پیش بینی رشد اقتصادی بدون نفت در اقتصاد ایران به تفکیک بخش های اقتصادی با استفاده از مدل فازی- عصبی تطبیقی(ANFIS) (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
درادبیات اقتصادی رشد اقتصادی و پیش بینی روند آن به عنوان یکی از شاخص های مهم اقتصادی، نقش مهمی در سیاست گذاری و برنامه ریزی اقتصادی دارد و می تواند به سیاست گذاران در تصمیم گیری های آتی یاری رساند. هدف از این پژوهش نیز پیش بینی میزان تولید ناخالص داخلی بدون نفت به تفکیک بخش های اصلی اقتصاد (صنعت، کشاورزی و خدمات) و رشد اقتصادی بدون نفت تا سال1397 شمسی است. برای این منظور نیز با توجه به ساختار غیرخطی و همراه با عدم قطعیت داده های مربوط به ارزش افزوده بخش های اقتصادی، از الگوی غیرخطی مبتنی بر شبکه های عصبی– فازی تطبیقی (ANFIS) که به داده های کمتری نیاز دارد، استفاده شده است. دراین پژوهش، داده های فصلی مربوط به سه بخش اصلی اقتصاد و تولید ناخالص داخلی ایران از بهار 1385 تا نه ماهه نخست 1395 بکار گرفته شده است. مدل سازی شبکه عصبی- فازی در قالب سه مدل با توابع عضویت مختلف بررسی و نهایتاً با توجه به قدرت مدل ها در پیش بینی، درهر سه بخش به تفکیک، بهترین مدل انتخاب شده است. نتایج حاصل از داده های تست که مربوط به نه ماهه ی نخست سال 1395 بوده، دقت بالای مدل ANFIS درپیش بینی را نشان می دهند. میزان خطای مدل ها نیز با استفاده از معیارهای اندازه گیری خطا محاسبه ودرنهایت باتوجه به مقدارخطای هریک ازمدل ها، از الگوی منتخب برای پیش بینی مقادیر تولید برای 9 دوره ی روبه جلو استفاده شده است. با توجه به مقادیربدست آمده، رشد اقتصادی بدون نفت کشور درسال 1395 حدود 6 درصد برآورد شده که پیش بینی گردیده این مقدار در سال های 1396 و 1397 نیز به ترتیب حدود 2 و 5/3 درصد باشد.Iran's Non-oil Economic Growth Forecast By Economic Sectors Using Adaptive Neuro-Fuzzy Model
One of the important issues in the economy is the prediction of economic growth. The correct prediction of economic growth has an important role in government policy and economic planning and can help policymakers in future decision making. In this research, nonlinear structure with non-linear data on the economic value added of non-linear models based on adaptive-fuzzy networks (ANFIS) is used to predict the GDP of Iran.To this end, seasonal data on GDP in Iran have been used from spring 1385 to first quarter of 1395 to predict GDP without oil and its growth, divided into three parts: industry, agriculture and services. Neural-fuzzy network modeling has been investigated in three models with different membership functions. Finally, by prioritizing the power of models in prediction, in each of the three sections, the best model is derived according to the error function. The results of the test data for the first nine months of the year of 1395 show the accuracy of the ANFIS model in the prediction. the error values of each type, ANFIS model to predict future values of GDP of non-oil sectors of industry, agriculture and services and for the nine courses forward this index has been predicted. According to the obtained values, the country's non-oil economic growth in 1395 to about 6 percent. this amount in the years 1396 and 1397 respectively 2 and 3.5 percent.
تبلیغات
