- همه نشریات
- نشریات علمی سازمان تحقیقات، آموزش و ترویچ کشاورزی
- مجلات ترویجی سازمان تحقیقات، آموزش و ترویج کشاورزی
- سایر نشریات سازمان تحقیقات، آموزش و ترویج کشاورزی
- نشریات علمی انجمن ها
- علوم آب و خاک
- علوم اقتصاد و ترویج کشاورزی
- علوم جنگل, مرتع و آبخیزداری
- علوم دامی و شیلات
- علوم زراعی و باغی
- علوم گیاهپزشکی
- علوم مهندسی و مکانیزاسیون کشاورزی
- نشریات با زبان انگلیسی
- نشریات با زبان فارسی
- نشریات دانشگاه آزاد اسلامی
- نشریات علمی
پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 283 |
| تعداد نشریات سازمان | 81 |
| تعداد شماره‌ها | 2,727 |
| تعداد مقالات | 31,057 |
| تعداد مشاهده مقاله | 28,405,826 |
| تعداد دریافت فایل اصل مقاله | 16,276,567 |
مقایسه روش‌های اقتصادسنجی و شبکه‌های عصبی مصنوعی در پیش‌بینی مقدار واردات ذرت ایران | ||
| اقتصاد کشاورزی و توسعه | ||
| مقاله 9، دوره 22، شماره 1 - شماره پیاپی 85، فروردین 1393، صفحه 213-235 اصل مقاله (502.18 K) | ||
| شناسه دیجیتال (DOI): 10.30490/aead.2014.58850 | ||
| نویسندگان | ||
| مهدی کاظم نژاد* ؛ امید گیلانپور | ||
| چکیده | ||
| 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 | ||
| کلیدواژه‌ها | ||
| پیش‌بینی؛ شبکة عصبی؛ ذرت؛ واردات؛ ایران | ||
| عنوان مقاله [English] | ||
| Comparing The Econometric Methods and Artificial Neural Networks in Predict of Corn Import of Iran | ||
| نویسندگان [English] | ||
| M. M. Kazemnejad؛ O. Gilanpour | ||
| چکیده [English] | ||
| 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 | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 316 تعداد دریافت فایل اصل مقاله: 156 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب