مروزه، در موضوعات اقتصادی - بازرگانی، پیش بینی، به عنوان یکی از مهم ترین شاخصه های علمی مطرح شده است و روز به روز، توسعه و پیشرفت می کند. مدیران بخش های مختلف اقتصادی و بازرگانی، به دلیل وجود انبوه متغیرهای تاثیرگذار، ترجیح می دهند مکانیزمی را در اختیار داشته باشند، که بتواند آن ها را در امور تصمیم گیری یاری کند. بخش کشاورزی، به عنوان بخش تولید کننده محصولات راهبردی (استراتژیک) و تامین کننده مواد غذایی مورد نیاز جمعیت رو به رشد جامعه، تاثیر زیادی در بسیاری از تصمیم گیری های اقتصادی، اجتماعی و سیاسی دارد.با توجه به اهمیت بخش کشاورزی در اقتصاد کشور و نیز وجود عوامل تاثیر گذار متفاوت و غیر قابل کنترل، تجزیه و تحلیل متغیرهای نرخ رشد و نرخ تورم در بخش کشاورزی آگاهی از روند آن ها در آینده و نیز شناخت الگوهای زیر ساختی تولید این داده ها، می تواند راه گشای برنامه ریزان و سیاست مداران برای اتخاذ تصمیمات مناسب باشد.در این تحقیق، سعی بر انتخاب مدل مناسب، برای پیش بینی مقادیر رشد و تورم در بخش کشاورزی ایران شده است. به این منظور، از مدل های هموار سازی نمایی هالت وینترز و مدل ARIMA استفاده شده است. داده های ماهانه مربوط به نرخ تورم (PPI،WPI)، برای دوره 1383-1338 و داده های فصلی مربوط به نرخ رشد برای دوره 1383-1368 جمع آوری شده اند. به منظور مقایسه دقت پیش بینی مدل های خطی و غیر خطی، به طراحی یک مدل شبکه عصبی مصنوعی (ANN)، مبتنی بر متغیرهای مدل رگرسیون و مدل ARIMA پرداخته شد.نتایج نشان داد که مدل هموارسازی نمایی هالت - وینترز، دارای دقت پیش بینی بالاتری از مدل ARIMA و شبکه عصبی بوده و با داده های رشد و تورم در بخش کشاورزی ایران سازگاری بیشتری دارد. این، مدل، متوسط نرخ رشد در بخش کشاورزی برای سال های برنامه چهارم توسعه را، 7% و متوسط نرخ تورم در بخش کشاورزی را، %10.5 پیش بینی کرده است
