پیش بینی

انرژی به عنوان یک نیروی محرکه در بیشتر فعالیت های تولیدی و خدماتی از جایگاه ویژه ای برخوردار است و ازآنجایی که محور اصلی فرآیند رشد اقتصادی، رشد تولید ناخالص داخلی است، نقش مؤثری در رشد و توسعه اقتصادی کشورها ایفا می کند. علاوه بر نوسانات قیمت انرژی و همچنین کمیابی منابع انرژی، عامل مهم دیگری که ضرورت بررسی رابطه بین تولید و مصرف انرژی را دو چندان می کند، مسائل زیست محیطی است که کشوری های جهان با آن مواجه هستند. تحلیل چشم اندازی از پیش بینی مصرف انرژی، این امکان را برای مدیران فراهم می سازد تا تدابیر لازم را در جهت کنترل متغیرهای عرضه و تقاضای انرژی اتخاذ کنند.لذا پیش بینی تقاضای انرژی بر پایه الگوهای جدید و کارآمد ما را در یافتن مسیری روشن برای پی بردن به این تنگنا و ارائه توصیه های سیاستی برای حمایت از سرمایه گذاری ها کمک می کند. افزایش دقت بسیاری از مدل های پیش بینی مصرف انرژی مستلزم شناسایی تمامی روندها و متغیرها و استراتژی های اثرگذار بر بازارهای انرژی است. ازاین رو، در پژوهش حاضر با استفاده از نظریه سیستم های خاکستری (GM)، مدل پیش بینی خاکستری را مدلی مناسب جهت بهبود عملکرد پیش بینی مصرف انرژی می داند. همچنین میزان مصرف انرژی تا سال 1400 طبق مدل مذکور پیش بینی و برآورد شده است.

هدف اصلی این پژوهش پیش بینی بهره وری کل عوامل تولید در اقتصاد ایران با استفاده از رویکرد شبکه های عصبی مصنوعی می باشد که به صورت توصیفی- تحلیلی انجام گرفته است. در این پژوهش پارامترهای موثر بهره وری کل عوامل تولید در اقتصاد ایران، نرخ تورم، نرخ ارز حقیقی، بدهی های خارجی، آموزش و سرمایه های انسانی، سرمایه گذاری مستقیم خارجی، باز بودن اقتصاد به عنوان ورودی شبکه های عصبی در نظر گرفته شده و خروجی شبکه بهره وری کل عوامل تولید بوده است. دوره زمانی مورد بررسی سالهای ۱۳۷۵-۱۳۹۵ بوده است. در این پژوهش از شبکه های عصبی پیش خور با الگوریتم پس انتشار خطا برای پیش بینی استفاده شده است ۵ ترکیب بندی متفاوت از ورودی های جهت طراحی ۵ مدل استفاده شده و در هر مدل۳۰ سناریو مختلف در تعداد نورون جهت پیش بینی طراحی و راه اندازی شده است. مدل برتر شبکه با تعداد نورون مدل پنجم با ۱۸ نورون و تابع فعال ورودی TANSIG و تابع خروجی TANSIG توسط ضریب همبستگی(R) میانگین مربع خطا (MSE) و جذر میانگین خطا (RMSE) و جذر میانگین خطا نرمال (NRMSE) که به ترتیب برابر در مدل برتر ۹۹۸۵/۰، 0111/0، ۱۰۵۵/0، ۶۲/۲ بوده است. نتایج نشان می دهد شبکه های عصبی طراحی شده با ۶ متغیر مورد بررسی قابلیت پیش بینی بهره وری کل عوامل تولید در اقتصاد ایران را دارد.

فعالیت های طبیعی و انسانی در مناطق ساحلی، باعث تغییرات پویای کاربری و پوشش زمین می شود. رشد سریع جمعیت در این مناطق، باعث تسریع در روند تغییر کاربری ها و پوشش طبیعی زمین و انتقال به کاربری های مسکونی و توسعه زیرساخت ها می شود. این پژوهش، به منظور بررسی و مدل سازی تغییرات کاربری زمین در حوزه تالاب انزلی بین سال های 1975 تا 2015، با استفاده از تصاویر ماهواره ای و پیش بینی تغییرات احتمالی کاربری زمین در سال 2045 با استفاده از مدل LCM انجام شده است. به منظور دستیابی به تغیی رات کمی و کیف ی رخ داده در منطقه مورد مطالعه، نقشه های کاربری حوزه آبخیز تالاب انزلی از تصاویر ماهواره لندست سال های 1975، 1989، 2000 و 2015 استفاده شده است. بر این اساس، شش طبقه کاربری کشاورزی، مرتع، جنگل، اراضی تالابی، اراضی مسکونی و تالاب با استفاده از روش طبقه بندی الگوریتم حداکثر احتمال م دنظ ر ق رار گرف ت. ارزیابی صحت نقشه های کاربری زمین مستخرج از تصاویر ماهواره ای به دو صورت دقت کلی و ضریب کاپا به ترتیب برابر 87 درصد و 0.71 با استفاده از 323 نقطه از طریق الگوریتم نمونه گیری لایه ای تصادفی محاسبه شد. تجزیه و تحلیل ماتریس تشخیص تغییرات نشان می دهد که در طی دوره زمانی 1975 تا 2015 کل تغییرات و انتقال کاربری های مختلف به یکدیگر 76648.14 هکتار است. بیشترین تغییرات بین کاربری های مختلف در طی این زمان مربوط به انتقال کاربری های مختلف به کاربری کشاورزی به میزان 49827.69 هکتار است که این میزان معادل 65 درصد کل تغییرات کاربری های مختلف است. در تغییر کاربری های صورت گرفته به کشاورزی، کاربری های جنگل (64 درصد)، مرتع(16 درصد)، اراضی تالابی (10 درصد)، تالاب(8 درصد) و مناطق مسکونی (2 درصد) بیشترین سهم را دارند. در طول مدت مطالعه، گسترش کاربری مسکونی همواره روندی مثبت و منطبق بر افزایش جمعیت داشته است. مدل سازی پتانسیل انتقال با استفاده از شبکه عصبی مصنوعی و استفاده از 7 متغیر و 8 زیر مدل انجام شد. نتایج مدل سازی با استفاده از شبکه عصبی در اکثر سناریوها صحت بالایی (60.14 تا 88.73 درصد) را نشان داد. به منظور بررسی صحت مدل سازی ضریب کاپای استاندارد (0.8948) و مقادیر خطای Null Successes (77.9 درصد), Hits (3.1 درصد), Misses (15.9 درصد), False Alarms (3.1 درصد) محاسبه و وضعیت صحت برای موقعیت و کمیت پیکسل های هر طبقه به دست آمد. نسبت Hits به کل پیکسل های تغییر کرده (14.2) بیانگر قابل قبول بودن نتایج مدل در پیش بینی تغییرات کاربری زمین است. مقایس ه نتایج حاص ل از تبدیل و تغییر کلاس ک اربری ه ای زمین در دوره زم انی 2015 ت ا 2045 (پیش بینی شده) در منطقه، نش ان می دهد اگر روند بهره برداری از س رزمین با ش یوه مدیریت فعلی ادامه یابد، 10036.26 هکتار اراضی جنگلی به اراضی کشاورزی (67.69 درصد)، مرتع(32.04 درصد)، مناطق مسکونی(0.16 درصد) و اراضی تالابی تبدیل می شود و با احتساب انتقال سایر کاربری ها به کاربری جنگل در مجموع در طول این مدت، شاهد کاهش 9963.36 هکتار جنگل خواهیم بود. به طور کلی در این مدت اراضی کشاورزی، مرتع و مناطق مسکونی افزایش یافته و کاربری های جنگل، تالاب و اراضی تالابی کاهش خواهد داشت.

تغییرات حجم و ساختار سنی جمعیت تعیین کننده اصلی عرضه نیروی کار در یک جامعه است. افزایش و یا کاهش در اندازه ی نیروی کار می تواند به طور قابل ملاحظه ای بر رشد اقتصادی کشور تأثیرگذار باشد. رسیدن کوهورت متولدین ازدیاد جمعیت به سن کار و فعالیت و افزایش جمعیت فعال، فرصت ایده آلی را برای رشد و توسعه ی اقتصادی فراهم می آورد منوط براینکه با برنامه-ریزی و سیاست گذاری های صحیح، از پیامدهای پنجره ی جمعیتی استفاده شود. در گزارش حاضر با استفاده از نتایج پیماش نیروی کار در دوره ی زمانی 1384 تا 1395، همچنین دادههای سرشماری نفوس و مسکن سال 1395 به تحلیل روند وضع فعالیت در جمعیت کشور پرداخته شده است. سپس از طریق سناریوهای مختلف به پیش بینی جمعیت، نرخ مشارکت و نرخ اشتغال پرداخته شده و از این طریق عرضه نیروی فعال در آینده برآورد شده است. روند کلی نرخ مشارکت برای کشور در دوره زمانی 1385 تا 1390 به صورت کاهشی و پس از سال 1390 به صورت تدریجی افزایشی است. در سال 1395 نرخ مشارکت برای کل کشور 39 درصد بدست آمده است. با ورود فارغ التحصیلان نسل ازدیاد جمیعتی دهه 60 و همچنین احتمال افزایش نرخ مشارکت زنان، به احتمال قوی آینده همراه با افزایش نرخ مشارکت خواهد بود. در این شرایط تنها راه روبه جلو جهت بهبود وضعیت اقتصاد کشور، افزایش اشتغال است. اگر دولت نتواند در سیاست گذاری ها نرخ بیکاری را کاهش دهد، با فرض ثبات نرخ بیکاری در حال حاضر، تعداد بیکاران در آینده به 5 میلیون نفر افزایش خواهد یافت. و البته این فرض با وجود ایجاد اشتغال سالانه در حدود 500 تا 600 هزار نفری بدست خواهد آمد. تلاش دولت برای کاهش نرخ بیکاری و افزایش نرخ اشتغال در کشور، می بایست ایجاد حداقل بیش از 700 هزار شغل به صورت سالانه، باشد.

مطالعه بازار سرمایه یک کشور، موضوع اصلی بسیاری از تحقیقات در چند دهه گذشته بوده است. یکی از متغیرها که توجه بسیاری از محققان و تحلیلگران را به خود جذب کرده است، روند حرکتی قیمت طلا می باشد. طلا همواره به عنوان رقیبی برای پول های رایج و جاگزینی برای آن در ایفای نقش ذخیره ارزش، موقعیت خود را در بحران های سیاسی و اقتصادی حفظ کرده است. طلا به عنوان محافظی در مقابل افزایش یا کاهش ارزش پول و سرمایه گذاری امن مورد توجه قرار گرفته است. اهمیت عینی بازار طلا در مطبوعات مالی، و انعکاس نوسانات روزانه قیمت آن به صورت برجسته، این واقعیت را نشان می دهد که قیمت و عملکرد سرمایه گذاری طلا به عنوان یک دارایی بسیار با اهمیت است. با توجه به اهمیت قیمت طلا و اثرات اقتصادی حاصل از نوسانات قیمتی آن، پیش بینی قیمت طلا برای سرمایه گذاران به منظور حداقل سازی ریسک سرمایه گذاری از اهمیت ویژه ای برخوردار است. در این مقاله، دقت پیش بینی مدل های مختلف حافظه کوتاه مدت و بلندمدت گارچ و مدل های متقارن و نامتقارن گارچ - اسپلاین، در پیش بینی روند حرکتی قیمت طلای جهانی در طی سال های 2000 تا 2018 بر اساس معیار خطای RMSE مورد ارزیابی قرار گرفته است. نتایج نشان می دهد که در افق های پیش بینی کوتاه مدت و بلند مدت، مدلهای گارچ - اسپلاین از دقت پیش بینی بالاتری برای قیمت طلای جهانی نسبت به مدل های گارچ حافظه کوتاه مدت و بلندمدت برخوردار بوده است.

ﺟﻬﺎﻧﻲ ﻛﻪ اﻣﺮوز ﻣﺎ در آن زﻧﺪﮔﻲ می کنیم، ﺟﻬﺎن ﺷﻬﺮی اﺳﺖ ﻛﻪ ﻣﺘﺄﺳﻔﺎﻧﻪ ﻧﺘﻴﺠﻪ آن، دوری از ﻣﺤﻴﻂ ﻃﺒﻴﻌﻲ و ﭘﺬﻳﺮش ﻧﺎﺧﻮاﺳﺘﻪ ﺷﺮاﻳﻂ ﻧﺎﻣﺘﻌﺎدﻟﻲ اﺳﺖ ﻛﻪ از رواﺑﻂ ﻧﺎﻣﻮزون انسان ها و ﻓﻀﺎی ﺷﻬﺮی ﻧﺸﺄت می گیرد. روش متنوعی های ﺑﺮای ﻣﺪل ﺳﺎزی ﺗﻐﻴﻴﺮات ﭘﻮﺷﺶ و ﻛﺎرﺑﺮی اراﺿﻲ وﺟﻮد دارد ﻛﻪ از ﺟﻤﻠﻪ آن ها می توان ﺑﻪ ﻣﺪل CA ﻣﺎرﻛﻮف اﺷﺎره ﻛﺮد. اﯾﻦ ﺗﺤﻘﯿﻖ در ﺻﺪد اﺳﺖ اﻟﮕﻮی روش ﺷﻨﺎﺧﺘﯽ ﺟﺪﯾﺪ را ﺑﺮای ﺷﺒﯿﻪ ﺳﺎزی دﯾﻨﺎﻣﯿﮏ ﮐﺎرﺑﺮی اراﺿﯽ ﺷﻬﺮی، ﺑﺎ اﺳ ﺘﻔﺎده ازﺳ ﻨﺠﺶ از دور، GIS و ﻣ ﺪل سلول های ﺧﻮدﮐﺎر ﻓﺮاﻫﻢ ﻧﻤﺎﯾﺪ.در اﻳ ﻦ پژوهش، شمال ﺷ ﻬﺮ اﺻ ﻔﻬﺎن و حدودتقریبی اراﺿ ﻲ اﻃﺮاف آن ﺑﻪ ﻋﻨﻮان ﻣﻨﻄﻘﻪ ﻣﻮرد ﻣﻄﺎﻟﻌﻪ اﻧﺘﺨﺎب ﺷﺪ و از ﺗﺼﺎوﻳﺮ ﻣﺎﻫﻮارهای ﺳ ﺎل 1991 و ﺳ ﺎل 2001 وسال 2017 ﺑﺮای ﺗﻬﻴﻪ نقشه های ﭘﻮﺷﺶ اراﺿﻲ ﻣﻨﻄﻘﻪ اﺳﺘﻔﺎده ﺷﺪ. این پژوهش ﺑﻪ اﻳﻦ ﻧﺘﻴﺠﻪ رﺳﻴﺪ ﻛ ﻪ در پیش بینی ده سال آینده در ابتدا تصویر طبقه بندی شده سال 1991 و بعد تصویر طبقه بندی شده سال 2001 به مدل معرفی گردید که از این طریق ماتریس تبدیلات به دست آمد، برای پیش بینی سال 2025، که بعد از این مرحله، تصویر سال 2017 را همراه با ماتریس تبدیلات به دست آمده از دوره قبل و لایه های محدودیت رشد به مدل معرفی گردید و پیش بینی سال 2025 به دست آمد نشان می دهد از ﻣﺪل زنجیره ای CA ﻣﺎرﻛﻮف و ﻓﻴﻠﺘﺮ ﺑﺮای ﭘﻴﺶ ﺑﻴﻨﻲ ﺗﻐﻴﻴﺮات ﭘﻮﺷﺶ اراﺿﻲ در ده ﺳﺎل آﻳﻨﺪه ﺑﻬﺮه ﮔﺮﻓﺘﻪ ﺷﺪ، اﻳﻦ ﻣﺪل ﺑﻄ ﻮر ﺗﻠﻔﻴﻘ ﻲ CA-Markov ﻧﺎﻣﻴﺪه می شود. ﺑﺮای ﺑﺮرﺳﻲ ﺗﻮاﻧﺎﻳﻲ ﻣﺪل ﻣﺎرﻛﻮف ﻧﻴﺰ از روش دقت کلی و ضریب کاپا ﻣﺤﺎﺳﺒﻪ اﺳﺘﻔﺎده ﺷﺪ، مدل CA-MARKOV دارای شاخص کاپای 13/88 می باشد.

نوسانات شدید اقتصادی و تبعات نامطلوب آن برای سرمایه گذاران نیاز به الگوهای پیش بینی وضعیت مالی شرکت ها را بیش از پیش ضروری ساخته است. در این راستا این پژوهش قصد دارد با بررسی رابطه میان نسبت های مالی و محتوای گزارش های هیئت مدیره راهی جدید را برای پیش بینی وضعیت شرکت بگشاید. بدین منظور فراوانی کلمات و عبارات با بار معنایی مثبت و منفی با استفاده از الگوریتم استخراج کلمات، از متن گزارش های هیئت مدیره 219 شرکت غیر درمانده مالی و 81 شرکت درمانده مالی استخراج شد. نتایج تخمین رگرسیون نسبت کلمات مثبت و منفی بر شاخص های عملکرد مالی، نشان داد در شرکت هایی که از سلامت مالی برخوردارند کلمات منفی رابطه ی معناداری با معیارهای عملکردی دارند. علاوه بر این، در این شرکت ها  مدیران سعی در پنهان کردن  بحران مالی خود ندارند.در مقابل، در رابطه با شرکت های درمانده مالی، ارتباط معنا داری میان کلمات با شاخص های عملکرد این شرکت ها مشاهده نشد. به نظر می رسد این گروه از شرکت ها با در ابهام قرار دادن ذینفعان، سعی در جلوگیری از فروش سهام خود  توسط سهامداران دارند.

هدف اصلی از این پژوهش بررسی قابلیت پیش بینی پذیری نقاط شروع(کف) و پایان(سقف) روند کوتاه مدت قیمت سهام با استفاده از مدل نایبویز جهت ارایه یک سیستم پشتیبان تصمیم می باشد.در این تحقیق از دو دسته متغیر شامل متغیرهای تقویمی و تکنیکی جهت مدل سازی استفاده گردید.نتایج این پژوهش نشان داد که مدل مورد استفاده در شناسایی و پیش بینی نقاط پایان(سقف) در نمودار قیمت سهام از عملکرد بهتری نسبت به سایرنقاط برخوردار است و همچنین دقت مدل مورد استفاده در سی وشش صنعت مورد بررسی دارای تفاوت های قابل تامل می باشد که این موضوع تعمیم پذیری نتایج این پژوهش و استفاده از مدل نایبویز برای پیش بینی نقاط مذکور در صنایع مختلف را دچار خدشه می کند . ما با اطمینان زیاد می توانیم در مورد رفتار آشوب گونه نقاط شروع و پایان در نمودار قیمت سهام اظهار نظر کنیم اما در مورد رفتار احتمالی می بایست دقت نظر به خرج دهیم.

تغییرات کاربری اراضی در اثر گسترش فیزیکی شهر در اکثر شهرهای ایران به قدری سریع است، که برنامه ریزان و مدیران شهری با توام ساختن فرایند برنامه ریزی در این مناطق با توسعه داینامیک و پیچیده آن روبرو هستند. هدف پژوهش حاضر، بررسی تغییرات کاربری اراضی و گسترش فیزیکی شهر هشتگرد طی 19 سال گذشته و پیش بینی روند تغییرات کاربری اراضی برای آینده می باشد. در پژوهش حاضر از تصاویر چند زمانه لندست استفاده شده است. با استفاده از الگوریتم طبقه بندی ماشین بردار پشتیبان و الگوریتم بررسی تغییرات کراس تب، روند تغییرات کاربری اراضی طی 19 سال گذشته ارزیابی گردید. همچنین، با استفاده از مدل پیش بینی سلول های خودکار-مارکوف روند تغییرات کاربری اراضی و گسترش فیزیکی شهر برای آینده پیش بینی شده است. نتایج حاصل از این پژوهش، بیانگر گسترش بی رویه شهر طی 19 سال گذشته می باشد. به طوری که اراضی ساخته شده با رشد 56/736 درصدی خود باعث تخریب بیش از حد اراضی کشاورزی و بایر در حاشیه شهر شده است. بررسی ها نشان می دهد که با افزایش فاصله از اراضی ساخته شده میزان تغییرات کاربری اراضی کاهش چشمگیری داشته است. بررسی تغییرات حادث شده در کاربری های اراضی نشان داد که 16/564 هکتار از اراضی بایر به کاربری مسکونی تبدیل شده است. پیش بینی تغییرات کاربری اراضی برای سال های 2028 و 2038 نشان داد که افزایش مساحت کاربری مسکونی همچنان ادامه خواهد داشت. که این امر ضرورت توجه ویژه برنامه ریزان و مدیران شهری به موضوع گسترش شهری و پیامد های آن در منطقه را نمایان می سازد. در نهایت ارزیابی دقت مدل سلول های خودکار نشان داد که درصد اختلاف مساحت طبقات طبقات کمتر از 8 درصد است.

هدف این پژوهش، ارائه الگویی جهت پیش بینی نمرات دانشجویان دانشگاه جامع علمی کاربردی در آزمون های متمرکز، در نیم سال های آتی دانشگاه بوده است. بدین منظور وضعیت نمرات 207/19 دانشجو/ درس در 8 عنوان درسی در 6 استان و 120 مرکز آموزشی که به صورت متمرکز در مقطع کاردانی و کارشناسی و هم زمان در سراسر کشور در نیم سال دوم تحصیلی 98-1397 برگزار شده ، مورد مطالعه قرار گرفته است و با استفاده از روش انتخاب ویژگی، مؤثرترین آن ها انتخاب شدند. برای روشن تر شدن روابط بین ویژگی های انتخاب شده با استفاده از مدل درخت تصمیم گیری و الگوریتم C5.0 ، با استفاده از نرم افزار SPSS Modeler و 10 شاخص مؤثر، مدلی برای پیش بینی نمرات دانشجویان در نیم سال آتی در دروس مصوب آزمون متمرکز ارائه شده است. این الگوی پیش بینی می تواند برای کارآمدتر ساختن فرآیند یادگیری در سیستم دانشگاهی مؤثر باشد. از نتایج این مدل می توان به پیشنهادهایی برای اصلاح فرآیند آزمون، یافتن دانشجویان و مراکز و شرایط خارج از الگو جهت نظارت بیش تر و شناسایی مراکزی که میانگین معدل دانشجویان شان بالا بوده اما در آزمون متمرکز عملکرد ضعیف ضعیفی داشتند، اشاره کرد.

نوپا بودن دانش آینده پژوهی، به خودی خود، محدودیت های بسیاری را در امر تحقیق پدید می آورد. اما فقدان تحقیقات مقدماتی کافی، که گام های نخستین چنین پژوهشی را تشکیل می دهد، از دیگر مشکلات این گونه تحقیقات است. بنابراین، تحقیق حاضر، بر این نکته تأکید می کند که آیا دانش آینده پژوهی و ابزارها و امکاناتی که در اختیار پژوهشگر قرار می دهد، از توانایی مناسبی برای بهره گیری در حوزه ی مطالعات نظامی، به خصوص آینده پژوهی در نیروهای مسلح جمهوری اسلامی ایران برخوردار است؟ بررسی چنین موضوعی مستلزم آن است که از یک سو، مبانی این علم و از سوی دیگر، مبانی دینی مرتبط با این مبحث مورد دقت و تأمل قرار گرفته و موارد سازگاری آن ها مشخص گردد تا میزان و شیوه بهره گیری از این دانش را در حوزه مطالعات نظامی روشن شود. بر این اساس تحقیق حاضر برای پاسخ به این سوال که آیا می توان از دانش آینده پژوهی در فرآیند مطلوب مطالعات نظامی بهره گرفت؟ و روش بهینه ای برای آینده پژوهی در نیروهای مسلح جمهوری اسلامی ایران که مسئولین در پرتو آن بتوانند حداکثر بهره برداری از مبانی آینده پژوهی در راستای تحقق آن داشته باشند کدام است؟ هدف از این تحقیق شناخت و تبیین روش بهینه برای آینده پژوهی در نیروهای مسلح جمهوری اسلامی ایران می باشد. روش تحقیق؛ توصیفی – تحلیل بوده و با استفاده از بررسی اسناد و مدارک، کتابخانه ی تخصصی اطلاعات لازم جمع آوری شده است. 

هدف از مطالعه حاضر بررسی اثر نااطمینانی نرخ ارز حقیقی بر واردات کشاورزی ایران برای دوره 1395-1357 و پیش بینی میزان واردات کشاورزی ایران تا سال 1404 با استفاده از روش های GARCH، VAR، VECM و ANN است. بدین منظور، از الگوی واریانس ناهمسانی شرطی اتورگرسیو تعمیم یافته برای شاخص سازی نااطمینانی نرخ ارز حقیقی، از رهیافت الگوی های خودرگرسیونی و تصحیح خطای برداری برای برآورد رابطه هم جمعی و پویای های کوتاه مدت و بلندمدت و در نهایت برای پیش بینی از روش شبکه عصبی مصنوعی استفاده شد. نتایج نشان داد که رابطه غیرمستقیم از نوسانات نرخ ارز حقیقی و الگوی مصرفی جامعه بر واردات بخش کشاورزی و رابطه مستقیم از متغیر درآمد نفتی و متغیر جذب بر واردات بخش کشاورزی وجود دارد. سپس از مقایسه کارایی الگوی های خودرگرسیونی و الگوی تصحیح خطای برداری و شبکه عصبی مصنوعی، از شبکه عصبی طراحی شده در جهت پیش بینی واردات بخش کشاورزی ایران برای دوره زمانی 1396 تا 1404 تحت یک سناریو استفاده شد و پیش بینی برون نمونه ای انجام شد. نتایج حاکی از آن است که با افزایش نوسانات نرخ ارز، واردات بخش کشاورزی کاهش .......

یکی از مهم ترین چالش های محیطی در سالیان اخیر در استان خراسان رضوی پدیده گرد و غبار است. بر این اساس پیش بینی فضایی- زمانی تعداد روزهای گرد و غباری سالیانه با استفاده از روش کریجینگ و با کمک نرم افزار R مورد بررسی قرار گرفت که در آن سرعت باد 15 متر در ثانیه و بیشتر و دید افقی زیر 1000 متر از نظر سازمان هواشناسی جهانی به عنوان روز گرد و غباری در نظر گرفته شد. پس از حذف همپوشانی داده ها از دو ماتریس فضایی- زمانی دید افقی و سرعت باد، آرایه SP Data به صورت ترکیبی از ماتریس و بردار در کلاس STFDF و STF ساخته شد. سپس تمامی مدل های تفکیک پذیر و غیر تفکیک پذیر، به مدل تجربی داده ها برازش داده شدند که تغییرنگار متریک با کمترین میانگین مربعات خطا به عنوان بهترین مدل برای پیش بینی تعداد روزهای گرد و غباری سالیانه انتخاب شد. خروجی مدل نشان داد که داده ها تا 5 سال دارای وابستگی فضایی- زمانی هستند، لذا می توان تا سال 2022 تعداد روزهای گرد و غباری را برآورد نمود. حدود اطمینان تعداد روزهای گرد و غباری در سطح 95% نشان داد در سال 2019 ایستگاه سبزوار با 56 روز بیشترین و ایستگاه گناباد با 26 روز کمترین تعداد روز گرد و غباری را خواهند داشت. همچنین پیش بینی ها نشان می دهد تعداد روزهای گرد و غباری در استان خراسان رضوی از 39 روز تا 42 روز در سال 2022 می رسد که روندی افزایشی دارد.

این مطالعه با هدف معرفی، تحلیل روند و ارزیابی امکان پیش بینی این شاخص ها در اقتصاد ایران انجام شد. برای این منظور از داده-های سری زمانی دوره 94-1359 استفاده شد. شاخص های معرفی شده برای سرمایه طبیعی شامل ردپای اکولوژیکی، ظرفیت اکولوژیکی، تنش اکولوژیکی، تصرف اکولوژیکی و تناسب اکولوژیکی- اقتصادی می باشد. یافته ها نشان داد، شاخص ردپای اکولوژیکی به عنوان مهم-ترین شاخص، در دوره منتخب سالانه بیش از ۲ درصد رشد داشته است. در میان اجزای این شاخص نیز بیش ترین سهم مربوط به انتشار دی اکسیدکربن بود. درحالی که مشخص گردید شاخص ظرفیت اکولوژیکی در دوره مطالعه کاهش داشته و پایین تر از ردپای اکولوژیکی قرار گرفته است؛ به نحوی که کسری اکولوژیکی ایجاد شده است. هم-چنین شاخص تنش اکولوژیکی نشان داد، در مجموع خدمات دریافتی از طبیعت و محیط زیست فراتر از توان آن و بالاتر از متوسط جهانی بوده؛ به نحوی که موجب افزایش ناامنی اکولوژیکی شده است. هم چنین نتایج حاصل از پیش-بینی نشان داد، دقت پیش بینی مدل شبکه عصبی مصنوعی بالاتر از مدل سری زمانی ARMA می باشد و امکان پیش-بینی اغلب شاخص های منتخب با خطای کمتر از 3 درصد وجود دارد.

پیش بینی نابودی اسرائیل که از سوی مقام معظم رهبری (مدظله العالی) صورت پذیرفته است، مانند هر پیش بینی دیگر بر مجموعه ای از مبانی معرفت شناختی، هستی شناختی، انسان شناختی، دین شناختی و ارزش شناختی استوار است. پژوهش حاضر به دنبال دستیابی به پاسخ این پرسش اصلی است که پیش بینی نابودی اسرائیل توسط مقام معظم رهبری بر کدام مبانی نظری استوار است؟ پژوهش حاضر، در گام نخست به مفهوم شناسی پیش بینی و اهمیت و چالش های فراروی آن پرداخته، سپس با به کارگیری روش تحلیلی، مهم ترین مبانی نظری پیش بینی مزبور را اموری از قبیل امکان معرفت یقینی، اعتبار معرفت ظنی، اصل علیت و فروع آن، اختیار انسان، قضا و قدر و طبیعت مشترک انسانی دانسته است و در پایان، شواهد قرآنی درستی نتایج به دست آمده را برشمرده است.

شناخت و درک هرچه بیشتر آینده و ناشناخته هایی که فراروی انسان ها و جوامع بشری قرار دارد از اهمیت بالایی برخوردار است. در واقع آینده پژوهی این امکان را به انسانها می دهد که یک قدم پیشتر از حال گام برداشته تا در عرصه های مختلف با اطمینان خاطر برنامه ریزی نمایند. بنا به ضروری و حیاتی بودن مسکن برای ادامه زندگی و اهمیت تامین آن برای همه آدمیان و افزایش تقاضا برای آن، از این رو پیش بینی قیمت مسکن در مناطق شهری، از اهمیت وافری برخوردار است. در این پژوهش سعی شده است که عوامل و متغیرهای کلیدی(پیشرانها) تاثیرگذار بر آینده قیمت مسکن؛ توسط افراد نخبه و متخصصان، استخراج و سپس اثرات هر کدام از پیشرانها بر روند آینده قیمت مسکن تخمین، تا در مواجه با عدم قطعیت ها و مسائل غیر برنامه ریزی شده، غافلگیر نشویم. در این مقاله داده های آماری قیمت مسکن (متوسط قیمت متری زمین) در شهر تبریز، طی سالهای80-94 گرد آوری و از روش تحلیل تاثیر بر روند برای پیش بینی قیمت مسکن استفاده شده است، این تکنیک با اعمال تاثیر تکنیک های کیفی پیش بینی بر نتایج به دست آمده از تکنیک های کمی، سعی بر انطباق بیشتر نتایج پیش بینی با واقعیت دارد. داده های مرتبط با قیمت مسکن به لحاظ حجم، قابلیت کاربرد در روش های عددی همچون سری های زمانی و خطوط روند را دارا می باشند. با استفاده از این دو مزیت، آنالیز تاثیر بر روند به عنوان مدل مناسبی برای پیش بینی، تخمین قیمت مسکن شهر تبریز پیشنهاد شده و اجرا گردید. نتایج حاکی از آن است که پیش بینی قیمت مسکن با روش تحلیل تاثیر بر روند، از توانایی بالایی برای پیش بینی (متوسط قیمت متری مسکن) برخوردار است.

این تحقیق به منظور پیش بینی مقادیر بارش و دما و تعیین اقلیم آینده با کاربرد مدل های گردش عمومی جو و شبیه سازی اقلیمی در دوره های 2099-2070 و 2049-2020 در ایستگاه های سینوپتیکی بابلسر، گرگان، رامسر، رشت، قزوین، تهران و زنجان انجام گردید. به منظور تهیه سناریو های اقلیمی در آینده از خروجی های مدل گردش عمومی HadCM3 تحت سناریوی انتشار A2 و B2 و روش ریزمقیاس نمایی آماری و به کارگیری مدل SDSM استفاده گردید و در ادامه با استفاده از روش دومارتن اقلیم آینده تعیین گردید. نتایج حاصل از پیش بینی پارامترهای اقلیمی نشان داد شبیه سازی پارامترهای اقلیمی توسط مدل با دقت بالایی انجام گرفته است. در همه ایستگاه های مورد مطالعه بارش در دوره 2049-2020 در مقایسه با دوره مشاهداتی 2008-1979 دارای یک روند افزایشی می باشد و در دوره 2099-2070 نسبت به دوره مشاهداتی(2008-1979) بارش افزایش یافته است ولی نسبت به دوره 2049-2020 دارای یک روند کاهشی می باشد. درجه حرارت حداکثر، حداقل و میانگین در دوره های 2099-2070 و 2049-2020 نسبت به دوره مشاهداتی 2008-1979 افزایش خواهد یافت. نتایج حاصل از تعیین اقلیم به روش دومارتن نشان داد که اقلیم در ایستگاه-های بابلسر، قزوین، رامسر و رشت نسبت به اقلیم مشاهداتی 2008-1979 در دوره های آتی تغییری نخواهد کرد. ولی در ایستگاه گرگان در دوره 2099-2070 تحت سناریو A2 اقلیم از مدیترانه ای به نیمه خشک تغییر خواهد کرد. در ایستگاه تهران در دوره 2049-2020 تحت سناریوA2 اقلیم از نیمه خشک به خشک تغییر خواهد کرد. در ایستگاه زنجان در دوره 2049-2020 تحت سناریو A2 اقلیم از نیمه خشک به مدیترانه ای و در دوره 2099-2070 از اقلیم مدیترانه ای دوباره به اقلیم نیمه خشک تغییر خواهد کرد.

مسکن به عنوان یکی از اصلی ترین بخش های اثر گذار و تفکر بر انگیز زندگی امروز شهری و همچنین موثر ترین مؤلفه ها در سیسیتم های اقتصادی- اجتماعی در جهان امروز، ویژگیهایی دارد که در طول زمان در حال تغییر شدید و دگرگونی هایی سریع است. با توجه به پیچیدگی و وجود معضلهای متعدد در بخش صنعت ساختمان، ساماندهی و ایجاد تعادل در میزان عرضه و تقاضا در تمام مؤلفه های این بخش، از مهم ترین اهداف و برنامه های دولت به شمار می آید. این پژوهش به ساخت مدلی برای تحلیل بازار مسکن پرداخته و با اعمال سیاستها و سیناریوهای مختلف، نحوه قیمت گذاری و پیش بینی قیمت برای خانوارهای ایرانی در مسکن را به عنوان یک کالای اقتصادی ضروری و همچنین کاهش و بهبود نوسانهای اقتصادی را تحلیل میکند. پژوهش انجام شده ازنظر نوع هدف، جزء پژوهش های کاربردی است و روش تحقیق تلفیقی از سیستم های دینامیکی و اقتصادسنجی است. نتایج این پژوهش نشان می دهد که تقاضای سرمایه ای مسکن در طول زمان سبب افزایش قیمت مسکن می شود و هر دو دارای روند یکسانی می باشند؛ که در نتیجه تمام فرضیات اثبات می شوند.

هدف: پیش بینی های رشد و سودآوری شرکت نهاده هایی مهم در فرآیند ارزش گذاری هستند. علاوه بر این، برآوردهای بازگشت به میانگین اثرات مهمی در تعیین افق های پیش بینی بهینه الگو های ارزش گذاری مبتنی بر حسابداری به همراه داشته و می توانند به عنوان نهاده در برآورد پارامترهای ارزش نهایی وضعیت پایدار انجام وظیفه کنند. هدف اصلی این پژوهش آزمون این فرضیه است که آیا الگو های بازگشت به میانگین مبتنی بر چرخه عمر در مقایسه با ا لگوهای مختص صنعت و اقتصاد کل، دارای نتایج بهتر در پیش بینی های سودآوری و رشد هستند یا خیر؟  روش: جهت بررسی موضوع، بر اساس رگرسیون چندجمله ای، داده های 161 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی بازه زمانی 10 ساله 1396-1387 از نرم افزار رهاورد نوین، صورت های مالی و سایت رسمی بورس اوراق بهادار تهران جمع آوری و برای آزمون فرضیه های پژوهش استفاده شد.  یافته ها: نتایج شواهدی را ارائه دادند که در اغلب موارد پیش بینی های رشد و سودآوری به دست آمده از الگو های بازگشت به میانگین صنعت، بر پیش بینی های به دست آمده از الگو های چرخه عمر و کل اقتصاد برتری داشته است. نتایج بررسی فرضیه دوم پژوهش هرچند دقت بیشتر پیش بینی مدیریت نسبت به سایر الگو ها را نشان می دهد، اما حاکی از این است که مدیران به هنگام انجام پیش بینی های سود اهمیت چرخه عمر شرکت را درک نموده اند. علاوه بر این، رویکرد مبتنی بر چرخه عمر در شرایطی به بهترین نحو عمل می کند که درصد مالکیت سهامداران نهادی در سطح بالا و عدم قطعیت، سودآوری و دارایی های شرکت در سطح پایینی قرار داشته باشد.  نتیجه گیری: به طورکلی، نتایج حاکی از برتری نسبی پیش بینی های الگو های بازگشت به میانگین صنعت، بر پیش بینی های به دست آمده از الگو های چرخه عمر و کل اقتصاد است. هرچند یافته های پژوهش شواهدی از قدرت توضیح دهندگی بیشتر الگو ی چرخه عمر در مقایسه با سایر الگو ها به دست نمی دهد، اما نشان می دهد مدیران به هنگام انجام پیش بینی های سود اهمیت چرخه عمر شرکت را درک نموده اند.

یکی از مباحث مهم در زمینه حفظ مشتریان و چگونگی رفتار با آنها، ارزش طول عمر مشتری (CLV) است . هدف از این پژوهش، طراحی مدلی برای خوشه بندی و پیش بینی طول عمر مشتریان و همچنین ارزیابی مشتریان در مرکز شماره گذاری کالا و خدمات ایران است. در این پژوهش اطلاعات 74385 عضو این سازمان در بازه زمانی 1390 - 1396 دریافت شد. مشتریان توسط تکنیک داده کاوی CRISP طبقه بندی شده و درنهایت مدلی برای پیش بینی آن ها طراحی شد. ابتدا اعضا توسط مدل RFM و الگوریتم K-Means به 7 طبقه دسته بندی شده و سپس هر طبقه توسط روش محاسبه ارزش طول عمر مشتریان رتبه بندی شد. در ادامه توسط الگوریتم های رگرسیون لجستیک، درخت تصمیم و شبکه های عصبی، الگوهای پنهان بین داده ها و بخش های مختلف مشتریان کشف شدند. نتایج این پژوهش، رفتار مشتریان هر یک از خوشه ها را در خدمات مرکز و همچنین مدل رفتار مشتریان آتی را نشان داده است. این پژوهش با تحلیل خوشه ها به مدیران در ارائه راهبردهای بازاریابی، حفظ اعضای وفادار و جذب یا حذف اعضای غیرفعال، یاری می رساند. در پژوهش حاضر تعداد خوشه مناسب برای مشتریان 7 عدد است؛ همچنین در پیش بینی کلاس مشتریان عملکرد شبکه های عصبی با دقت 56 / 99 درصد نسبت دیگر الگوریتم ها بهتر بوده است.