مدل سازي و پيش بيني رشد اقتصادي با تحليل سري هاي زماني غيرخطي

پيش بيني صحيح رشد اقتصادي در سياست گذاري ها و برنامه ريزي هاي بلند مدت توسعه ي پايدار نقش مهمي را ايفا مي كند. يكي از مسائل مهم در پيش بيني سري هاي زماني استفاده از روش هايي جهت شناسايي الگوهاي زماني با هدف كنترل پيچيدگي ها و بهينه سازي خطاي حاصل از پيش بيني مي باشد. در اين تحقيق تحليل سري هاي زماني توليد ناخالص داخلي جهت پيش بيني مسير حركت رشد اقتصادي با استفاده از روش شبكه عصبي مصنوعي بيزي، براي انعطاف بيشتر مدل غير خطي در برخورد با پيچيدگيهاي مسئله و انطباق بيشتر با شرايط واقعي انجام خواهد گرفت. در ادامه با استفاده از تركيب الگوريتم هاي فراابتكاري ژنتيك در آموزش شبكه به بهبود كارايي مدل در مقايسه با نتايج روش هاي قديمي تر پرداخته مي شود. در تخمين مدل از داده هاي دوره ي 1371 تا 1392 استفاده گرديد و سپس كارايي آن براي داده هاي فصلي 1393 تا دو فصل اول 1395 با استفاده از معيار sse و mse بررسي گرديد. نتايج نشان مي‌دهد كه اصلاح پيچيدگي هاي در آموزش شبكه نقش بسزايي در بهينه سازي خطاي مدل خواهد داشت.