مقاله کامل الگوي مناسب پیش بینی قیمت محصولات کشاورزي

الگوی مناسب پیش بینی قیمت محصولات کشاورزی
چکیده
شبکه های عصبی مصنوعی از ساختار توده ای مغز انسان الهام گرفته شده است، که درآن میلیون ها سلول عصبی (نرون) از طریق ارتباط با یکدیگر، به حل مسائل یا ذخیره سازی اطلاعات می پردازند. این شبکه ها مجموعه ای از مدل های متفاوتند که توسط ریاضیدانان و مهندسین برای شبیه سازی بخشی از عملکرد مغز پیشنهاد شده اند.
در نوشتار حاضر از الگوهای شبکه عصبی مصنوعی و سری زمانی برای پیش بینی قیمت دو محصول زراعی سیب زمینی و گوجه فرنگی استفاده شده است. برای این منظور داده های ماهانه شاخص قیمت این محصولات طی دوره 17 ساله (1370 الی 1386) مورد استفاده قرار گرفته است. مقایسه قدرت پیش بینی دو الگوی فوق به کمک سه معیار میانگین قدر مطلق خطا2، ریشه میانگین مربع خطاو میانگین قدر مطلق درصد خطا انجام شد. مهمترین نتایج حاصل مؤید برتری شبکه های عصبی مصنوعی در پیش بینی قیمت محصولات مورد مطالعه بر الگوهای سری زمانی است.
کلمات کلیدی: الگوهای سری زمانی، پیش بینی قیمت، شبکه های عصبی مصنوعی.
مقدمه
آگاهی از قیمتهای محصولات کشاورزی در آینده موجب می شود که کشاورزان راحت تر و صحیح تر بتوانند در باره ترکیب مطلوب تولید محصولات تصمیم گیری نمایند و از این طریق بازدهی فرایند تولید را افزایش دهند. بدین ترتیب با پیش بینی قیمت محصولات کشاورزی علاوه بر استفاده بهینه از
منابع در راستای تولید محصولاتی با بازده اقتصادی بالاتر می توان عدم تعادل های ناشی از ندانستن قیمتهای آینده را از بین برد.
با توجه به اهمیت قیمت و همچنین به دلیل نوسانات نسبتا زیاد قیمت محصول گوجه فرنگی درطول سال این مطالعه بر روی محصول فوق انجام شده است.
لطفا توجه فرمایید که متن حاضر مطابق الگوی استاندارد و واحد کنگره ملی علوم و فناوریهای نوین کشاورزی به منظور استفاده مؤلفین برای نوشتن مقالات فارسی تهیه شده و رعایت این ضوابط برای مولفین محترم الزامی است.
مواد و روشها
در این مطالعه جهت پیش بینی قیمت دو محصول زراعی سیب زمینی و گوجه فرنگی از الگوهای شبکه عصبی مصنوعی و سری زمانی استفاده و سپس قدرت و دقت پیش بینی هریک از آنها ارزیابی می شود در ادامه الگوهای مورد استفاده در این مطالعه به تفکیک بررسی خواهد شد.
2- 1 شبکه های عصبی مصنوعی
شبکه های عصبی مصنوعی رهیافتی به هوش مصنوعی و توسعه سیستمهای هوشمند بوده که ایده های اصلی آن بر گرفته از سیستم بیولوژیک انسان می باشد. یک نرون تک ورودی در شکل (1) نشان داده شده است. ورودی اسکالر در یک عدد به نام وزن w ضرب می شود و در فرم wp به جمع کننده ارسال میشود. ورودی دیگر مقدار 1است که در مقدار بایاس b ضرب می شود و سپس به جمع کننده فرستاده می شود. مجموع خروجی n است که به عنوان ورودیnet خوانده می شود و به تابع انتقال5f منتقل می شود که آن نیز خروجی اسکالر نرون یعنی a را تولید می کند. بصورت معمول یک نرون، حتی با چند
ورودی ممکن است کافی نباشد. ممکن است 5 یا 10 نرون احتیاج داشته باشیم که بصورت موازی کار کنند. شبکه یک لایه و با S نرون در شکل (2) نشان داده شده است. در این شکل هر یک از ورودیها به تمام نرونها وصل شده است در اینصورت ماتریس وزن دارایS سطر خواهدبود:
/
شکل (1) نرون تک ورودی شکل(2) شبکه یک لایه با S نرون
2- 2 الگوهای سری زمانی
مبنای اولیه تجزیه و تحلیلها در الگوهای سری زمانی، تئوری احتمال میباشد به عبارت دیگر اطلاعات داده شده به وسیله توزیع احتمال یک سری (y1,…yn) به عنوان مبنایی برای استنباط و پیشبینی پیشامد yn+1 خواهد بود.
از این رو مفهوم ایستایی در سریهای زمانی اهمیت زیادی در تحلیلهای مربوط به پیشبینی دارد. (گجراتی،1383)
روش پیشبینی به کمک الگویARIMA که به روش باکس- جنکینز6 نیزمشهور است، مشتمل بر مراحل زیر است:
مرحلۀ اول شناسایی یا تشخیص الگو میباشد در این مرحله q،p وd تعیین میگردد که p درجه جزء خود رگرسیون ،q درجه جزء میانگین متحرك و d درجه جمع بستگی است. در این مرحله مشخص می شود که یک سری زمانی از کدام یک از فرآیندهای میانگین متحرك7، خودرگرسیون8، خودرگرسیون میانگین متحرك9 و یافرآیند خودرگرسیون جمعی میانگین متحرك تبعیت کرده است. مرحله دوم، مرحلۀ تخمین است که
طی آن پارامترهای الگو تخمین زده میشوند. در مرحلۀ سوم دقت برازش الگو تعیین میشود به بیانی دیگر در این مرحله مناسب بودن الگو مورد ارزیابی قرار میگیرد.
نتایج و بحث
جهت پیش بینی قیمت محصولات با استفاده از شبکه عصبی مصنوعی در این مقاله ازنرم افزار MATLABاستفاده شده است.
داده های آموزش عبارتند از قیمت ماهانه محصولات زراعی گوجه فرنگی و سیب زمینی که این داده ها از دایره شاخص بهای مصرف کننده بانک مرکزی در فاصله سالهای1370- 1386 گرفته شده است و نیز نرخ تورم و میزان تولید در سالهای مذکور برای هر یک از محصولات که نمودار روند تغییرات شاخص قیمتی این دو محصول طی سالهای1370-1386 در نمودار 1 و 2 آورده شده است.
/
سیب زمینی گوجه فرنگی
نمودار1- روند تغییرات شاخص قیمت در ایران طی سالهای1370- 1386
در انجام پیش بینی قیمت برای شبکه عصبی ساختار زیر در نظر گرفته شده است:
داده های آموزش: سالهای1370- 1381
داده های آزمایش: سالهای1383، 1384و1385
داده های اعتبار بخشی: سال 1386
و شاخص قیمت محصولات مورد مطالعه برای سال 1387 پیش بینی شد.
از تابع لوگ سیگموئید برای تابع انتقال لایه میانی و از تابع خطی برای لایه خروجی استفاده شد.
نتایج حاصل از پیش بینی به کمک شبکه عصبی طراحی شده درنمودار 3 تا 6 آمده است.
/
سیب زمینی گوجه فرنگی
نمودار3- مقایسه مقادیر پیش بینی شده شاخص قیمت توسط الگوی شبکه عصبی مصنوعی با مقادیر واقعی سال 1386
/
سیب زمینی گوجه فرنگی
نمودار5- پیش بینی روند تغییرات شاخص قیمت توسط شبکه عصبی مصنوعی در سال1387
برای انجام پیش بینی به کمک الگوی سری زمانی، ابتدا ایستایی این متغیرها به کمک آزمون ریشه واحد، مورد بررسی قرار گرفت که نتایج حاصل در جدول1 آمده است.
جدول1- نتایج آزمون ایستایی متغیر های مورد بررسی
ماخذ:یافته های تحقیق
نتایج حاصل از پیش بینی به کمک الگویARIMA درنمودار 7 تا 10 آورده شده است.
/
سیب زمینی گوجه فرنگی
نمودار 7- مقایسه مقادیر پیش بینی شده شاخص قیمت توسط الگویARIMA با مقادیر واقعی سال 1386
برای مقایسه قدرت پیش بینی الگوی شبکه های عصبی مصنوعی با الگوی سری زمانی از سه معیار میانگین قدر مطلق خطا ، ریشه میانگین مربع خطا و میانگین قدر مطلق درصد خطا استفاده شد که نتیجه این مقایسه نشان دهنده ی برتری شبکه های عصبی مصنوعی در پیش بینی قیمت محصولات مورد مطالعه بر الگوهای سری زمانی است.
جدول2- مقایسه عملکرد شبکه عصبی مصنوعی و سری زمانی
ماخذ: یافته های تحقیق
نتیجه گیری
در این تحقیق شاخص قیمت دو محصول زراعی گوجه فرنگی وسیب زمینی با استفاده از دو الگوی شبکه عصبی مصنوعی و الگوی سری زمانی برای سال 1387 پیش بینی شد که نتایج حاصل از پیش بینی قیمت برای محصولات مورد مطالعه و نتایج مقایسه دو مدل بر اساس جدول 2 نشان داد که دقت پیش بینی با الگوی شبکه عصبی مصنوعی بیشتر از الگوی سری زمانی بوده و شبکه عصبی مصنوعی قدرت و توانایی بیشتری در پیش بینی متغیرها دارد. مطالعه تحقیقات و مقالات نوشته شده در این زمینه نیز نشاندهنده برتری شبکه عصبی مصنوعی بر الگوی سری زمانی در پیش بینی متغیرهاست که با نتایج بدست آمده در این تحقیق انطباق دارند.

فایل : 8 صفحه

فرمت : Word