مقاله ره يافت شبکه عصبي مصنوعي (ANN) و روش هاي هم جمعي (ARDL و جوهانسون- جوسيليوس) در پيش بيني قيمت گوشت مرغ در ايران که چکیده‌ی آن در زیر آورده شده است، در ۱۳۸۸ در اقتصاد كشاورزي (اقتصاد و كشاورزي) از صفحه ۹۹ تا ۱۲۴ منتشر شده است.
نام: ره يافت شبکه عصبي مصنوعي (ANN) و روش هاي هم جمعي (ARDL و جوهانسون- جوسيليوس) در پيش بيني قيمت گوشت مرغ در ايران
این مقاله دارای ۲۶ صفحه می‌باشد، که برای تهیه‌ی آن می‌توانید بر روی گزینه‌ی خرید مقاله کلیک کنید.
کلمات مرتبط / کلیدی:
مقاله پيش بيني
مقاله قيمت گوشت مرغ
مقاله شبکه عصبي مصنوعي
مقاله روش هاي هم جمعي

نویسنده(ها):
جناب آقای / سرکار خانم: آذربايجاني كريم
جناب آقای / سرکار خانم: طيبي سيدكميل
جناب آقای / سرکار خانم: بياري ليلي

چکیده و خلاصه‌ای از مقاله:
پيش بيني دقيق قيمت طيور و فرآورده هاي آن از طريق توجه به کاهش نوسانات باعث تخصيص بهينه منابع، افزايش کارايي و سرانجام افزايش درآمد مرغداران مي شود. با توجه به اهميت پيش بيني قيمت گوشت مرغ، در اين تحقيق قيمت اين محصول با استفاده از روش هاي هم جمعي ARDL، جوهانسون- جوسيليوس و روش شبکه هاي عصبي مصنوعي براي افق هاي زماني يک ماهه، شش ماهه و دوازده ماهه پيش بيني شد و اين فرضيه که شبکه عصبي مصنوعي در پيش بيني قيمت گوشت مرغ از کارايي بيش تري نسبت به ديگر مدل هاي اقتصادسنجي برخوردار است، بررسي شد. داده هاي مربوط به متغيرهاي تاثيرگذار بر قيمت گوشت مرغ براي دوره زماني فروردين ماه ۱۳۷۱ تا بهمن ماه ۱۳۸۴ از شرکت پشتيباني امور دام کشور جمع آوري شده است که از داده هاي فروردين ۱۳۷۱ تا بهمن ۱۳۸۴ براي تخمين مدل ها و آموزش شبکه عصبي و از مابقي داده ها (اسفند ۱۳۸۴ تا بهمن ۱۳۸۵) براي بررسي قدرت پيش بيني مدل هاي مختلف استفاده شده است. نتايج به دست آمده حاکي از آن بود که روند پيش بيني شده به وسيله شبکه عصبي المان سه لايه با هشت نرون در لايه ورودي، سه نرون در لايه مخفي و تابع فعال سازي زيگموييدي (براي افق زماني دوازده ماهه) و شبکه المان سه لايه شامل هشت نرون ورودي و هفت نرون در لايه مخفي با تابع فعال سازي تانژانت هيپربوليک (براي افق زماني يک ماهه) از کارايي بيش تري در کمينه کردن خطاي پيش بيني، نسبت به روش هاي هم جمعي، برخوردارند؛ اما در افق زماني شش ماهه، مدل ARDL دقيق تر از شبکه عصبي المان عمل مي کند. از اين ديدگاه، استفاده از روش نوين پيش بيني قيمت همانند شبکه هاي عصبي مصنوعي، مي تواند به تاثير سياست گذاري قيمتي و حتي تنظيم بازار از طريق پيش بيني نوسان هاي مختلف کمک کند.