پیش‌بینی و تحلیل نتایج اشتغال صنعتی در ایران با روش شبکه‌ عصبی مصنوعی(ANN) و مدل ARIMA

نویسندگان

1 استاد اقتصاد دانشکده علوم اقتصادی و اداری دانشگاه مازندران

2 دانشجوی کارشناسی ارشد اقتصاد دانشگاه مازندران

چکیده

  صنعت یکی از بخش‌‌های مهم و اساسی اقتصاد و زمینه‌ساز رشد و توسعه صنعتی است. رشد و توسعه بخش صنعت، زمینه را برای رشد و توسعه سایر بخش‌‌ها از جمله کشاورزی، خدمات، حمل و نقل و انرژی فراهم می‌سازد. این بخش در فرایند توسعه نقش مهمی در ایجاد اشتغال دارد. با توجه به اهمیت پیش‌بینی در برنامه‌ریزی و سیاست‌های اقتصادی و اهمیت اشتغال در بخش صنعت، مطالعه حاضر به پیش‌بینی میزان اشتغال صنعتی ایران با استفاده از روش شبکه عصبی مصنوعی ANN و ARIMA پرداخته است. بدین منظور از داده‌های 1358-1390 استفاده شده است. برای بررسی دقت پیش‌بینی از ریشه میانگین مربعات خطا RMSE ، میانگین مطلق درصد خطا RMSE و آماره‌ی U تایل استفاده شده است. نتایج تحقیق نشان می‌دهد که، شبکه عصبی پیشرو پس انتشار دارای قدرت بالایی در پیش‌بینی اشتغال صنعتی در ایران می‌باشد و نسبت به روش ARIMA دارای خطای کمتری است.

کلیدواژه‌ها

عنوان مقاله [English]

Forecasting Industrial Employment in Iran using Artifical Neural Network Method and ARIMA Model

نویسندگان [English]

  • Ahmad Jafari Samimi 1
  • Zahra dehghan 2
1 Professor of Economics, Faculty Of Economics Mazandaran University, Babolsar, Iran
2 M.A of Economics, Mazandaran University, Babolsar Iran
چکیده [English]

  Industry is one of the important and fundamental parts of economic and a ground for economic growth and development. Development and growth in industry section provide the ground for growth and development of other section such as agricultural, service, transport and energy. This section plays an important role in providing job in development process. According to the importance of forecasting in economic planning and policy-making and the importance of employment in industrial section, the present study dealt with forecasted number of industrial employment of Iran ANN and ARIMA artificial neural network method. For this reason 1358-1390 data were used. examine the validity of the research Mean Absolute Percentage Error MAPE, Root Mean Square Error RMSE and Theil U Ststistic were used. The research results show that back-propagation neural network has a high power in forecasting industrial employment in Iran and has lesser error in comparison to ARIMA method.   

کلیدواژه‌ها [English]

  • employment
  • Forecasting
  • Artificial Neural Network
  • ARIMA

فایل ها

هم رسانی

ارجاع به این مقاله

آمار