این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات اقتصادی، جلد ۴۳، شماره ۳، صفحات ۰-۰
عنوان فارسی پیش‎بینی تقاضای آب شهرتهران با استفاده از الگوهای ساختاری، سری‎های زمانی و شبکه عصبی نوع GMDH
چکیده فارسی مقاله روش‎ها و الگوهای اقتصاد سنجی متفاوتی، از قبیل تجزیه و تحلیل رگرسیون و سری‎های زمانی به منظور پیش‎بینی تقاضای آب، به‎طور معمول توسط محققان مختلف مورد استفاده قرار گرفته‎اند. اما در سال‎های اخیر تکنیک جدید شبکه‎های عصبی به عنوان ابزاری مؤثر و کارا در پیش‎بینی متغیرهای اقتصادی مطرح شده است. در مقاله حاضر، از شبکه عصبی نوع GMDH مبتنی برالگوریتم ژنتیک، الگوهای ساختاری و هم‎چنین سری‎های زمانی، به منظور مقایسه روش‎های پیش‎بینی تقاضای سرانه آب در شهر تهران استفاده شده است. متغیرهای مورد نظر در الگوهای پیش بینی تقاضای آب عبارتند از مصرف سرانه آب، قیمت آب، متوسط درآمد خانوار و متوسط درجه حرارت سالانه در شهر تهران. نتایج به‎دست آمده حاکی از آن است که پیش -بینی تقاضای آب با استفاده از روش شبکه‎های عصبی نوع GMDH، نسبت به برآوردهای حاصل از الگوهای ساختاری و سری زمانی، از درجه کارایی بیش‎تری برخوردار است. بنابراین، استفاده از شبک? عصبی مصنوعی در پیش بینی متغیرهای اقتصادی، می‎تواند به عنوان ابزاری در کنار سایر روش‎های پیش بینی مورد استفاده تصمیم‎گیران و سیاست‎گذاران در بخش مدیریت آب قرار گیرد. طبقه‌بندی JEL : C53 , C5
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Forecasting of Urban Demand for Water in Tehran Using Structural, Time Series and GMDH Neural Networks Models: A Comparative Study
چکیده انگلیسی مقاله Conventionally, regression and time series analyses have been employed in modeling water demand forecasts. In recent years, the relatively new technique of neural networks (NNS) has been proposed as an efficient tool for modeling and forecasting. The objective of this study is to investigate the relatively new technique of GMDH – Type neural networks for the use of forecasting long – term urban water demand in Tehran city. The data employed in this study includes water consumption (per capita), water price, average household income and the annual average air temperature for the city of Tehran, Iran. The neural networks model, regression model, and time series model have been estimated and compared. The comparison reveals that the neural networks model consistently outperformed the regression and time series models developed in this study. JEL classification: C53, C5
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله غلامعلی شرزه ای | gholamali شرزه ای
دانشیار دانشکده اقتصاد دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

مهدی احراری |
پژوهشگر اقتصادی دانشکده اقتصاد دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

حسن فخرایی |
کارشناس ارشد اقتصاد محیط زیست دانشکده اقتصاد دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

نشانی اینترنتی http://jte.ut.ac.ir/article_27686_4b8879eab4c55ba26023acf1e7b41dee.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/689/article-689-273060.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات