پیش بینی تولید گندم در ایران با استفاده از تکنیک سری زمانی و شبکه عصبی مصنوعی

با افزایش جمعیت جهان، نگرانی ها برای تامین غذا نیز افزایش می یابد. گندم، به عنوان یکی از مهمترین محصولات کشاورزی که به طور گسترده در سراسر جهان مصرف می شود، نقش بسیار مهمی در تغذیه مردم دارد، به ویژه در رژیم غذایی ایرانیان که به نان بستگی زیادی دارد. پیش بینی محصول برای هر کشوری امری حیاتی است، لذا بر این اساس، تصمیم گیری در مورد ذخیره سازی، واردات یا صادرات و غیره می تواند برنامه ریزی شود. در این مقاله، مدل های مختلف سری زمانی تک متغیره و مدل شبکه عصبی مصنوعی برای پیش بینی تولید گندم در ایران استفاده شده است. داده های تولید سالیانه گندم، مجموع بارندگی سالیانه، مجموع کود مصرفی، جمعیت و زمین زیرکشت گندم از سال 62-1961 تا 19-2018 مورد استفاده قرار گرفته است. با مینیمم مقادیر 45894/1، 00329/1، 0448/1 و 09742/1 به ترتیب برای معیارهای RMSE، AIC، HQC و SBIC، مدل ARIMA (1,1,1) به عنوان بهترین مدل تک متغیره انتخاب گردید. در پیاده سازی مدل های شبکه عصبی مصنوعی (ANN)، مجموع بارندگی سالیانه، مجموع کود مصرفی، جمعیت و زمین زیرکشت گندم به عنوان متغیرهای ورودی و تولید گندم به عنوان متغیر خروجی مورد استفاده قرار گرفت. مدل شبکه عصبی پرسپترون چندلایه (MLP-NN) با پنج لایه پنهان که دارای کمترین مقدار MSE=0.153 در میان چندین مدل شبکه عصبی در این مطالعه بود انتخاب گردید. مقایسه میان مدل ANN و مدل ARIMA (1,1,1) نشان داد که در مدل ANN، مقادیر RMSE=0.391، MSE=0.153 و MAPE=0.4231 بسیار کمتر از مدل ARIMA (1,1,1) می باشد. نتایج نشان دهنده قدرت مدل های ANN در پیش بینی تولید گندم با استفاده از پارامترهای کارامد در مقایسه با مدل ARIMA می باشد.