ارزیابی عملکرد مدل هیبرید شبکه عصبی مصنوعی-خودتوضیح جمعی میانگین متحرک (ARIMA-ANN) در پیش بینی صادرات زعفران ایران

زعفران ایران از لحاظ کمی و کیفی از جایگاه نمایانی در سطح بین المللی برخوردار است و با بهره گیری از ظرفیت موجود می توان درآمدهای صادراتی حاصل از آن را به طور قابل ملاحظه ای افزایش داد. از سوی دیگر، پیش بینی فروش بر اساس تجزیه وتحلیل سری زمانی یک عنصر بسیار مهم در طراحی و اجرای استراتژی های بازاریابی در عرصه ی بین المللی است. اما رویکرد های متداول پیش بینی با نادیده گرفتن ساختار خطی یا غیرخطی داده ها نتایج دقیقی را ارائه نمی دهند. لذا، هدف اصلی این مطالعه طراحی یک مدل هیبرید متشکل از دو روش شبکه عصبی مصنوعی (ANN) و خود توضیح جمعی میانگین متحرک (ARIMA) به منظور رفع نواقص و استفاده از ویژگی های منحصر به فرد هر یک از این مدل ها است. با استفاده از داده های مربوط به صادرات زعفران ایران طی دوره ی 1392-1283، نتایج مطالعه نشان داد که مدل هیبرید ARIMA-ANN در مقایسه با مدل های ARIMA و ANN از عملکرد بهتری در پیش بینی صادرات زعفران ایران برخوردار است. لذا، با توجه به کارایی شایان توجه مدل هیبرید ARIMA-ANN، استفاده از این مدل در تنظیم استراتژی های مربوط به صادرات در بازارهای جهانی زعفران و همچنین در پیش بینی متغیرهای سری زمانی توصیه می گردد.