چکیده:
در این مطالعه با هدف پیش بینی واردات برنج و ذرت، از روش شبکه عصبی مصنوعی و ARIMA استفاده شده و نتایج حاصل مورد مقایسه قرار گرفته است. به منظور انجام این بررسی، داده های گمرک ایران در خصوص واردات برنج و ذرت برای سالهای 1360 تا 1383 مبنای محاسبه قرار گرفته است. از داده های دوره 1380-1360 به منظور آموزش شبکه و از داده های سه سال آخر برای بررسی قدرت پیش بینی استفاده شده است. نتایج مطالعه نشان دهنده آن است که روش شبکه عصبی دارای عملکرد بهتری در مقایسه با فرآیند ARIMA بوده و قادر است میزان واردات برنج و ذرت را دقیق تر پیش بینی کند.
خلاصه ماشینی:
"پیشبینی میزان واردات برنج و ذرت با استفاده از روش شبکه عصبی مصنوعی1 محمد امین شایگان*،حمید محمدی**و سید نعمت الله موسوی*** در این مطالعه با هدف پیشبینی واردات برنج و ذرت،از روش شبکه عصبی مصنوعی و ARIMA 2استفاده شده و نتایج حاصل مورد مقایسه قرار گرفته است.
Vector Autoregressive اساس در مطالعه حاضر قدرت پیشبینی شبکه عصبی مصنوعی با سایر روشهای موسوم در این زمینه در مورد میزان واردات برنج و ذرت برای دوره 0631 تا 3831 مورد مقایسه قرار گرفته است.
نتایج معیارهای دقت پیشبینی برای روشهای ARMA و ARIMA (به تصویر صفحه مراجعه شود) نکته قابل توجه در این جدول،تفاوت نتایج به دست آمده برای دو محصول برنج و ذرت است زیرا که دو معیار MSE و MAPE بیانکننده دقت بالاتر روش سری زمانی در پیشبینی میزان واردات ذرت در مقایسه با واردات برنج،به دلیل کمتر بودن معیارهای یاد شده است.
نتایج پیشبینی با استفاده از شبکه عصبی مصنوعی (به تصویر صفحه مراجعه شود) براساس اطلاعات آورده شده در جدول شماره(4)،تعداد نرونهای لایه مخفی در شبکه طراحی شده برای پیشبینی دو محصول وارداتی برنج و ذرت برابر با هفت و دو نرون است.
نتیجهگیری و جمعبندی در این مطالعه پیشبینی واردات برنج و ذرت با استفاده از روش شبکه عصبی مصنوعی و روش سری زمانی در قالب روش ARIMA مورد مقایسه قرار گرفت.
نتایج مطالعه نشان داد که روش شبکه عصبی دارای عملکرد بهتری در مقایسه با فرآیند ARIMA بوده و قادر است میزان واردات برنج و ذرت را دقیقتر پیشبینی کند."