اخبار و اعلانات

 آمار

تعداد نشریات283
تعداد نشریات سازمان81
تعداد شماره‌ها2,729
تعداد مقالات31,081
تعداد مشاهده مقاله29,239,721
تعداد دریافت فایل اصل مقاله16,351,173
بریم نژاد, ولی, بکشلو, ملیحه. (1392). پیش بینی قیمت گوجه فرنگی: مقایسه روشهای تلفیقی شبکه عصبی - خودرگرسیونی و ARIMA. سامانه مدیریت نشریات علمی, 21(3), 89-103. doi: 10.30490/aead.2013.58710
ولی بریم نژاد; ملیحه بکشلو. "پیش بینی قیمت گوجه فرنگی: مقایسه روشهای تلفیقی شبکه عصبی - خودرگرسیونی و ARIMA". سامانه مدیریت نشریات علمی, 21, 3, 1392, 89-103. doi: 10.30490/aead.2013.58710
بریم نژاد, ولی, بکشلو, ملیحه. (1392). 'پیش بینی قیمت گوجه فرنگی: مقایسه روشهای تلفیقی شبکه عصبی - خودرگرسیونی و ARIMA', سامانه مدیریت نشریات علمی, 21(3), pp. 89-103. doi: 10.30490/aead.2013.58710
بریم نژاد, ولی, بکشلو, ملیحه. پیش بینی قیمت گوجه فرنگی: مقایسه روشهای تلفیقی شبکه عصبی - خودرگرسیونی و ARIMA. سامانه مدیریت نشریات علمی, 1392; 21(3): 89-103. doi: 10.30490/aead.2013.58710

پیش بینی قیمت گوجه فرنگی: مقایسه روشهای تلفیقی شبکه عصبی - خودرگرسیونی و ARIMA

اقتصاد کشاورزی و توسعه
مقاله 5، دوره 21، شماره 3 - شماره پیاپی 83، آذر 1392، صفحه 89-103    اصل مقاله (248.35 K)
شناسه دیجیتال (DOI): 10.30490/aead.2013.58710
نویسندگان
ولی بریم نژاد* ؛ ملیحه بکشلو
چکیده
چکیده
در این مطالعه کارایی روش ARIMA و شبکه عصبی خودرگرسیونی در پیش‌بینی قیمت خرده‌فروشی محصول گوجه فرنگی مقایسه شدند. داده‌های مورد استفاده شامل قیمتهای هفتگی خرده فروشی گوجه فرنگی طی سالهای 1388تا 1389 بوده که از سازمان میادین میوه و تره بار تهران گردآوری شد. نتایج مطالعه نشان داد که مدل غیرخطی شبکه عصبی خودرگرسیونی (NNAR) در پیش‌بینی قیمت خرده‌فروشی گوجه‌فرنگی دارای خطای پایین‌تر است و در نتیجه کاراتر از ARIMA عمل می‌کند.

طبقه بندی JEL :C22 ، C45، C53، Q11
کلید واژه‌ها:
پیش‌بینی، قیمت، گوجه فرنگی، شبکه عصبی خود رگرسیونی ، ARIMA
عنوان مقاله [English]
Forecasting the Price of Tomatoes: Comparison of Syncretistic Methods of Neural Network Auto-Regressive and ARIMA
نویسندگان [English]
V. Borimnejad؛ M. Bakeshloo
چکیده [English]
Abstract
In this study ARIMA and neural network auto-regressive methods for predicting retail product prices of tomatoes were Compared. The data were weekly that included the retail prices of tomatoes during 2009-2010 and gathered from Tehran fruits and vegetables organization. The results showed that non-linear neural network auto-regressive model, in predicting the retail price of tomatoes has a lower error and thus is more efficient than ARIMA.

JEL Classification: C22, C45, C53, Q11

Keywords:
Forecasting, Price, Tomato, Neural Network Auto-Regressive, ARIMA
مراجع
آمار
تعداد مشاهده مقاله: 293
تعداد دریافت فایل اصل مقاله: 177


counter
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب