رضا حیدری - موسسه پژوهش های برنامه ریزی، اقتصاد کشاورزی و توسعه روستایی

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.

پیش بینی, قیمت محصولات کشاورزی, گوشت, مدل هیبریدی