محمدرضا زارع مهرجردی

محمدرضا زارع مهرجردی

مدرک تحصیلی: دانشیار گروه اقتصاد کشاورزی دانشگاه شهید باهنر کرمان

مطالب

فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۴۱ تا ۴۲ مورد از کل ۴۲ مورد.
۴۱.

مقایسه روش های مختلف پیش بینی روند انتشار گازهای گلخانه ای از بخش کشاورزی ایران(مقاله علمی وزارت علوم)

کلیدواژه‌ها: گازهای گلخانه ای روش های پیش بینی کشاورزی ایران

حوزه های تخصصی:
تعداد بازدید : ۴۱ تعداد دانلود : ۳۷
انتشار گازهای گلخانه ای عامل اصلی گرمایش زمین و مسائل زیست محیطی است. بخش کشاورزی یکی از منابع عمده انتشار است، به طوری که یک سوم انتشار گازهای گلخانه ای در جهان مربوط به سیستم های کشاورزی می باشد. امروزه، پیش بینی یک ابزار مهم برنامه ریزی برای سیاست گذاران به شمار می رود. پیش بینی میزان انتشار گازهای گلخانه ای می تواند تصویری از آینده را برای سیاست گذاران، نمایان و آن ها را در اتخاذ تصمیم های راهبردی یاری نماید. روش های متنوعی برای پیش بینی متغیرها وجود دارد. هدف این مطالعه، مقایسه روش های پیش بینی و روند انتشار مهم ترین گازهای گلخانه ای (متان، دی اکسیدکربن و اکسیدنیتروژن) از بخش کشاورزی ایران است. آمار و اطلاعات لازم به صورت سالانه برای دوره زمانی 2019-1990 از سایت سازمان خوار و بار کشاورزی ملل متحد، بانک جهانی و ترازنامه انرژی وزارت نیرو، جمع آوری و به منظور پیش بینی متغیرها از روش های تک متغیره الگوی خودتوضیح جمعی میانگین متحرک (آریما)، هموارسازی نمایی منفرد با روند، هموارسازی نمایی دوگانه با روند، الگوریتم هالت-وینترز ضربی و الگوریتم هالت-وینترز تجمعی و روش چند متغیره خودرگرسیون برداری استفاده شد. بر اساس یافته های تحقیق، روش های هالت-وینترز تجمعی، شبکه عصبی مصنوعی و هموارسازی نمایی منفرد با روند بهترین پیش بینی را به ترتیب برای گاز متان، دی اکسیدکربن و اکسید نیتروژن ارائه دادند. نتایج نشان داد که روند انتشار گازهای متان و اکسید نیتروژن، نزولی و میزان انتشار گاز دی اکسیدکربن، صعودی خواهد بود. نتایج می تواند در پیش بینی انتشار گازهای گلخانه ای در بخش کشاورزی و به تبع آن اعمال سیاست های مناسب راهگشا باشد.
۴۲.

ارزیابی مدل هیبرید شبکه عصبی مصنوعی-پانل دیتا در پیش بینی قیمت صادرات خشکبار ایران(مقاله علمی وزارت علوم)

کلیدواژه‌ها: قیمت صادرات شبکه عصبی مصنوعی پیش بینی

حوزه های تخصصی:
تعداد بازدید : ۳۴ تعداد دانلود : ۲۶
در بسیاری از مطالعات برای پیش بینی متغیرهای اقتصادی اغلب از روش های کمی مبتنی بر داده های سری زمانی یا مقطع زمانی استفاده می شود. مطالعات سری زمانی و مقطع زمانی ناهمگنی کشورها را کنترل نمی کنند و همواره ریسک به دست آورن نتایج و پیش بینی های اریب دار وجود دارد. داده های پانل اطلاعات و درجه آزادی بیشتری را فراهم می آورد که این امر موجب حصول نتایج و پیش بینی های دقیق تری می شود. با توجه به سهم قابل توجه خشکبار از صادرات غیرنفتی کشور، در این مطالعه از روش ترکیبی شبکه عصبی مصنوعی-پانل دیتا برای پیش بینی قیمت صادرات پسته، کشمش و خرما استفاده گردید و پس از آن عملکرد پیش بینی بر اساس معیارهای دقت با الگوی رگرسیونی (مدل جزء خطای دو طرفه) مورد مقایسه قرار گرفت. با استفاده از داده های مربوط به ده بازار مقصد برای هریک از خشکبار مورد بررسی طی دوره ی 91-1371، نتایج پژوهش نشان داد که رویکرد جدید و ترکیبی شبکه عصبی مصنوعی-پانل دیتا در پیش بینی قیمت صادرات پسته، کشمش و خرمای ایران در مقایسه با روش رگرسیونی دارای عملکرد بهتری است. لذا به صادرکنندگان، سیاست گذاران و محققین توصیه می گردد که از این روش در پیش بینی متغیرهای اقتصادی استفاده نمایند.

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان