پیش بینی کسری اکولوژیکی با استفاده از شبکه عصبی مصنوعی و ARMA

سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 50

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IAEC12_137

تاریخ نمایه سازی: 8 آبان 1402

چکیده مقاله:

شاخص کسری اکولوژیکی معیاری برای ارزیابی استفاده پایدار از محیط زیست است. این مطالعه با هدف پیش بینی اجزای کسریاکولوژیکی شامل ردپا و ظرفیت اکولوژیکی صورت گرفت. برای این منظور از مدلهای ARMA و شبکه عصبی مصنوعی استفاده شد.دوره مطالعه شامل ۲۰۱۴-۱۹۶۱ می باشد که پنج سال آخر برای سنجش دقت پیش بینی استفاده شد. یافته ها نشان داد هر دو سری یادشده از طریق فرآیند (AR(۱ ایجاد شده است؛ به گونه ای که می توان ردپای اکولوژیکی را با دقت بیش از ۶۹ درصد پیش بینی نمود. اما درخصوص ظرفیت اکولوژیکی دقت در سطح پایین تری قرار دارد و خطای پیش بینی حدود ۱۰ درصد است. این در حالی است که مقادیرخطای پیش بینی برای دو سری یادشده در الگوی شبکه عصبی مصنوعی به ترتیب حدود ۱ و کمتر از ۲ درصد به دست آمد. مقادیر پیش-بینی شده برای دوره ۲۰۳۰-۲۰۱۵ نشان داد ردپای اکولوژیکی سالانه بیش از ۰/۶ درصد افزایش خواهد یافت در حالیکه ظرفیت اکولوژیکی کاهش سالانه حدود ۱ درصد را نشان میدهد. به عبارتی کسری اکولوژیکی سالانه بیش از ۱/۵ درصد رشد خواهد یافت. باتوجه به پیچیدگی استفاده از الگوی شبکه عصبی مصنوعی میتوان توصیه نمود در شرایطی که استفاده از شبکه عصبی مصنوعی به راحتیفرآهم نیست از الگوی (AR(۱ بخصوص برای ردپای اکولوژیکی استفاده شود.

نویسندگان

محبوبه فری زاده

دانشجوی کارشناسی ارشد اقتصاد کشاورزی، دانشکده کشاورزی، دانشگاه شیراز

محمدحسن طرازکار

استادیار اقتصاد کشاورزی، دانشکده کشاورزی، دانشگاه شیراز