این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
اقتصاد کشاورزی و توسعه، جلد ۲۱، شماره ۸۳، صفحات ۸۹-۱۰۳
عنوان فارسی پیش بینی قیمت گوجه فرنگی: مقایسه روشهای تلفیقی شبکه عصبی - خودرگرسیونی و ARIMA
چکیده فارسی مقاله 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
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Forecasting the Price of Tomatoes: Comparison of Syncretistic Methods of Neural Network Auto-Regressive and ARIMA
چکیده انگلیسی مقاله 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
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله ولی بریم نژاد | v. borimnejad


ملیحه بکشلو | m. bakeshloo


نشانی اینترنتی http://aead.agri-peri.ir/browse.php?a_code=A-10-134-11&slc_lang=fa&sid=fa
فایل مقاله دریافت فایل مقاله
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات