پیش بینی قیمت گوجه فرنگی: مقایسه روشهای تلفیقی شبکه عصبی - خودرگرسیونی و ARIMA

نویسندگان

چکیده

چکیده
در این مطالعه کارایی روش ARIMA و شبکه عصبی خودرگرسیونی در پیش‌بینی قیمت خرده‌فروشی محصول گوجه فرنگی مقایسه شدند. داده‌های مورد استفاده شامل قیمتهای هفتگی خرده فروشی گوجه فرنگی طی سالهای 1388تا 1389 بوده که از سازمان میادین میوه و تره بار تهران گردآوری شد. نتایج مطالعه نشان داد که مدل غیرخطی شبکه عصبی خودرگرسیونی (NNAR) در پیش‌بینی قیمت خرده‌فروشی گوجه‌فرنگی دارای خطای پایین‌تر است و در نتیجه کاراتر از ARIMA عمل می‌کند.

طبقه بندی JEL :C22 ، C45، C53، Q11
کلید واژه‌ها:
پیش‌بینی، قیمت، گوجه فرنگی، شبکه عصبی خود رگرسیونی ، ARIMA

عنوان مقاله [English]

Forecasting the Price of Tomatoes: Comparison of Syncretistic Methods of Neural Network Auto-Regressive and ARIMA

نویسندگان [English]

  • V. Borimnejad
  • M. Bakeshloo
چکیده [English]

Abstract
In this study ARIMA and neural network auto-regressive methods for predicting retail product prices of tomatoes were Compared. The data were weekly that included the retail prices of tomatoes during 2009-2010 and gathered from Tehran fruits and vegetables organization. The results showed that non-linear neural network auto-regressive model, in predicting the retail price of tomatoes has a lower error and thus is more efficient than ARIMA.

JEL Classification: C22, C45, C53, Q11

Keywords:
Forecasting, Price, Tomato, Neural Network Auto-Regressive, ARIMA

فایل ها

هم رسانی

ارجاع به این مقاله

آمار