این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
اقتصاد کشاورزی و توسعه، جلد ۲۲، شماره ۸۵، صفحات ۲۱۳-۲۳۵
عنوان فارسی مقایسه روش‌های اقتصادسنجی و شبکه‌های عصبی مصنوعی در پیش‌بینی مقدار واردات ذرت ایران
چکیده فارسی مقاله اهمیت پیش‌بینی متغیرهای اقتصادی برای سیاست‌گذاران و برنامه‌ریزان و واحدهای اقتصادی بر کسی پوشیده نیست. از این‌رو، در دهه‌های اخیر، مدل‌های گوناگون ابداع شده و به رقابت با یکدیگر پرداخته‌اند. در مطالعه حاضر، مقدار واردات ذرت ایران برای دوره 1389-93 با استفاده از روش‌های اقتصادسنجی و شبکه عصبی مصنوعی پیش‏بینی شده است. بدین منظور، از داده‌های دوره 1348-83 برای پیش‌بینی و آموزش شبکه و از داده‌های دوره 1383-88 برای آزمون صحت پیش‌بینی‌ها استفاده شده است. نتایج مطالعه نشان می‌دهد که شبکه عصبی پیشرو دارای خطای کمتر و عملکرد بهتری در مقایسه با روش اقتصادسنجی ARIMA و هموارسازی نمایی برای پیش‌بینی مقدار واردات این محصول است. همچنین مقدار واردات ذرت در 1390 نسبت به سال پیش از آن 8 درصد کاهش رشد داشته و بیشترین میزان کاهش در تغییر واردات ذرت نسبت به یک سال گذشته با 11 درصد کاهش مربوط به 1391 است. از این‌رو، برای تأمین نیاز داخلی کشور لازم است که برنامه‌های ویژه در راستای افزایش توان تولید ذرت کشور صورت گیرد تا ضمن کاهش وابستگی کشور به واردات این کالا، میزان تولید داخلی برای رسیدن به مرز خودکفایی کشور نیز افزایش یابد. طبقه‌بندی JEL: D12 ، C32، C22
کلیدواژه‌های فارسی مقاله پیش‌بینی، شبکه عصبی، ذرت، واردات، ایران
عنوان انگلیسی Comparing The Econometric Methods and Artificial Neural Networks in Predict of Corn Import of Iran
چکیده انگلیسی مقاله The importance of predicting the economic variables for policy makers and program planners is no secret to anyone. Therefore, over recent decades, several competing models have been developed. In this study, the amount of corn import to Iran is predicted for the period 2010-2014 by using econometric techniques and artificial neural networks methods. The results show that the feed forward neural network with fewer errors and better performance compared with econometric techniques ARIMA and exponential smoothing to predict the amount of corn imports. The study results also show that the amount of corn imports would grow in 2011 by 8 percent less than that of the previous year. Also the highest reduction in corn imports compared with that of the previous year by the amount of 11 percent decrease is related to the year 2012. So, it is necessary to increase domestic production to meet domestic needs. JEL Classification: D12, C32, C22 Keywords: Predict, Neural Network, Corn, Import, Iran
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مهدی کاظم نژاد | m m kazemnejad


امید گیلانپور | o. gilanpour


نشانی اینترنتی http://aead.agri-peri.ir/browse.php?a_code=A-10-24-180&slc_lang=fa&sid=fa
فایل مقاله دریافت فایل مقاله
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده کاربردی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات