ارزيابي عملكرد مدل هيبريد شبكه عصبي مصنوعي-ﺧﻮد ﺗﻮﺿﻴﺢ ﺟﻤﻌﻲ ﻣﻴﺎﻧﮕﻴﻦ ﻣﺘﺤﺮك (ARIMA-ANN) در پيش‌بيني صادرات زعفران ايران

Performance evaluation of artificial neural network-autoregressive integrated moving average (ARIMA) hybrid model in forecasting of Iranian saffron export

زعفران ايران از لحاظ كمي و كيفي از جايگاه نماياني در سطح بين­المللي برخوردار است و با بهره­گيري از ظرفيت موجود مي­توان درآمدهاي صادراتي حاصل از آن را به­طور قابل ‌ملاحظه‌اي افزايش داد. از سوي ديگر، پيش­بيني فروش بر اساس تجزيه ‌وتحليل سري زماني يك عنصر بسيار مهم در طراحي و اجراي استراتژي­هاي بازاريابي در عرصه­ي بين­المللي است. اما رويكرد­هاي متداول پيش­بيني با ناديده گرفتن ساختار خطي يا غيرخطي داده­ها نتايج دقيقي را ارائه نمي­دهند. لذا، هدف اصلي اين مطالعه طراحي يك مدل هيبريد متشكل از دو روش شبكه عصبي مصنوعي (ANN) و ﺧـﻮد ﺗﻮﺿـﻴﺢ ﺟﻤﻌـﻲ ﻣﻴـﺎﻧﮕﻴﻦ ﻣﺘﺤـﺮك (ARIMA) به‌منظور رفع نواقص و استفاده از ويژگي­هاي منحصر به‌فرد هر يك از اين مدل­ها است. با استفاده از داده­هاي مربوط به صادرات زعفران ايران طي دوره­ي 1392-1283، نتايج مطالعه نشان داد كه مدل هيبريد ARIMA-ANN در مقايسه با مدل­هاي ARIMA و ANN از عملكرد بهتري در پيش­بيني صادرات زعفران ايران برخوردار است. لذا، با توجه به كارايي شايان توجه مدل هيبريد ARIMA-ANN، استفاده از اين مدل در تنظيم استراتژي­هاي مربوط به صادرات در بازارهاي جهاني زعفران و همچنين در پيش­بيني متغيرهاي سري ­زماني توصيه مي­گردد.

In terms of quality and quantity, Iranian saffron has a considerable position at the international level and by taking advantage of the existing capacity; we can significantly increase the export earnings from it. On the other hand, sales forecasting based on time series analysis is s a very important element for the designing and implementing of marketing strategies in the international arena. However, the conventional approaches to forecasting, by ignoring the linear (or nonlinear) structure of data, do not provide accurate results. Therefore, the main objective of this study is to design a hybrid model consisting of two methods, artificial neural networks (ANN) and autoregressive integrated moving average (ARIMA), in order to overcome the deficiencies and the use of the unique features of the each of these methods. Using the data related to the export of Iranian saffron during the period 1904-2013, the results of the study showed that the ARIMA–ANN hybrid model is stronger and better performance than ARIMA and ANN individual models in order to forecasting of Iranian saffron export. Therefore, given the considerable performance ARIMA–ANN hybrid model, the use of this model is recommended in setting strategies related to the export and also in the forecasting of the forecasting of time series variables.