مقایسه پیش بینی شاخص قیمت تولید کننده محصولات چوب و کاغذ ایران با دو روش شبکه عصبی مصنوعی و فرایند خود همبستگی جمعی میانگین متحرک

نوع مقاله: مقاله پژوهشی

نویسندگان

1 هیئت علمی

2 هیئت علمی / دانشگاه زابل

3 هیئت علمی دانشگاه علوم کشاورزی و منابع طبیعی گرگان

چکیده

روند شاخص قیمت تولید کننده محصولات چوب و کاغذی وضعیت اقتصادی صنعت چوب و کاغذ را نشان می دهد و پیش بینی شرایط آینده آن ضروری است. هدف این تحقیق مقایسه دو روش پیش بینی شبکه عصبی مصنوعی و فرایند خود همبستگی جمعی میانگین متحرک برای پیش بینی شاخص قیمت تولید کننده محصولات چوب و کاغذ می-باشد . معیارهای ارزیابی کارایی و درصد خطای پیش بینی اندازه گیری شد. نتایج نشان می‌دهد که درصد خطای پیش بینی ها به ویژه روش خود همبستگی جمعی میانگین متحرک (آریما) کم می‌باشد، ولی نرخ رشد افزایش قیمت پیش بینی شده با روش آریما مشابه دوره های 1381 تا 1389 و نرخ رشد افزایش قیمت پیش بینی شده با روش شبکه عصبی مصنوعی مشابه دوره های هدف می‌باشد. تقریبا هر دو روش شاخص قیمت تولید کننده یکسانی را پیش بینی کردند که افزایش بسیار جزئی دارند. داده های سری زمانی ماهانه این دو شاخص از 1381 تا 1389 مانا نمی‌باشند و بنابراین احتمالا شاخص های قیمت آینده همانند سال های گذشته تحت تاثیر شوک های اقتصادی همانند طرح هدفمند کردن یارانه ها قرار می‌گیرند و باعث سیر صعودی شاخص های قیمت می‌شود.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Comparing of product point forecasting of paper and wood products of Iran by methods of ANN and ARIMA

نویسندگان [English]

  • Alireza keikha 2
  • Ali Rafighi 3
2 lectureship/ University of Zabol
3 Assistant professor
چکیده [English]

Trend of product point of wood and paper products is showing economic status of wood and paper industry and future situation prediction of these products is essential. Two methods of Artificial Neural Networks (ANN) and Autoregressive integrated moving average (ARIMA) were compared and monthly product point was forecasted for 2011. Performance evaluation criteria and MAPE was measured. Our results show that MAPE is low, especially in the ARIMA method, but predicted inflation rate of ARIMA is the same of past periods (2002 to 2010) and also, predicted inflation rate of ANN is similar to target periods. Approximately, the same product point is predicted by both methods and product point will increase, inconsequentially. But the monthly time series data of both product points are non stationary from 2002 to 2010. So probably, economics shocks as the subsidies scheme will affect product point and this subject will cause of upward product point.

کلیدواژه‌ها [English]

  • product point of wood and paper
  • Artificial Neural Networks (ANN)
  • Autoregressive integrated moving average (ARIMA), Forecasting