سمیه کوچک زاده - عضو هینت علمی دانشگاه ولی عصر رفسنجان

رهایی از اتکاء به صادرات شکننده و تک محصولی نفت لزوم حرکت به سوی شناخت استعدادهای صادراتی جدید و برخورداری از مزیت نسبی را تبیین می کند. خرما از جمله زمینه های مستعد برای تحقق هدف فوق به شمار می آیند. با توجه به اهمیت پیش بینی صادرات در برنامه ریزی و سیاس تگذاری و به منظور پیش بینی صادرات خرمای ایران، در این مطالعه از فرآیند ARIMA و شبکه های عصبی مصنوعی استفاده و نتایج مورد بررسی قرار گرفت. به منظور انجام بررسی ها از داد ههای گمرک جمهوری اسلامی ایران برای سا لهای 89-1354 استفاده گردید. از داد ههای دوره 85-1354 به منظور مدلسازی و از داد ههای 4 سال آخر برای بررسی قدرت پیش بینی استفاده شد. نتایج مطالعه نشان داد که شبکه های عصبی مبتنی بر توابع پایه شعاعی دارای عملکرد بهتری در مقایسه با شبکه های عصبی پیش خور چند لایه و مدل ARIMA بوده و قادر است میزان صادرات خرما را دقیق تر پیش بینی نماید. در انتها برای دوره 94-1390 میزان صادرات خرما پیش بینی شد.

صادرات خرما، مدل ARIMA، مدل شبکه های عصبی مصنوعی، ایران