آرشیو

آرشیو شماره ها:
۷۵

چکیده

هدف اصلی این مقاله، مدلسازی و پیش بینی میزان صادرات آبزیان دریایی در ایران است. برای این منظور، از روش های سری زمانی خود توضیح جمعی میانگین متحرک(ARIMA) و شبکه عصبی مصنوعی استفاده می شود. به منظور انجام بررسی، از داده های ماهانه دوره 1374:03 تا 1387:12 برای برآورد و آموزش مدل و از داده های دوره از 1388:01 تا 1390:12 به منظور بررسی قدرت پیش بینی مدل های مختلف استفاده می شود. در این مطالعه، معیارهای ارزیابی مختلفی شامل قدر مطلق خطا(MAE)، میانگین مجذور خطا(MSE)، درصد میانگین خطا(MAPE)، جذر ریشه میانگین خطا(RMSE) و جذر ریشه میانگین خطا نرمال شده (NRMSE) مورد استفاده قرار گرفتند.نتابج مطالعه نشان می دهد عملکرد پیش بینی مدل غیرخطی شبکه عصبی بهتر از مدل آماری ARIMA و در ساختارهای شبکه عصبی مورد مطالعه، شبکه عصبی تابع پایه شعاعی (RBF) بر حسب توابع مختلف خطا دارای بهترین عملکرد است. . در انتها برای دو سال 1391 و 1392 میزان صادرات آبزیان دریایی ایران پیش بینی شده است.

Modeling and Forecasting Method in seafood Export ARIMA and ArtificialNeural Networks

The main objective of this paper is to model and forecast exports of seafood in Iran. For this purpose, the method of collective self-explanatory time series moving average (ARIMA) and artificial neural networks are used.To perform the study, monthly data for the period 1374:03 to 1387:12 estimated from model training period 1388:01 to 1390:12 data to verify the predictive power of the model used.In this study, several criteria including absolute error (MAE), mean square error (MSE), average percentage error (MAPE), root mean square error (RMSE) and root mean square normalized error (NRMSE) were used .The results of this study show better performance of the neural network predicted non-linear statistical model ARIMA models and neural network structures studied neural networks Radial Basis Function (RBF) has the best performance in terms of error functions.Finally, for the two years 1391 and 1392 the amount of exports Iranian seafood is predicted.

تبلیغات