Skip to main content
فهرست مقالات

مدل‌سازی و پیش‌بینی ضایعات نان با استفاده از مدل‌های سری زمانی و شبکه‌های عصبی مصنوعی مقاله

نویسنده:

چکیده:

دراین مطالعه به منظور بررسی عوامل موثر بر ضایعات نان و تعیین روابط کوتاه‌مدت، بلندمدت و ضریب تصحیح خطا بین ضایعات نان و متغیرهای مستقل موثر برآن طی سال‌های 1385-1357 و پیش‌بینی ضایعات نان از الگوی سری زمانی چند متغیره ARDL استفاده شده است. بر اساس الگوی ARDL ضایعات نان در بلندمدت تابعی مستقیم از تولید ناخالص ملی و رشد شهرنشینی می‌باشد و قیمت نان و ضریب جینی بر ضایعات نان اثر معکوس دارند. در کوتاه‌مدت نیز تولید ناخالص ملی و رشد شهرنشینی اثر مثبت و معنی‌داری بر ضایعات نان دارند و تاثیر قیمت و ضریب جینی در کوتاه‌مدت نیز بر ضایعات منفی است. به منظور پیش‌بینی‌ مقادیر آتی از الگوی ARDL و شبکه عصبی مصنوعی استفاده‌شد. نتایج مقایسه الگوهای ARDL و ANN نشان داد که شبکه عصبی مبتنی برARDL پرسپترون چند لایه (با سه لایه) با ساختار انتخاب شده دارای دقت بالاتری بوده و بر اساس پیش‌بینی ضایعات نان با شبکه عصبی منتخب در افق پیش‌بینی (سال 1390) ضایعات نان بیش از 181/3 میلیون تن خواهد‌بودکه با توجه به قیمت جهانی گندم در سال 1385 مبلغی معادل 1145 میلیون دلار در اثر ضایعات نان از چرخه اقتصادی کشور حذف می‌شود.

This paper presents the application of multivariate time series model (ARDL) to investigate factors affecting bread waste and to explore the relationships among shortrun, longrun and error correction coefficient and the independent variables over the period 1978-2006. Results reveal that Gross National Product and urbanization have positive effects on bread waste in the long term, while the bread price and Gini coefficient have negative effects on bread waste in short term. To predict the amount of bread waste, artificial neural network (ANN) and ARDL model were applied. Comparison of the two models indicated that the ANN-ARDL multi-layer perceptron model (3 layers) with a hyperbolic tangent transfer function for the hidden layer and a delta-bar-delta learning algorithm, is the best model for forecasting the amount of bread waste. This amount will exceed 3.181 million tons in 2011. This implies that considering the wheat price in 2006, USD 1145 million will be removed from the national economic cycle. JEL Classification: C45, Q13

کلیدواژه ها:

الگوی ARDL ، ضایعات نان ، مدل شبکه عصبی مصنوعی

Bread waste ، Iran ، ARDL model ، Artificial neural network


برای مشاهده محتوای مقاله لازم است ورود پایگاه شوید. در صورتی که عضو نیستید از قسمت عضویت اقدام فرمایید.

لمشاهدة محتوی المقال یلزم الدخول إلی دخول الموقع.
إن كنت لا تقدر علی شراء الاشتراك عبرPayPal أو بطاقة VISA، الرجاء ارسال رقم هاتفك المحمول إلی مدير الموقع عبر credit@noormags.ir.

You should become a Sign in to be able to see articles.
If you fail to purchase subscription via PayPal or VISA Card, please send your mobile number to the Website Administrator via credit@noormags.ir.