بررسی تابع تقاضا معکوس و شبکه عصبی مصنوعی در پیش بینی قیمت محصولات زراعی (مطالعه موردی: شبکه آبیاری دشت قزوین)
محل انتشار: فصلنامه علوم و مهندسی آبیاری، دوره: 48، شماره: 2
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 13
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JISE-48-2_003
تاریخ نمایه سازی: 25 مهر 1405
چکیده مقاله:
کشاورزان به عنوان یک فعال اقتصادی، به منظور حفظ معیشت خود سعی در افزایش بهره وری و کاشت محصولات با صرفه اقتصادی بالاتر دارند و اگر در این امر موفق نشوند اقدام به تولید محصول بیشتر و مصرف بیشتر منابع آب خواهند نمود. با توجه به فاصله زمانی میان تصمیم تولیدکنندگان به تولید محصول و عرضه آن به بازار، قیمت محصولات کشاورزی ثابت نمانده و بر اساس مقدار عرضه به بازار دستخوش تغییر می شود. در این پژوهش به پیش بینی قیمت محصولات زراعی در شبکه آبیاری دشت قزوین پرداخته شده است. برای پیش بینی قیمت محصولاتی که قیمت آن ها تابعی از مقدار عرضه است از دو روش سیستم تقاضا معکوس و ANN و برای پیش بینی قیمت محصولاتی که از خرید تضمینی برخوردار هستند از روش های رگرسیون غیرخطی و ANN استفاده شده است. برای پیش بینی قیمت با تابع تقاضا معکوس ابتدا تابع تقاضای هر محصول با استفاده از مقدار تولید، قیمت فروش، قیمت سایر کالاها، نرخ ارز، تورم و میزان صادرات و واردات برآورد شد. مقایسه MAE و MSE تابع تقاضا معکوس و ANN نشان داد هرچند که ANN از MAE و MSE بهتری نسبت به تابع تقاضا معکوس برخوردار است اما نتایج آنالیز حساسیت نشان میدهد که MAE ذرت علوفه ای، گوجه فرنگی، یونجه، نخود، لوبیا، سیب زمینی، ذرت دانه ای و عدس با حذف مقدار تولید در تابع تقاضا معکوس به ترتیب ۱۰۸۹۹، ۲۳۱۸، ۲۱۲۹، ۲۲۲۵، ۶۸۲۱، ۹۹۱۳، ۵۴۷ و ۱۶۶۶۹ درصد افزایش مییابد. بنابراین با توجه به اهمیت مقدار عرضه در قیمت محصول، استفاده از ANN، علی رغم برتری در شاخص ها برای پیش بینی قیمت قابل توصیه نیست.
کلیدواژه ها:
نویسندگان
سیده مرضیه حسینی
دانشجو دکتری مهندسی منابع آب، گروه علوم و مهندسی آب، دانشگاه بین المللی امام خمینی (ره)، قزوین، ایران.
حامد مازندرانی زاده
دانشیار گروه علوم و مهندسی آب، دانشگاه بین المللی امام خمینی (ره)، قزوین، ایران
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 :