بخشی از مقاله
چکیده
تغییر رفاه اقتصادی یکی از پارامترهایی است که در هنگام لحاظ کردن سیاست های اقتصادی ،مورد
نظر سیاستمداران می باشد و تغییرات قیمت نیز از عوامل تاثیر گذار بر رفاه اقتصادی تولید کنندگان و مصرف کنندگان است. شیر به دلیل اهمیت در تغذیه و امنیت غذایی جامعه ، ایجاد اشتغال و درآمد برای تولید کنندگان آن، محصولی است که همواره مورد حمایت دولت بوده است .در این مطالعه به منظور پیش بینی قیمت شیر درب دامداری ها از روش های خود رگرسیونی میانگین متحرک انباشته ARIMA و شبکه عصبی مصنوعی استفاده شده است . داده های مورد نیاز برای دوره ی ًٌٌََِْ تا ٌٌٍٍَُْ از اداره امور دام و پشتیبانی سازمان جهاد کشاورزی ایران اخذ گردید.از داده های دوره ًٌٌََِْ تا ٌٌٍََُْ به منظور آموزش روش ها و از داده های ًًٌٌَُْ تا ٌٌٍٍَُْ جهت بررسی قدرت پیش بینی ها استفاده شد. همچنین به منظور مقایسه ی خطای پیش بینی روش های ARIMA وشبکه ی عصبی مصنوعی ، از معیارهای RMSE ،MAPE ،MADو 2بهره گرفته شد.نتایج مطالعه نشان داد که شبکه ی عصبی مصنوعی دارای خطای پایین تری جهت پیش بینی قیمت شیر درافق زمانی پنج ماه آینده می باشد و به طور معنی داری از روش ARIMA دقیق تر است.
واژگان کلیدی: پیش بینی قیمت، شیر ،شبکه عصبی مصنوعی،ARIMA
ٌ
مقدمه:
شیر تولیدی کشور از انواع دام های ( گاو ، گاومیش، گوسفند و بز ) حاصل می شود . در بین دام های مولد شیر ، گاو جایگاه خاصی دارد و با توجه به احداث و توسعه دامداری های صنعتی و افزایش بهره وری در طی دو دهه اخیر تولید شیر در دامداری های صنعتی رشد فزآینده ای داشته است و ساختار گاوداری های کشور به سرعت متحول شده است و تولید کنندگاه به جایگزینی نژاد برتر دام روی آورده اند ،محدوده و پراکنش مناطق تولید شیر به وسعت کشور است . تولید این محصول در تمامی مناطق شهری وروستایی کشور انجام می گردد. (سازمان جهاد کشاورزی فارس، ٌَََ)عوامل و دلایل گوناگونی بر حجم و میزان تولید این محصول و چگونگی پراکنش تولید در مناطق مختلف کشور تاثیر دارد که عمده ترین دلایل آن عبارتند از:
ٌ-اقلیم و شرایط آب و هوایی
ٍ- تراکم جمعیت
َ-بازار مصرف
ُ- دسترسی به بازار نهاده ها
ِ-یارانه های پرداختی
ّ- وجود صنایع تبدیلی
دربین ٍَ استان کشور ، استان تهران ، خراسان ، اصفهان ، مازنداران ، آذربایجان شرقی و خوزستان بیشترین سهم را در تولید شیر خام را دارا می باشد و حدود ًِ درصد از شیر کشور در این مناطق تولید میشود . استان تهران با َ درصد سهم از کل تولید در رتبه اول کشور می باشد . مهمترین دلیل تراکم تولید این استان ، برخورداری از مزیت های متعدد از جمله دسترسی آسان به بازار مصرف ، وجود صنایع تبدیلی تاثیر گذاری در مراکز تصمیم گیری و دستیابی راحت به امکانات و تسهیلات اعطایی دولت ، قیمت شیر خام و یارانه های توزیعی در این استان می باشد این عوامل انگیزه های زیاد را برای بسط و گسترش دامداری های صنعتی و نیمه صنعتی به وجود آورده است . چگونگی و شیوه دسترسی به بازار مصرف به عنوان مزیت نسبی در تولید این فرآورده محسوب می شود به طوری که در برخی استانها از جمله آذربایجان شرقی و غربی ، کردستان و لرستان قیمت شیر تولیدی ََ درصد پایین تر از قیمت شیر در تهران است . (سازمان مدیریت و برنامه ریزی استان فارس،ٌَََ)
قیمت ها نقش اصلی در بهینه سازی تولید ، بازاریابی ، سرمایه گذاری و استراتژی بازار دارند و با توجه به ویژگی تولید در بخش کشاورزی و دامپروری که بین تصمیم گیری برای تولید تا عملی شدن آن ، وقفه وجود دارد، پیش بینی قیمت همواره مورد علاقه تولید کنندگان و مصرف کنندگان بوده است.مدل های گوناگونی به منظور پیش بینی متغیرهای اقتصادی مورد استفاده و بهره برداری قرار می گیرند، که از جمله ی مهم ترین آن ها می توان به فنون رگرسیون یا چند جمله ای ، رگرسیون خودبخودی ، میانگین متحرک، مدل های باکس و جنگیز، مدل های ساختاری ، مدل های سری زمانی و ... اشاره کرد در دهه های اخیر روش های نوین پیش بینی به نام ″شبکههای عصبی مصنوعی ″ پا به عرصه وجود نهاده، که با اقتباس از فرآیند یادگیری مغز انسان می تواند روابط بین متغیرها را ، هرچند پیچیده و غیر خطی کشف کنند.(قربانی،ٌٌَُ).
در زمینه پیش بینی سریهای زمانی با استفاده از مدلهای خود رگرسیونی و شبکه عصبی مصنوعی، مطالعاتی در داخل و خارج کشور صورت پذیرفته است از آن جمله می توان به :
طیبی و همکاران ( ٌََّ)، قیمت تخم مرغ را در ایران با کمک دو روش شبکه عصبی مصنوعی و روش ARCH برای افقهای زمانی یک ماهه ، شش ماهه و دوازده ماهه پیش بینی کردند. دادههای مورد استفاده در این مطالعه متغیر قیمت تخم مرغ و دوره
ٍ
مورد مطالعه شامل سالهای ٌٌَْ تا ٌََِ است. نتایج این پژوهش نشان داد که شبکه عصبی مصنوعی در بیشتر افقهای زمانی پیش بینیهای دقیقتری در مقایسه با روش ARCH ارائه میکند.
پرادان و کمار (ًًٌٍ)، که از شبکه عصبی پرسپترون به منظور پیش بینی و تعیین روند تغییرات نرخ های ارز دلار، یورو، پوند و ین استفاده نموده است، اشاره کرد. در این مطالعه که از داده های نرخ های ارز مربوط به دوره ٌٍُُ-ًًٍُ برای افق پیش بینی روز بعد و ماه بعد استفاده شده است نتایج تجربی حاکی از آنست که شبکه عصبی بادقت قابل قبولی قادر به پیش بینی نرخ های ارز مورد مطالعه می باشد.
هااوفی و همکاران ( ًًٍْ)، به پیش بینی کوتاه مدت قیمت غذا در چین با استفاده از سه مدل MSOA، BP و ARIMA پرداختند. نتایج مطالعه آنان نشان داد که الگوریتم ″ پس انتشار ″ با مشکلاتی از قبیل همگرایی ضعیف و تدریجی مواجه است. بنابراین یک رویکرد بهینه سازی چند مرحلهای( (MSOA را جهت غلبه بر نقاط ضعف BP پیشنهاد کردند. آنها دریافتند که پیش بینیهای مدل MSOA به طور قابل ملاحظه ایی دقیقتر از مدل BP و ARIMA است.
روش تحقیق:
فرآیند مدل :ARIMA
انجام یک پیشبینی عبارت است از استنباط توزیع احتمالی یک مشاهدهی آینده از جامعه، به شرط معلوم بودن یک نمونه (مثل (Z از مقادیر گذشته .برای انجام این کار نیاز به راههای توصیف فرآیندهای تصادفی و سریهای زمانی میباشد، و همچنین به ردهای از مدلهای تصادفی نیاز است که استعداد توصیف وضعیتهایی که در عمل اتفاق می افتد را دارا باشند. یک ردهی مهم از فرآیندهای تصادفی فرآیندهای ایستا هستند. فرآیندهای تصادفی ایستای خاصی که از لحاظ تعیین مدل سریهای زمانی واجد ارزش اند، عبارتند از فرآیندهای اتورگرسیو، میانگین متحرک و فرآیندهای مخلوط اتورگرسیو-میانگین متحرک.(منهاج،ٌَْْ) مدل ARIMA در واقع شکل خلاصه شدهای از مدلهای برداری بوده و در صورت وجود دادههای کافی میتواند، به همان خوبی مدلهای برداری، سریهای زمانی را پیشبینی نماید.
روش ARIMA یا همان متدولوژی باکس-جنکیز ((BJ چهار مرحله زیر را شامل میشود:
ٌ- مرحله تشخیص یا شناسایی آزمایشی: اگر سری زمانی پس از d مرتبه تفاضلگیری مرتبه اول ساکن شود و سپس آن را توسط فرآیند ARMA(p,q) مدلسازی کنیم، در این صورت سری زمانی اصلی ( ARIMA(p,d,q میباشد. در این مرحله به دنبال
تعیین مقادیر واقعی p,d,q بوده و برای این منظور از ابزار نمودار همبستگی استفاده میشود. اگر را در مقابل k (وقفهها) رسم
شود، نمودار بدست آمده، نمودار همبستگی سری زمانی خواهد بود.
خود همبستگی نمونه (SAC) با k وقفه عبارت است از:
n −k
(ٌ) t=b (zt −z +zt+k −z =
−z )2 (z n
t t=b
در این فرمول:
: ضریب خود هبستگی، Z :سری زمانی ایستا از مرتبه b، :bتعداد مراحل تفاضلگیری جهت ایستایی سری زمانی، : k تعداد
