%34تخفیف

پيش بینی قیمت مرغ با استفاده از شبکه عصبی و الگوریتم ژنتیک

تعداد118 صفحه در فایل word

کارشناسی ارشد رشته اقتصاد کشاورزی

پيش بینی قیمت مرغ با استفاده از شبکه عصبی و الگوریتم ژنتیک

چکيده

در کشور ما صنعت مرغداري جهت رسيدن به يک ثبات نسبي و دستيابي به يک توليد انبوه راه درازي در پيش دارد و نيازمند يک برنامهريزي مدون علمي است که با رسيدن به مطلوبيت کيفي و کمي بتواند جايي را براي ماندگاري خود باز کند. اين امر محقق نميگردد مگر با توجه به ثبات نسبي قيمتها و پيشبيني دقيق قيمت طيور که از طريق کاهش نوسانات قيمتي باعث تخصيص بهينه منابع، افزايش کارايي، افزايش مطلوبيت مرغداران و در نهايت باعث افزايش درآمد آنها ميشود. چنانچه یک پیشبینی قابل قبولی از قیمتهای آتی مرغ در دست باشد میتواند زمینه را برای تدوین و طراحی برنامه مؤثرتری جهت تنظیم بازار مرغ فراهم نماید که به سبب آن عملیات ذخیرهسازی مرغ و عرضه مجدد آن یعنی در دسترس بودن کالا، قبل از آنکه قیمتها به نقطه بحرانی برسند، صورت پذیرد.

در این راستا، هدف اصلی این پژوهش یافتن بهترین مدل برای پیشبینی قیمت ماهانه گوشت مرغ است تا با پیشبینی به موقع قیمتها از بروز نوسانات زیاد آن جلوگیری گردد.

بدین منظور از روش ARIMA و شبکههاي عصبي مصنوعي براي پيشبيني بکار گرفته شد. در قدم بعد براي بهبود ساختار شبکه عصبي، از روش الگوريتم ژنتيک استفاده شد. برای مقايسه روشهاي ذکر شده معیارهای RMSE، MAE، MAPE و TIC مورد استفاده قرار گرفت. بر اساس تمامی معیارهای فوق مدل ترکیبی نسبت به مدلهای منفرد (ARIMA و شبکه عصبی) دارای خطای کمتری در پیشبینی قیمت بود.

کلمات کليدي: پیشبینی، گوشت مرغ، مدل ARIMA، شبکه عصبی مصتوعی، الگوریتم ژنتیک.

دسته: فنی و مهندسی, کشاورزی و منابع طبیعی برچسب: الگوریتم ژنتیک, شبکه عصبی مصتوعی, کلمات کليدي: پیشبینی, گوشت مرغ, مدل ARIMA

توضیحات

فهرست مطالب

فصل اول: کلیات.. 2

1-1)…………………………………………………………………………………………………….. مقدمه.. 3

1-2)……………………………………………………………………………………………. روش تحقیق.. 6

1-3)……………………………………………………………………………………………. هدف تحقیق.. 8

1-4)…………………………………………………………………. تعریف مسئله و فرضیهها.. 8

1-5)………………………………………………………………………….. جنبه نوآوری تحقیق.. 9

1-6)…………………………………………………………………………………….. ساختار تحقیق.. 9

1-7) گردآوری و تحلیل اطلاعات.. 9

فصل دوم: مروری بر مطالعات تجربی.. 11

2-1) مطالعات خارجی………………………………. ………………………………………………………………………………… 12

2-2) مطالعات داخلی.. 16

فصل سوم: مروری بر روشهای پیشبینی.. 20

3-1) مقدمه.. 21

3-2) تعريف پيش‌بيني.. 21

3-3) انتخاب روش پيش‌بيني.. 22

3-4) روشهاي هموارسازي نمايي.. 24

3-4-1) روش هموارسازي نمايي ساده براون.. 24

3-4-2) هموارسازي ‌نمايي مضاعف- روش خطي براون.. 25

3-4-3) هموار سازي هولت- وينترز.. 26

3-5) پيش‌بيني سري زماني از طريق تجزيه و تحليل روند.. 27

3-6) روش باكس- جنكينز.. 28

3-7) مدل عمومي باكس- جنكينز مرتبة (p, P, q, Q) :.. 32

3-8) شبكه عصبي مصنوعی.. 36

3-8-1) تعریف شبکه عصبی.. 36

3-8-2) ساختار شبكه‌هاي عصبي.. 37

3-9) يادگيري.. 44

3-9-1) يادگيري نظارت شده.. 47

3-9-2) يادگيري نظارت نشده.. 48

3-10) روند اجرايي شبكه‌هاي عصبي.. 48

3-11) تابع تبديل.. 50

3-12) انواع شبكه‌هاي عصبي.. 53

3-13) شاخص‌هاي ارزيابي عملكرد شبكه عصبي.. 54

3-13-1) ضريب تعيين.. 55

3-13-2) ضريب تعيين اصلاح شده.. 56

3-13-3) مجموع مربعات خطا.. 57

3-13-4) ميانگين قدر مطلق خطا.. 57

3-13-5) ميانگين مجموع مربعات خطا.. 57

3-13-6) جذر ميانگين مجموع مربعات خطا.. 58

3-13-7) ميانگين مجموع مربعات خطاي نرمال.. 58

3-13-8) جذر ميانگين مربعات خطاي نرمال.. 58

3-13-9) ميانگين قدر مطلق درصد خطا.. 59

3-13-10) ميانه قدر مطلق درصد خطا.. 59

3-13-11) معيار اطلاعات آكائيك.. 60

3-13-12) معيار اطلاعات بيز.. 60

3-13-13) درصد تشخيص صحيح روند.. 61

3-13-14) تشخيص جهت.. 61

3-13-15) U2 تايل.. 62

3-13-16) خطاي مطلق نسبي.. 62

3-13-17) ميانگين هندسي خطاي مطلق نسبي.. 63

3-13-18) ميانة خطاي مطلق نسبي.. 63

3-14) الگوريتم‌هاي يادگيري.. 64

3-14-1) الگوريتم پس انتشار خطا.. 66

3-14-2) الگوريتم پس انتشار با ممنتم.. 68

3-14-3) الگوريتم پس انتشار خطا با نرخ يادگيري متغير.. 69

3-14-4) الگوريتم پس انتشار خطاي ارتجاعي.. 69

3-15) تبديلات داده‌هاي خروجي و ورودي.. 70

3-15-1) نرمالسازي.. 72

3-16) پیش‌بيني سري‌هاي زماني با استفاده از الگوريتم‌هاي شبكه عصبي 72

3-17) برتري‌هاي شبكه‌هاي عصبي در مقايسه با ساير متدهاي متداول 75

3-17-1) قابليت تعميم.. 76

3-17-2) قابليت غير خطي بودن.. 76

3-17-3) پردازش همزمان (موازي).. 76

3-17-4) قابليت تطبيق و انطباق.. 76

3-17-5) قابليت داده محوري.. 77

3-17-6) قابليت تحمل خطا و مقاوم بودن.. 77

3-17-7) قابليت تخمين زدن توابع در ابعاد جهاني.. 77

3-18) محدوديت‌ها و معايب شبكه‌هاي عصبي.. 78

3-19) الگوريتم ژنتيك.. 79

3-19-1) اصول پايه‌اي.. 79

3-19-2) رئوس پايه‌اي.. 81

فصل چهارم: مدلسازی.. 83

4-1) مدل ARIMA.. 84

4-4-1) تشخیص.. 85

4-1-2) تخمین.. 87

4-1-3) کنترل.. 89

4-1-4) پیشبینی.. 91

4-2) شبکه عصبی مصنوعی.. 91

4-2-1) تعیین معماری شبکه عصبی مصنوعی.. 91

4-2-2) تعیین تعداد نمونههای آموزش و آزمایش.. 93

4-2-3) الگوریتم یادگیری مورد استفاده.. 94

4-2-4) تعیین معیار ارزیابی عملکرد شبکه.. 94

4-2-5) پیشبینی با استفاده از شبکههای عصبی مصنوعی.. 94

4-3) الگوریتم ژنتیک.. 95

4-4) مقایسه قدرت پیشبینی.. 99

فصل پنجم: نتیجهگیری و پیشنهادات.. 103

5-1) نتایج تحقیق.. 104

5-2) پیشنهادها.. 105

فهرست جداول

جدول ‏3‑1) بیان توابع روند بر حسب زمان 28

جدول ‏3‑2) مقادیر بحرانی t به منظور تشخیص نقاط اوج درتابع خودهمبستگی 31

جدول ‏3‑3) رهنمونهای لازم جهت انتخاب عملکنندههای غیرفصلی در مدل ARIMA 34

جدول ‏3‑4) رهنمونهای لازم جهت انتخاب عملکنندههای فصلی در مدل ARIMA 35

جدول ‏3‑5) مقایسه عملکرد چند شاخص پر کاربرد ارزیابی فرآیند اجرای شبکه عصبی 64

جدول ‏4‑1) نتایج آزمون ریشه واحد 87

جدول ‏4‑2) مقادیر معیار شوارتز-بیزین (SBC) 88

جدول ‏4‑3) نتایج حاصل از برآورد فرآیند ARIMA(4,1,4) 88

جدول ‏4‑4) نتایج آزمون ARCH 90

جدول ‏4‑5) معیارهای قدرت پیشبینی در مدل ARIMA 91

جدول ‏4‑6) معیارهای قدرت پیشبینی در مدل شبکه عصبی 95

جدول ‏4‑7) معیارهای قدرت پیشبینی در مدل ترکیبی 98

جدول ‏4‑8) ازریابی و مقایسه مدل شبکههای عصبی مصنوعی با مدل ARIMA 99

جدول ‏4‑9) نتایج آزمون معناداری روش ARIMA با شبکه عصبی 101

جدول ‏4‑10) نتایج آزمون معناداری روش ARIMA با مدل ترکیبی 102

جدول ‏4‑12) نتایج آزمون معناداری مدل شبکه عصبی با مدل ترکیبی 102

فهرست نمودارها

نمودار ‏1‑1) میانگین قیمت ماهانه گوشت مرغ در سطح کل کشور طی سالهای1371-1387 4

نمودار ‏3‑1) الگوریتم اصلاح وزنها در شبکه 47

نمودار ‏3‑2) روند اجرای یک شبکه عصبی در نمای درختی 50

نمودار ‏3‑3) فرایند اصلاح وزنها بر اساس الگوریتم پس انتشار خطا 67

نمودار ‏3‑4) نمایی فرضی از چیدمان دادهها در ماتریسهای ورودی شبکه 75

نمودار ‏4‑1) مقایسه مقادیر واقعی و پیشبینی شده قیمت گوشت مرغ توسط شبکه عصبی (1387:12-1386:01) 96

نمودار ‏4‑2) مقایسه مقادیر واقعی و پیشبینی شده قیمت گوشت مرغ توسط مدل ترکیبی (1387:12-1386:01) 99

فهرست شکلها

شکل ‏3‑1) ساختار یک شبکه عصبی 37

شکل ‏3‑2) معماری از شبکه پیشخور (Feed Forward) 38

شکل ‏3‑3) معماری از شبکه بازگشتی (Recurent) 39

شکل ‏3‑4) معماری از شبکههای هاپفیلد (Hopfield) 39

شکل ‏3‑5) پركاربردترين توابع تبديل در شبكه هاي عصبي 52

شکل ‏3‑6) نحوه روند اجرای شبکه در دو نمای مختلف 67

شکل ‏4‑1) نمودار خود همبستگی سری قیمت گوشت مرغ 86

شکل ‏4‑2) نتایج آزمون توزیع سری 90

شکل ‏4‑3) تابع تبدیل سیگموئیدی 92

شکل ‏4‑4) ساختار شبکه عصبی طراحی شده 93

امتیاز 0 از 5 از 0 دیدگاه

قیمت اصلی 35,000 تومان بود.قیمت فعلی 23,000 تومان است.

تاریخ ایجاد دی 16, 1399
تاریخ بروزرسانی اسفند 13, 1401
فروش 0
دیدگاه 0

شرایط استفاده از محصول

تمام محصولات به ازای پرداخت پروژه تنها قابل استفاده می باشند. این بدین معنی است که برای استفاده از یک یا چند محصول ، لازم به خرید آن محصول است.

مزایای خرید این محصول:

دسترسی به فایل به صورت همیشگی
پشتیبانی رایگان
پشتیبانی 24 ساعته محصول
بازگشت وجه در صورت عدم رضایت مشتری

مشاهده قوانین سایت