به کارگیری مدل های هیبریدی مبتنی بر یادگیری عمیق ماشین در کشاورزی هوشمند (مطالعات موردی پیش بینی قیمت آتی ماهیان گرمابی(ماهی شیر) و سردابی(ماهی کپور و قزل آلا))

پیش بینی قیمت و روند تغییرات آن از مهمترین عوامل در تصمیم گیری و تدوین راهبردهای مربوط به محصولات کشاورزی است. هدف مطالعه حاضر ارائه یک مدل با الگوی داده کاوی هیبریدی شامل مجموعه مدل های غیر خطی، تبدیل موجک، شبکه عصبی عمیق و روش مونت کارلو برای پیش بینی دقیق محصولات شیلاتی بود. در این تحقیق از تابع موجک برای نوفه زدایی داده های قیمت، از شبکه عصبی عمیق برای پیش بینی قیمت، از روش مونت کارلو برای شبیه سازی محتمل ترین احتمال قیمت و در نهایت از محاسبات پیچیده نرم برای انجام " پیش بینی خارج از نمونه با مجموعه داده های جدید" برای دوره زمانی ۱۳۹۲ تا ۱۴۰۲ استفاده شد.برای پیش بینی قیمت آتی ماهیان گرمابی و سردآبی تعیین تعداد وقفه های بهینه موثر بر قیمت است که در مطالعه حاضر برای یافتن بهترین مدل برای پیش بینی قیمت پویای آتی ماهیان گرمابی و سردآبی از یک مدل داده کاوی هیبریدی پیشنهادی استفاده شد و برای افزایش دقت پیش بینی از شبیه سازی مونت کارلو استفاده شده است و دقت پیش بینی مدل پیشنهادی با سه مدل رقیب با استفاده از معیارهای ارزیابی میانگین مجذور مربعات خطا (RMSE) و ضریب تعیین (R۲) مورد بررسی قرار گرفت.همچنین مقایسه دقت پیش بینی مدل پیشنهادی با مدل های دیگر نشان می دهد که استفاده از شبکه عصبی عمیق، در مقایسه با شبکه عصبی ساده قدرت پیش بینی قیمت محصولات کشاورزی(قیمت آتی ماهیان ) را افزایش می دهد.نتیجه نهایی گویای آن است که استفاده از تابع موجک و مونت کارلو بر پایه شبکه عصبی عمیق سبب افزایش دقت پیش بینی قیمت محصولات کشاورزی می شود.

کلیدواژه ها:

پیش بینی ، قیمت آتی ماهیان گرمابی و سردآبی ، شبکه عصبی عمیق ، روش مونت کارلو