الگوسازی قیمت جهانی ذرت با استفاده از رهیافت تلفیقی

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 814

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ECONOMETRICS01_197

تاریخ نمایه سازی: 9 دی 1391

چکیده مقاله:

الگوی خود توضیح جمعی میانگین متحرک (ARIMA) یکی از پرکاربرد ترین الگوهای پیش بینی سری زمانی طی سه دهه اخیر می باشد. مطالعات اخیر در زمینه پیش بینی با شبکه عصبی مصنوعی مؤید برتری این روش بر الگوهای خطی سنتی است. این در حالی است که هیچیک از کفایت لازم در پیش بینی سری های زمانی برخوردار نمی باشند. زیرا الگوی ARIMA توانایی شناخت روابط غیر خطی را نداشته و ANN به تنهایی قادر به شناسایی و بررسی هم زمان هر دو الگوی خطی و غیر خطی نمی باشد. از اینرو با ترکیب الگوهای ARIMA و ANN و طراحی الگوی تلفیقی روابط موجود در داده ها با دقت بیشتری الگوسازی می گردد. در مطالعه حاضر، الگوی تلفیقی ARIMA و ANN طراحی و دقت پیش بینی آن با الگوهای رقیب مقایسه گردیده است. دقت پیش بینی الگوها با استفاده از معیارهی معمول نظیر RMSE, MSE و MAE و همچنین معنی داری اختلاف میان معیارهای فوق با استفاده از آماره گرنجر و نیوبولد بررسی و آزمون شد. نتایج پیش بینی ها قیمت ذرت حاکی از آن است که الگوی تلفیقی به طور معنی داری دقت پیش بینی بدست آمده از الگوهای انفرادی را افزایش می دهد.

کلیدواژه ها:

الگوی خود توضیح جمعی میانگین متحرک ، شبکه عصبی مصنوعی ، پیش بینی سری زمانی ، الگوی تلفیقی

نویسندگان

میترا ژاله رجبی

دانشیار دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران

رضا مقدسی

دانشیار دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • گیلان پور، الف. و کهزادی، ن. 1376. پیش بینی قیمت ...
  • فرج زاده، ز. و شاه ولی، آ. 1388. پیش بینی ...
  • فهیمی فر، س.م. 1387. مقایسه کارایی مدل های تصبی- مصنوعی ...
  • قاسمی، ع.، اسد پور، ح. شاصادقی، م. 1379. کاربرد شبکه ...
  • قدیمی، م. و مشیری، س.1381. مدل سازی و پیش بینی ...
  • مجاوریان، م. و امجدی، الف. 1378. مقایسه روش های معمول ...
  • مشیری، س. 1380. پیش بینی تورم ایران با استفاده از ...
  • آزمون آشوب و پیش بینی قیمت های آتی نفت خام [مقاله ژورنالی]
  • مشیری، س. و مروت، ح. 1385. پیش بینی شاخص کل ...
  • مقدسی، ر. و رحیمی بدر، ب. 1388. ارزیابی قدرت الگوهای ...
  • نجفی، ب. زیبایی، م.، شیخی، م.م. و طرازکار، م.ح. 1386. ...
  • یاعلی، م.، محمدی، ح. و فرج زاده، ز.1388. پیش بینی ...
  • _ le helll _ _ _ an _ _ _ ...
  • Bates, J.M. Granger, C.W.J.1996. The combination of forecasts, Oper. Res. ...
  • Celmen, R.1989. Combin ing forecasts: a review and annotated bibliography ...
  • Cybenko, G. 1989. Approximation by superpositions of a sigmoid function. ...
  • Denton, J. W. How good are neural networks for causal ...
  • Funahashi, K. 1989. On the approximation realization of continuous mappings ...
  • Ginzburg, I., Horn, D.1994. Combined neural networks for time series ...
  • Greene, W.H. 2000. Econometric Analysis. 4th, Prentice Hall International Edition. ...
  • Granger, C.W.J. and Newbold, P. 1977. Forecasting economic time series. ...
  • Haykin, S. S. 1999. Neural network: a comprehensive foundation. Macmillan, ...
  • Hoff, J.L. 2003. Prediction of dose- time profiles for solar ...
  • Hornick, K., Stinchcombe, M., and White, H. 1989. Multilayer feedforward ...
  • _ le helll _ _ _ an _ _ _ ...
  • Kim, T.W. 2003. Nonparametric approaches drought ch aracterization and forecasting. ...
  • Kohzadi, N., Boyd, M. S., Kermanshahi, B. and Kaastra, L. ...
  • Luxloj, J.T., Riis, J.O., Stensballe, B.1996. A hybrid econ ometric-neurt ...
  • Makridakis, S., Chatfild, C., Hibon, M., Lawrence, M., Miller, T., ...
  • Markham, S., Rakes, T.R. 1998. The effect of sample size ...
  • Plikan, E., De Groot, C., Wurtz, D. 1992. Power consumption ...
  • Raknerud, A., Skjerpen, T. and Swensen, A.R. 2007. A linear ...
  • Reid, D.J. 1968. Combining three estimates of gross domestic product, ...
  • Tkacz, G. 2001. Neural networks forecasting of Canadian GDP growth, ...
  • Zhang, P .G. 2003. Time series forecasting using a hybrid ...
  • Wu, Q. 2001. Data mining and knowledge discovery in financial ...
  • نمایش کامل مراجع