خلاصة:
با توجه به اهمیت پیشبینی صادرات در برنامهریزی و سیاستگذاری و بمنظور پیشبینی
صادرات پسته ایران، در این مطالعه از شبکه عصبی مصنوعی و فرآیند ARIMA استفاده و
نتایج حاصله مورد مقایسه قرار گرفت. بمنظور انجام بررسیها از دادههای گمرک ایران
برای سالهای 1304 تا 1382 استفاده گردید. از دادههای دوره 77-1304 بهمنظور
مقایسه روشها و از دادههای 5 سال آخر برای بررسی قدرت پیشبینی استفاده شد. نتایج
مطالعه نشان داد که شبکه عصبی پیشخور دارای عملکرد بهتری در مقایسه با سایر
شبکههای عصبی و فرآیند ARIMA بوده و قادر است میزان صادرات پسته را دقیقتر
پیشبینی نماید.
ملخص الجهاز:
"چکیده با توجه به اهمیت پیشبینی صادرات در برنامهریزی و سیاستگذاری و بمنظور پیشبینی صادرات پسته ایران، در این مطالعه از شبکه عصبی مصنوعی و فرآیند ARIMA استفاده و نتایج حاصله مورد مقایسه قرار گرفت.
مشیری و دیگران[18] (1999)، نرخ تورم کانادا را با استفاده از مدلهای مختلف شبکه عصبی از جمله شبکه عصبی پیشخور[19] سه لایه و پایه شعاعی (RB)[20] و همچنین یک مدل اقتصاد سنجی ساختاری و مدل خود رگرسیو برداری (VAR)[21] ، در سه افق زمانی پیشبینی نموده و نتایج این پیشبینیها را مورد ارزیابی و مقایسه قرار دادند.
در ایران نیز مطالعات گوناگونی در زمینه شبکه عصبی مصنوعی، انجام گرفته است که از آن جمله میتوان به مطالعه مشیری (1380)[30] اشاره نمودکه با هدف پیشبینی تورم در ایران، از سه روش مدلهای سری زمانی، مدلهای اقتصادسنجی در قالب مدل خود رگرسیو برداری و شبکه عصبی مصنوعی استفاده نموده است.
بر این اساس در مطالعه حاضر پس از مقایسه قدرت پیشبینی تعدادی از روشهای فوق شامل مدل خود رگرسیو با واریانس ناهمسانی شرطی، فرآیند ARIMA و ARMA و همچنین روش شبکه عصبی مصنوعی در پیشبینی میزان صادرات پسته، مقادیر آتی صادرات این محصول با استفاده از بهترین روش، پیشبینی شده است.
جدول 5- مقایسه قدرت پیشبینی روشهای مختلف روش ME MAE MSE MAPE فرآیند ARIMA 6/7456 8/15440 302491433 9/102 شبکه عصبی پیشخور 4/6964 9322 128586440 076/0 شبکه عصبی رگرسیون تعمیم یافته 4/4847- 8/12058 170590412 106/0 شبکه عصبی پایه شعاعی 7916 10376 176949352 083/0 مأخذ: یافتههای تحقیق با توجه به نتایج جدول (5)، کلیه معیارها نشان دهنده برتری شبکه عصبی پیشخور نسبت به سایر مدلهای مورد استفاده، میباشد."