مدلسازی و پیش بینی نرخ تورم در اقتصاد ایران (بررسی مقایسهای قدرت پیشبینی شبکه های عصبی مصنوعی المان و پس انتشار خطا)
- سال انتشار: 1391
- محل انتشار: چهارمین کنفرانس ملی تحلیل پوششی دادها
- کد COI اختصاصی: DEA04_094
- زبان مقاله: فارسی
- تعداد مشاهده: 1569
نویسندگان
دانشگاه تبریز، گروه اقتصاد، تبریز، ایران
دانشگاه تبریز، گروه اقتصاد، تبریز، ایران
دانشگاه تبریز، گروه عمران، تبریز، ایران
چکیده
در بسیاری از سیستم های پیچیده و خصوصاً غیر خطی که مدلسازی و به دنبال آن پیشبینی و کنترل آن ها از طریق روش های کلاسیک و تحلیلی امری بسیار دشوار و در برخی موارد غیر ممکن به نظر می رسد، از روش های غیر کلاسیک نظیر شبکه های عصبی استفاده می شود. این شبکه ها به دلیل ویژگی هایی همچون پردازش موازی، هوشمندی و انعطاف پذیری جایگاه چشم گیری در مسائل پیچیده از قبیل یش بینی، طبقه بندی و خوشه بندی برای خود باز کرده است. در این مقاله علاوه بر معرفی مدل های شبکه های عصبی، دو مدل از شبکه های عصبی پس انتشار و المان در پیش بینی تورم اقتصاد ایران با استفاده از اطلاعات فصلی سال های 9631 تا 9631 طراحی و اجرا شده است. نتایج به دست آمده حاکی از آن است که با توجه به متغیرهای به کار رفته در این مقاله و دوره زمانی مورد بررسی، مدل شبکه های عصبی المان در تمامی موارد عملکرد بهتری در زمینه پیش بینی تورم ایران نسبت به شبکه های عصبی پس انتشار خطا دارد.کلیدواژه ها
پیش بینی، تورم، مدل های شبکه عصبی مصنوعی، شبکه های عصبی پس انتشار خطا، شبکه های عصبی الماناطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.