بيني به دست آمده از الگوهاي انفرادي را افزايش مي دهد.

 نسخه قابل چاپ