چکیده:
در مطالعه حاضر تلاش شده است یک مدل سری زمانی تک متغیره برای پیش بینی صادرات کشمش ایران شناسایی شود. به این منظور روش باکس-جنکینز برای شناسایی الگوی مناسب خود توضیح جمعی میانگین متحرک و همچنین روش های هموارسازی نمایی منفرد با روند، هموارسازی نمایی دوگانه با روند، الگوریتم هالت-وینترز تجمعی و الگوریتم هالت-وینترز ضربی به کار گرفته شدند. برای نیل به هدف پژوهش، از آمار سری زمانی سالانه صادرات کشمش کشور در دوره 89-1340 استفاده گردید. بر اساس یافته های پژوهش، الگوریتم هالت-وینترز ضربی در مقایسه با سایر روش های مورد استفاده، دقیق ترین میزان پیش بینی را داشته است.
خلاصه ماشینی:
نتایج این پژوهش نشان داد در بین روشهای تک متغیره مورد استفاده، شبکههای عصبی مصنوعی، هموارسازی نمایی منفرد و دوگانه با روند در مقایسه با تکنیکهای تک متغیره الگوریتم هالت-وینترز تجمعی، الگوریتم هالت-وینترز ضربی، الگوی خودتوضیح جمعی میانگین متحرک بهترین پیشبینی را ارائه دادند.
آذربایجانی و همکاران (1388) در پیشبینی قیمت گوشت مرغ در ایران، به این نتیجه دست یافتند که در افق زمانی دوازده ماهه و یک ماهه روش شبکههای عصبی مصنوعی از کارایی بیشتری در حداقل کردن خطای پیشبینی نسبت به روشهای همجمعی برخوردار است.
بر اساس یافتههای این پژوهش، شبکههای عصبی مصنوعی در مقایسه با مدل ARIMA میزان صادرات محصولات کشاورزی را دقیقتر پیشبینی مینماید.
نتایج این پژوهش نشان داد مدل شبکه عصبی برای پیشبینی نرخ رشد اقتصادی در ایران از کارایی بالاتری برخوردار است.
1. مواد و روشها در مطالعه حاضر نیز از پنج روش برای پیشبینی صادرات کشمش ایران برای دوره 94-1390 استفاده شده است که عبارتند از: الگوی خودتوضیح جمعی میانگین متحرک (ARIMA)، هموارسازی نمایی منفرد با روند [14] (SEST)، هموارسازی نمایی دوگانه با روند [15] (DEST)، الگوریتم هالت-وینترز ضربی [16] (HWM)، الگوریتم هالت- وینترز تجمعی [17] (HWA).
الگوریتم هالت-وینترز ضربی به عنوان کاراترین روش شناسایی شده، میانگین صادرات کشمش ایران را برای دوره 94-1390، 341204 هزار دلار پیشبینی نموده است.
بر اساس نتایج به دست آمده از این پژوهش، الگوریتم هالت- وینترز ضربی به عنوان کاراترین روش در پیشبینی صادرات کشمش ایران شناسایی گردید.
با این روش میانگین صادرات ایران برای دوره 94-1390، 341204 هزار دلار پیشبینی شده است.