مقایسه روش های الگوریتم ژنتیک و خودتوضیح با وقفه های گسترده به منظور تخمین تابع تولید بخش کشاورزی ایران

سال انتشار: 1391
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 56

فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JAE-4-13_003

تاریخ نمایه سازی: 23 بهمن 1402

چکیده مقاله:

تاکنون مطالعات متعددی در تخمین تابع تولید در بخش کشاورزی صورت گرفته است. اغلب این مطالعات روش های اقتصادسنجی را برای تخمین توابع تولید به کار بردهاند. با توجه به اینکه اخیرا الگوریتمهای ابتکاری در مدت زمان اندکی کاربردهای گستردهای در مسائل بهینهسازی یافته است؛ در این مطالعه نیز با به کارگیری روش الگوریتم ژنتیک(GA) به منظور برآورد تابع تولید در بخش کشاورزی، به مقایسه ی این مدل با روش خودتوضیح با وقفههای گسترده(ARDL) پرداخته شده است. برای برآورد تابع تولید از داده های سری زمانی ارزش افزوده، نیروی کار، انرژی و سرمایهی بخش کشاورزی طی دوره ی زمانی ۸۶-۱۳۵۶ استفاده گردیده و نتایج مقایسهی این دو روش براساس دو معیار خطای ریشه متوسط مربعات(RMSE) و ضریب تعیین(R۲ ) حاکی از آن است که روش الگوریتم ژنتیک نسبت به روش ARDL از کارایی بالایی در تخمین تابع تولید برخوردار است.

نویسندگان

سمانه نگارچی

دانشجوی کارشناسی ارشد اقتصاد کشاورزی دانشگاه شهید باهنر کرمان

محمدرضا زارع مهرجردی

استادیار اقتصاد کشاورزی دانشگاه شهید باهنر کرمان

حسین مهرابی بشرآبادی

دانشیار اقتصاد کشاورزی دانشگاه شهید باهنر کرمان

حسین نظام آبادی پور

دانشیار مهندسی برق دانشگاه شهید باهنر کرمان

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 :
  • Amir Teymouri, S. and S. Khalilian. ۲۰۰۸. Productivity growth intotal ...
  • Amjadi, M.H. Nezamabadi-pour, H. and M. M. Farsangi. ۲۰۱۰ ...
  • Estimation of Electricity Demand of Iran Using Two HeuristicAlgorithms. Energy ...
  • Canyurt O.E. and H.K. Ozturk. ۲۰۰۶. Three different applicationsof genetic ...
  • Energy Converstion & Management.۴۷: ۳۱۳۸-۴۸ ...
  • Goldberg, D. E. ۱۹۸۹. Genetic Algorithm in Search,Optimization and Machine ...
  • Haldenbilen, S. and H. Ceylan. ۲۰۰۵. Genetic algorithm approachto estimate ...
  • ۴۶: ۱۹۳-۲۰۴ ...
  • Hamamoto, M. ۲۰۰۶. Environmental regulation and theproductivity of Japanese manufacturing ...
  • Hojabr Kiani, K. and SH. Varedi. ۲۰۰۱. Important factor ofenergy ...
  • Holland, J. H. ۱۹۹۲. Adaptation in natural and artificial systems ...
  • Cambridge, MA: MIT Press. (First edition, ۱۹۷۵, University ofMichigan Press.)۹. ...
  • Nezamabadi-pour, H. ۲۰۱۱. Genetic algorithm: Basic conceptsand advanced topics. Shahid ...
  • Noferesti, M. ۲۰۰۰. Unit root and cointegration in econometrics ...
  • Rasa Publications, Tehran ...
  • Sadeghi, H., Zolfaghari, M. and M. Heidari. ۲۰۱۰. Estimates ofgasoline ...
  • Tahami Pour, M. and M. Shahmoradi. ۲۰۰۸. Measuring totalfactor productivity ...
  • Tkacz, G. ۲۰۰۱ .Neural network forecasting of canadian GDPgrowth , ...
  • نمایش کامل مراجع