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))

نوع مقاله : مقاله کامل علمی - پژوهشی

نویسندگان

1 عضو هیات علمی موسسه پژوهش های برنامه ریزی اقتصاد کشاورزی و توسعه روستایی و مسئول دبیرخانه کنوانسیون تنوع زیستی سازمان تحقیقات

2 پژوهشگر موسسه پژوهش های برنامه ریزی، اقتصاد کشاورزی و توسعه روستایی

10.22069/japu.2024.22155.1850

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

موضوعات

عنوان مقاله [English]

Application of hybrid models based on deep machine learning in smart agriculture (Case studies of forecasting the future price of subtropical fish (Scomberomorus guttatus) and subtropical fish (carps and salmo trutta))

نویسندگان [English]

  • mehrnaz baniamam 1
  • mohammadreza hajseyyedjavadi 2
1 Faculty member of Agricultural Economics Planning and Rural Development Research Institute and Head of the Secretariat of the Biodiversity Convention of the Research Organization
2 Researcher of the Planning Research Institute, Agricultural Economy and Rural Development
چکیده [English]

Forecasting the price and the trend of its changes is one of the most important factors in making decisions and formulating strategies related to agricultural products. The aim of the present study was to present a model with a hybrid data mining pattern including a set of nonlinear models, wavelet transform, deep neural network and Monte Carlo method for accurate forecasting of fishery products. In this research, the wavelet function is used to denoize the price data, the deep neural network is used to predict the price, the Monte Carlo method is used to simulate the most likely probability of the price, and finally, soft complex calculations are used to perform "out-of-sample prediction with new data sets". It was used for the period of 2013 to 2014. To predict the future price of tropical and cold water fish, the number of optimal breaks affecting the price is determined. In this study, a proposed hybrid data mining model was used to find the best model for predicting the future dynamic price of tropical and cold water fish. and Monte Carlo simulation has been used to increase the prediction accuracy, and the prediction accuracy of the proposed model was evaluated with three competing models using the evaluation criteria of root mean square error (RMSE) and coefficient of determination (R2). Also, the comparison of prediction accuracy The proposed model with other models shows that the use of deep neural network, compared to simple neural network, increases the power of predicting the price of agricultural products (the future price of fish). The final result shows that the use of wavelet function and Monte Carlo based on the network Deep neural network increases the accuracy of forecasting the price of agricultural products.

کلیدواژه‌ها [English]

  • Forecast
  • The future price of tropical and cold water fish. deep neural network
  • Monte Carlo method
مجله بهره برداری و پرورش آبزیان
دوره 14، شماره 1
فروردین 1404
صفحه 91-103

فایل ها

هم رسانی

ارجاع به این مقاله

آمار