سياست گزاران و برنامه ريزان اقتصادي در تلاش اند تا متغيرهاي موثر بر رشد بخش كشاورزي را مدل سازي كنند و از اين مدل ها در فرآيند پيش بيني استفاده نمايند. امروزه پيش بيني به عنوان يك ابزار مهم برنامه ريزي براي سياست گزاران اقتصادي به شمار مي رود و روش هاي متنوعي براي پيش بيني متغيرهاي اقتصادي مورد استفاده قرار مي گيرد. اين پژوهش نرخ رشد بخش كشاورزي ايران را پيش بيني و دقت روش هاي تك متغيره و چند متغيره را در پيش بيني اين متغير مقايسه مي كند. روش هاي مورد استفاده در اين تحقيق عبارت است از هموارسازي نمايي منفرد با روند، هموارسازي نمايي دوگانه با روند، الگوريتم هالت-وينترز تجمعي، الگوريتم هالت-وينترز ضربي، الگوي خودتوضيح جمعي ميانگين متحرك، الگوي خودتوضيح برداري و شبكه هاي عصبي مصنوعي تك متغيره و چند متغيره. بر اساس يافته هاي پژوهش، شبكه هاي عصبي مصنوعي، هموارسازي نمايي منفرد و دوگانه با روند در مقايسه با ديگر تكنيك هاي تك متغيره ي به كار گرفته شده در اين تحقيق بهترين پيش بيني را ارايه داد. سرانجام در روش هاي چند متغيره نيز دقت و كارآيي پيش بيني شبكه هاي عصبي مصنوعي در مقايسه با الگوي رقيب خودتوضيح برداري بهتر بود.
کلید واژگان :بخش كشاورزي، پيش بيني، نرخ رشد
ارزش ریالی : 600000 ریال
با پرداخت الکترونیک