پایان‌نامه

پیش بینی اندازه دولت و اجزای آن در ایران ببا استفاده از روش شبکه عصبی

کاوه درخشانی درآبی

چکیده

بحث دخالت دولت در اقتصاد یکی از مباحث جنجالی میان مکاتب اقتصادی است ودر این زمینه تحقیقات زیادی صورت گرفته است. با توجه به اهمیت اندازه دولت در اقتصاد در پژوهش حاضر بررسی روند و پیش بینی اندازه دولت و اجزای آن در ایران با استفاده از الگوی شبکه عصبی پرداخته شده است. بدین منظور از داده های سالانه (1350-1388) و داده های فصلی موجود (1367-1388) استفاده شده است. در این پژوهش ابتدا روند اندازه دولت و اجزای آن مورد بررسی قرار گرفته است و متغیرهای تاثیرگذار بر آن توضیح داده شده اند. در ادامه ساختار مناسب شبکه عصبی معرفی شده و قدرت پیش بینی آن با معیارهای معرفی شده مورد ارزیابی قرار گرفته است. نتایج نشان دهنده ی این است که الگوی شبکه عصبی قدرت بالایی در پیش بینی اندازه دولت در ایران دارد. در مرحله بعد به بررسی تاثیر گذاری متغیرهای درآمد نفتی و رشد اقتصادی بر اندازه دولت در ایران پرداخته شده است، که نتایج شبکه نشان دهنده ی تاثیر گذاری این دو متغیر بر اندازه دولت در ایران است، در نهایت اندازه دولت در ایران برای سال 1389 مورد پیش بینی قرار گرفت، که پیش بینی شبکه 27.34 است.

اساتید راهنما و مشاور

احمد جعفری صمیمی، اسمعیل ابونوری

پایان‌نامه‌های مشابه

اسناد مشابه

  • مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی

    مقاله۲۰۰۲پژوهش های اقتصادی ایران

    شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه م

  • مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی

    مقالهپژوهش های اقتصادی ایران

    شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه م

  • پیش بینی تراز آب زیرزمینی دشت شاهرود استفاده از شبکه عصبی مصنوعی تابع پایه شعاعی

    مقالهپژوهشنامه مدیریت حوزه آبخیزفرزانه اکبرزاده، حمید حسن پور، صمد امامقلی زاده

    پیش­بینی تراز آب زیرزمینی به منظور مدیریت و برنامه­ریزی منابع آب، بسیار مهم است. برای انجام این پیش­بینی، از روش­های متعددی مانند روش­های استوکستیکی، منطق فازی و شبکه عصبی مصنوعی می­توان استفاده نمود. در تحقیق حاضر، مدل شبکه عصبی مصنوعی rbf هیبرید برای پیش­بینی تراز آب زیرزمینی د

  • پیش بینی شاخص قیمت بورس سهام با استفاده از شبکه عصبی و تبدیل موجک

    مقالهمدیریت دارایی و تأمین مالیرضا راعی، دانشگاه تهران شاپور محمدی، دانشگاه تهران حنظله فندرسکی، دانشگاه تهران

    شاخص بازار سرمایه به عنوان دماسنج اقتصادی هر کشور می باشد. از این رو پیش بینی این متغییر جهت اخذ دید کلی از وضعیت اقتصادی و اخذ استراتژی های سرمایه گذاری، یکی از مسائل مهم به شمار می رود. از جمله روش های پیش بینی پرکاربرد در سری های زمانی مالی، شبکه عصبی می باشد که با توجه به جام

  • پیش بینی شدت تصادفات جاده ای با استفاده از شبکه عصبی مصنوعی و مقایسه آن با روش آنالیز چند متغیره

    مقاله۲۰۲۱جادهمحمدرضا کی منش، نصیر برادران رحمانیان

    پیش بینی شدت تصادفات در صورتی که با متدلوژی های دارای مبانی علمی انجام گیرد می تواند به عنوان ابزاری مهم در مدیریت ایمنی راهها و مهندسی حمل و نقل محسوب شود. در این مقاله روشی برای شناسایی و پیش بینی و شدت تصادفات در راههای بین شهری ارائه شده است. این روش مبتنی بر یک تحقیق تجربی ا

  • پیش بینی خصوصیات رئولوژیکی بنیادی خمیر با استفاده از شبکه عصبی-الگوریتم ژنتیک

    مقالهعلوم تغذیه و صنایع غذایی ایرانهاجر عباسی، h abbasi department of food science and technology, khorasgan (isfahan) branch, islamic azad university, isfahan, iran.گروه علوم و صنایع غذایی، دانشگاه آزاد اسلامی واحد اصفهان (خوراسگان)، اصفهان، ایران محمدامین محمدی فر، ma mohammadifar department of food science and technology, faculty of agriculture and natural 3department of food science and technology, faculty of nutrition sciences, food science and technology / national nutrition and food technology research institute, shahid beheshگروه آموزش علوم و صنایع غذایی، انستیتو تحقیقات تغذیه و صنایع غذایی، دانشکده تغذیه و صنایع غذایی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران

    سابقه و هدف: خمیر محصول میانی خطوط تولید صنایع نانوایی است که ویژگی های رئولوژیکی آن نمایانگر خصوصیات فیزیکوشیمیایی مواد اولیه و مؤثر بر ویژگی های کیفی فرآورده نهایی است. با توجه به کارایی بالای شبکه های عصبی مصنوعی در آموزش پذیری و پردازش موازی داده ها با روابط غیر خطی، هدف از ا