فهرست نشریات علمی دسترسی آزاد ایران

پیش‌بینی قیمت و روند تغییرات آن از مهمترین عوامل در تصمیم گیری و تدوین راهبردهای مربوط به محصولات کشاورزی است. هدف مطالعه حاضر ارائه یک مدل با الگوی داده کاوی هیبریدی شامل مجموعه مدل‌های غیر خطی، تبدیل موجک، شبکه عصبی عمیق و روش مونت کارلو برای پیش‌بینی دقیق محصولات شیلاتی بود. در این تحقیق از تابع موجک برای نوفه زدایی داده‌های قیمت، از شبکه عصبی عمیق برای پیش‌بینی قیمت، از روش مونت کارلو برای شبیه سازی محتمل ترین احتمال قیمت و در نهایت از محاسبات پیچیده نرم برای انجام " پیش‌بینی خارج از نمونه با مجموعه داده‌های جدید" برای دوره زمانی 1392 تا 1402 استفاده شد.برای پیش‌بینی قیمت آتی ماهیان گرمابی و سردآبی تعیین تعداد وقفه‌های بهینه موثر بر قیمت است که در مطالعه حاضر برای یافتن بهترین مدل برای پیش‌بینی قیمت پویای آتی ماهیان گرمابی و سردآبی از یک مدل داده کاوی هیبریدی پیشنهادی استفاده شد و برای افزایش دقت پیش‌بینی از شبیه سازی مونت کارلو استفاده شده است و دقت پیش‌بینی مدل پیشنهادی با سه مدل رقیب با استفاده از معیارهای ارزیابی میانگین مجذور مربعات خطا (RMSE) و ضریب تعیین (R2) مورد بررسی قرار گرفت.همچنین مقایسه دقت پیش‌بینی مدل پیشنهادی با مدل‌های دیگر نشان می‌دهد که استفاده از شبکه عصبی عمیق، در مقایسه با شبکه عصبی ساده قدرت پیش‌بینی قیمت محصولات کشاورزی(قیمت آتی ماهیان‌) را افزایش می‌دهد.نتیجه نهایی گویای آن است که استفاده از تابع موجک و مونت کارلو بر پایه شبکه عصبی عمیق سبب افزایش دقت پیش‌بینی قیمت محصولات کشاورزی می‌شود.