قیمت آتی زعفران

پیش بینی قیمت و روند تغییرات آن از مهم ترین عوامل در تصمیم گیری و تدوین راهبرد های مربوط به محصولات کشاورزی است. هدف مطالعه حاضر ارائه یک مدل یا الگوی داده کاوی هیبریدی شامل مجموعه مدل های غیرخطی الگوریتم ژنتیک، تبدیل موجک، شبکه عصبی عمیق و روش مونت کارلو برای پیش بینی دقیق قیمت محصولات کشاورزی بود. این الگوی پیشنهادی از نوع هیبریدی دومرحله ای و مدل پایه هیبریدی غیرخطی- غیرخطی بود و در آن، از الگوریتم ژنتیک برای تعیین وقفه بهینه سری زمانی قیمت، از تابع موجک برای نوفه زدایی داده های قیمت، از شبکه عصبی عمیق برای پیش بینی قیمت، از روش مونت کارلو برای شبیه سازی محتمل ترین احتمال قیمت و در نهایت، از محاسبات پیچیده نرم برای انجام «پیش بینی خارج از نمونه با مجموعه داده های جدید» برای دوره زمانی دوم تا دهم اردیبهشت 1399 استفاده شد. نتایج مقایسه الگوی پیشنهادی «الگوریتم ژنتیک- تبدیل موجک- شبکه عصبی عمیق- مونت کارلو» با سه الگوی رقیب «الگوریتم ژنتیک-شبکه عصبی عمیق- مونت کارلو»، «الگوریتم ژنتیک- تبدیل موجک- شبکه عصبی ساده- مونت کارلو» و «الگوریتم ژنتیک- شبکه عصبی ساده- مونت کارلو»، با استفاده از معیارهای ارزیابی، نشان داد که الگوی پیشنهادی نسبت به سه الگوی رقیب دارای عملکرد بهتری در پیش بینی قیمت زعفران آتی است؛ همچنین، استفاده از شبکه عصبی عمیق در مقایسه با شبکه عصبی ساده و نیز به کارگیری نظریه موجک برای نوفه زدایی و استفاده از روش مونت کارلو برای شبیه سازی قیمت های پیش بینی شده دقت پیش بینی قیمت آتی زعفران را افزایش می دهد. علاوه بر این، استفاده از محاسبات نرم برای انجام «پیش بینی خارج از نمونه با مجموعه داده های جدید» نشان داد که الگوی پیشنهادی از کارآیی لازم و دقت بالا برای پیش بینی کوتاه مدت قیمت آتی زعفران برخوردار بوده، به گونه ای که میزان خطای محاسباتی کمتر از یک درصد (6/0 درصد) است. بنابراین، مطالعه حاضر در دستیابی به شاخص میزان دقت حداکثری، سناریوسازی روند قیمت های آتی، تحلیل حساسیت مؤلفه های مؤثر بر قیمت و سرانجام، پیش بینی قیمت آینده از جایگاهی بسیار مناسب برخوردار است. با توجه به نتایج به دست آمده، استفاده از الگوی پیشنهادی برای پیش بینی قیمت محصولات کشاورزی توصیه می شود.