ارائه یک مدل ترکیبی انعطاف پذیر برای پیش بینی قیمت محصولات کشاورزی؛ مطالعه موردی بازار گوشت ایران

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 41

فایل این مقاله در 26 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JEAD-37-2_005

تاریخ نمایه سازی: 8 آبان 1402

چکیده مقاله:

موضوع قیمت یک عامل کلیدی در فعالیت مالی و تجاری مرتبط با بخش کشاورزی است، به گونه ای که همواره فعالان بخش کشاورزی در معرض ریسک های ناشی از نوسان قیمت محصولات کشاورزی قرار دارند. این مسئله نه تنها منجر به تصمیم گیری نادرست در زمینه تولید بهینه محصولات در سال جاری می شود، بلکه می تواند اجرای تعهدهای مالی آنان را در سال های آتی با خطر روبه رو سازد. در سال های اخیر، نوسانات قیمت محصولات کشاورزی در ایران افزایش یافته است و لذا پیش بینی دقیق تغییرات قیمت ضروری به نظر می رسد. در مطالعه حاضر، یک رویکرد ترکیبی انعطاف پذیر در پیش بینی قیمت ماهیانه گوشت گاو، گوشت گوسفند و مرغ از آوریل ۲۰۰۱ تا مارس ۲۰۲۱ ارائه شده است. در این روش جدید، سه روش ترکیب انفرادی مختلف شامل روش میانگین گیری، روش تنزیل شده و روش انقباض برای ترکیب خروجی های پیش بینی مربوط به سه مدل ترکیبی متشکل از شبکه عصبی پرسپترون (MLPANN)  و الگوریتم های تکاملی (الگوریتم ژنتیک GA، الگوریتم ازدحام ذرات PSO و الگوریتم رقابت استعماری ICA) مورد استفاده قرار گرفتند. نتایج حاصل از این مطالعه نشان داد که بر اساس شاخص آماری RMSE، مدل ترکیبی پرسپترون- الگوریتم رقابت استعماری (MLPANN-GA) و روش انفرادی انقباضی با (K=۰.۲۵) دارای بالاترین دقت در پیش بینی قیمت گوشت گاو، گوسفند و مرغ است. همچنین عملکرد مدل پیشنهادی از اجزای آن (مدل های ترکیبی) بهتر است. روش پیشنهادی برای پیش بینی از نظر نوع محصول یا جایگزینی اجزای تشکیل دهنده دارای انعطاف پذیری است.

نویسندگان

رضا حیدری

موسسه پژوهش های برنامه ریزی، اقتصاد کشاورزی و توسعه روستایی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Agriculture Ministry of Iran, (۲۰۲۱). https://iranslal.comAhmadi, M.A., Soleimani, R., Lee, ...
  • Ajmera, R., Kook, N., & Crilley, J. (۲۰۱۲). Impact of ...
  • Amiri, M., Ghiasi-Freez, J., Golkar, B., & Hatampour, A. (۲۰۱۵). ...
  • Atashpaz-Gargari, E., & Lucas, C. (۲۰۰۷). Imperialist competitive algorithm: an ...
  • Chandrasekaran, M., & Tamang, S. (۲۰۱۷). ANN-PSO Integrated optimization methodology ...
  • Chen, S., Wang, P.P., & Tzu-Wen Kuo, T. (۲۰۱۰). Computational ...
  • Costantinia, M., & Pappalardob, C. (۲۰۱۰). A hierarchical procedure for ...
  • Fowowe, B. (۲۰۱۶). Do oil prices drive agricultural commodity prices? ...
  • Garganoa, A., & Timmermannb, A. (۲۰۱۳). Forecasting commodity price indexes ...
  • Gaur, Sh., Sudheer, Ch., Graillot, D., Chahar B.R., & Kumar, ...
  • Karimi, H., & Yousefi, (۲۰۱۲). Application of artificial neural network-genetic ...
  • Kartheeswaran, S., & Christopher Durairaj, D.D. (۲۰۱۷). A data-parallelism approach ...
  • Mohammadi Ghahdarijani, A., Hormozi, F., & Haghighi Asl, A. (۲۰۱۷). ...
  • Nazlioglu, S., & Soytas, U. (۲۰۱۱). World oil prices and ...
  • No, S.Ch., & Salassi, M.E. (۲۰۰۹). A sequential rationality test ...
  • Nosratabadi, S., Szell. K., Beszedes, B., Imre, F., Ardabili, S., ...
  • Obe, O.O., & Shangodoyin, D.K. (۲۰۱۶). Artificial neural network based ...
  • Pannakkong, W., Huynh, V., & Sriboonchitta, S. (۲۰۱۶). ARIMA versus ...
  • Raflesia, S.P., Taufiqurrahman, , Iriyani, S., & Lestarini, D. (۲۰۲۱). ...
  • Raikar, R.V., Wang, Ch. Y., Shih, H., & Hong, J. ...
  • Shao, Y.E., & Dai, J.T. (۲۰۱۸). Integrated feature selection of ...
  • Shojaie, A.A., Dolatshahi Zand, A., & Vafaie, Sh. (۲۰۱۶). Calculating ...
  • Timmer, C.P. (۲۰۱۴). Food Security, Market Processes, and the Role ...
  • Weng, Y., Wang, X., Hua, , Wang, H., Kang, M., ...
  • Wihartiko, F.D., Nurdiati, S., Buono, A., & Santosa, E. (۲۰۲۱). ...
  • Wu, H., Wu, H., Zhu, M., Chen, , & Chen, ...
  • Yang, Y., Chen, Y., Wang, Y., Li, C., & Li, ...
  • Zou, H., Xia, G., Yang, F., & Wang, (۲۰۰۷). An ...
  • نمایش کامل مراجع