مقالات اقتصاد کشاورزی و توسعه

امروزه به علت عدم قطعيت محيط و توسعه سريع تکنولوژي نوين معمولا بايد موقعيت هاي آينده را با استفاده از داده هاي کم و در بازه زماني کوتاه مدت پيش بيني کرد. بنابراين به روش هايي براي پيش بيني نياز است که به داده هاي کمتري احتياج داشته باشد. مدل ميانگين متحرک خودرگرسيون و روش شبکه عصبي مصنوعي براي دست يابي به نتايج دقيق نياز به داده هاي زيادي دارند اما مدلهاي رگرسيون فازي، مدل هاي مناسبي براي پيش بيني با استفاده از داده هاي کمتري نسبت به ديگر روشها مي باشند. در اين مقاله به منظور برطرف ساختن مشکل مذکور و حصول نتايج دقيق تر به بررسي سه روش ميانگين متحرک خود رگرسيون انباشته، رگرسيون فازي و ميانگين متحرک خود رگرسيون انباشته فازي که از ترکيب دو روش قبل بدست آمده، پرداخته شده است. مقايسه ميزان صحت پيش بيني مدل هاي مذکور بر اساس دو معيار خطاي ريشه متوسط مربعات(RMSE)  و ضريب تعيين (R²) حاکي از آن است که مدل ميانگين متحرک خود رگرسيون انباشته فازي به عنوان الگوي برتر جهت پيش بيني مقادير شاخص قيمت بوده است.

 نسخه قابل چاپ