پیش بینی ارزش افزوده زیر بخش های کشاورزی با استفاده از روش های شبکه عصبی مصنوعی ،باکس- جنکینز وهلت-وینترز

ارزش افزوده زیر بخش های کشاورزی از عوامل زیادی همچون میزان تولید هریک از زیربخشها ی کشاورزی وقیمت فروش تولید کنندگان متاثر می شود وبا عواملی مانند سرمایه گذاری دولتی وسیاستهای پولی ومالی مرتبط است. این مطالعه عملکرد سه مدل شبکه عصبی مصنوعی ، باکس –جنکینز وهلت-وینترز غیر فصلی را در پیش بینی ارزش افزوده زیر بخشهای کشاورزی را آزمون کرده و برای تعیین بهترین مدل معیارهای خطا را در فرایند آزمون وتایید مدل ها مقایسه می کند. نتایج مشخص کرد که مدلهای باکس –جنکینزو شبکه عصبی مصنوعی رضایتبخش هستند ودر مرحله آموزش، شبکه عصبی مصنوعی نتایج نسبتا خوبی ارائه داده است. اما از طرف دیگر باکس- جنکینز برای پیش بینی داده های آینده بهتر عمل کرده است . روش هلت –وینترز در هر دو مرحله مدلسازی وتایید مدل پایین ترین درصد میانگین قدر مطلق خطا را داشته است ودر پیش بینی داده های آینده بهترین نتایج را تولید کرده است.

کلیدواژه ها:

شبکه عصبی مصنوعی ، باکس –جنکینز ، هلت وینترز ، ارزش افزوده کشاورزی