این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدلسازی اقتصاد سنجی، جلد ۱، شماره ۱، صفحات ۳۳-۴۹
عنوان فارسی پیش‌بینی و تحلیل نتایج اشتغال صنعتی در ایران با روش شبکه‌ عصبی مصنوعی(ANN) و مدل ARIMA
چکیده فارسی مقاله صنعت یکی از بخش‌‌های مهم و اساسی اقتصاد و زمینه‌ساز رشد و توسعه صنعتی است. رشد و توسعه بخش صنعت، زمینه را برای رشد و توسعه سایر بخش‌‌ها از جمله کشاورزی، خدمات، حمل و نقل و انرژی فراهم می‌سازد. این بخش در فرایند توسعه نقش مهمی در ایجاد اشتغال دارد. با توجه به اهمیت پیش‌بینی در برنامه‌ریزی و سیاست‌های اقتصادی و اهمیت اشتغال در بخش صنعت، مطالعه حاضر به پیش‌بینی میزان اشتغال صنعتی ایران با استفاده از روش شبکه عصبی مصنوعی ANN و ARIMA پرداخته است. بدین منظور از داده‌های 1358-1390 استفاده شده است. برای بررسی دقت پیش‌بینی از ریشه میانگین مربعات خطا RMSE ، میانگین مطلق درصد خطا RMSE و آماره‌ی U تایل استفاده شده است. نتایج تحقیق نشان می‌دهد که، شبکه عصبی پیشرو پس انتشار دارای قدرت بالایی در پیش‌بینی اشتغال صنعتی در ایران می‌باشد و نسبت به روش ARIMA دارای خطای کمتری است.
کلیدواژه‌های فارسی مقاله اشتغال، پیش‌بینی، شبکه عصبی مصنوعی، ARIMA
عنوان انگلیسی Forecasting Industrial Employment in Iran using Artifical Neural Network Method and ARIMA Model
چکیده انگلیسی مقاله Industry is one of the important and fundamental parts of economic and a ground for economic growth and development. Development and growth in industry section provide the ground for growth and development of other section such as agricultural, service, transport and energy. This section plays an important role in providing job in development process. According to the importance of forecasting in economic planning and policy-making and the importance of employment in industrial section, the present study dealt with forecasted number of industrial employment of Iran ANN and ARIMA artificial neural network method. For this reason 1358-1390 data were used. examine the validity of the research Mean Absolute Percentage Error MAPE, Root Mean Square Error RMSE and Theil U Ststistic were used. The research results show that back-propagation neural network has a high power in forecasting industrial employment in Iran and has lesser error in comparison to ARIMA method.
کلیدواژه‌های انگلیسی مقاله Employment, Forecasting, Artificial Neural Network, ARIMA
نویسندگان مقاله احمد جعفری صمیمی | jafari samimi
استاد اقتصاد دانشکده علوم اقتصادی و اداری دانشگاه مازندران
سازمان اصلی تایید شده: دانشگاه مازندران (Mazandaran university)

زهرا دهقان |
دانشجوی کارشناسی ارشد اقتصاد دانشگاه مازندران
سازمان اصلی تایید شده: دانشگاه مازندران (Mazandaran university)

نشانی اینترنتی http://jem.journals.semnan.ac.ir/browse.php?a_code=A-10-1-20&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1837/article-1837-287245.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات