به کارگیری مدل‌های هیبریدی مبتنی بر یادگیری عمیق ماشین در کشاورزی هوشمند (مطالعات موردی پیش بینی قیمت آتی ماهیان گرمابی(ماهی شیر) و سردابی(ماهی کپور و قزل آلا))

بنی اعمام, مهرناز; حاج سید جوادی, سید محمد رضا

doi:10.22069/japu.2024.22155.1850

دانشگاه علوم کشاورزی و منابع طبیعی گرگان

تعداد نشریات	14
تعداد شماره‌ها	689
تعداد مقالات	7,127
تعداد مشاهده مقاله	11,356,400
تعداد دریافت فایل اصل مقاله	10,289,565

	به کارگیری مدل‌های هیبریدی مبتنی بر یادگیری عمیق ماشین در کشاورزی هوشمند (مطالعات موردی پیش بینی قیمت آتی ماهیان گرمابی(ماهی شیر) و سردابی(ماهی کپور و قزل آلا))
مجله بهره برداری و پرورش آبزیان
دوره 14، شماره 1، فروردین 1404، صفحه 91-103 اصل مقاله (675.58 K)
نوع مقاله: مقاله کامل علمی - پژوهشی
شناسه دیجیتال (DOI): 10.22069/japu.2024.22155.1850
نویسندگان
مهرناز بنی اعمام^* ¹؛ سید محمد رضا حاج سید جوادی²
¹عضو هیات علمی موسسه پژوهش های برنامه ریزی اقتصاد کشاورزی و توسعه روستایی و مسئول دبیرخانه کنوانسیون تنوع زیستی سازمان تحقیقات
²پژوهشگر موسسه پژوهش های برنامه ریزی، اقتصاد کشاورزی و توسعه روستایی
چکیده
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.
کلیدواژه‌ها
پیش‌بینی؛ قیمت آتی ماهیان گرمابی و سردآبی؛ شبکه عصبی عمیق؛ روش مونت کارلو

مراجع

آمار تعداد مشاهده مقاله: 377 تعداد دریافت فایل اصل مقاله: 253

سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب

پیوندهای مفید

آمار

به کارگیری مدل‌های هیبریدی مبتنی بر یادگیری عمیق ماشین در کشاورزی هوشمند (مطالعات موردی پیش بینی قیمت آتی ماهیان گرمابی(ماهی شیر) و سردابی(ماهی کپور و قزل آلا))