پیش بینی

بیکاری و تولید ناخالص از شاخص های مهم اقتصادی هستند؛ پیش بینی این دو شاخص می تواند در اصلاح ساختار اقتصادی و بهبود اقتصاد  مفید واقع شود. تکنیک ها و ابزارهای هوش مصنوعی می توانند برای پیش بینی شاخص های مهم اقتصادی نقش مهمی ایفا کنند. با توجه به اهمیت این دو شاخص، پژوهش حاضر ابتدا به پیش بینی روند دو شاخص به صورت جداگانه و سپس پیش بینی میزان نرخ رشد تولید ناخالص داخلی براساس نرخ بیکاری با استفاده از تکنیک های هوش مصنوعی می پردازد. برای این منظور در این پژوهش، از داده های فصلی مربوط به تولید ناخالص داخلی و نرخ بیکاری برای سال های 1385-1401 استفاده شده است؛ هم چنین از مدل های یادگیری ماشین مبتنی بر رگرسیون برای پیش بینی بهره گرفته شده است. در این پژوهش، به منظور استنتاج بهتر، نتایج پیش بینی روش های یادگیری ماشین با روش اقتصادسنجی ARIMA نیز مورد مقایسه قرار گرفته است. نتایج حاصل از پیاده سازی نشان می دهد که پیش بینی مدل های مذکور از لحاظ معیارهای ارزیابی مانند جذر میانگین مجذور خطا، میانگین قدرمطلق خطا، میانگین قدرمطلق درصد خطا، دارای دقت مناسبی است و بیانگر این است که تکنیک های هوش مصنوعی هم می توانند دو شاخص اقتصادی مذکور و تأثیر متقابل آن ها بر یک دیگر را پیش بینی کنند. 

جابه جایی کالا جزء ضروری و لاینفک فرآیند برنامه ریزی توسعه ملّی است؛ هدف پژوهش حاضر، پیش بینی و پایش میزان تُن کیلومتر و بارنامه حمل شده کشور به منظور تشخیص رفتار غیرعادی است. در این پژوهش برای گردآوری داده ها از مشاهده ماهانه به دست آمده طی 6 سال (1395 تا 1400) که توسط «سازمان راهداری و حمل ونقل جاده ای ایران» به تفکیک هر استان جمع آوری شده، استفاده شده است. در این پژوهش تُن کیلومتر با روش های مختلف تن-کیلومتر و بارنامه پیش بینی شده و نتیجه برای یافتن رفتار غیرعادی پس از افزایش نرخ بهره و مالیات کنترل می شود. برای پیاده سازی مدل، از 72 داده تُن کیلومتر حمل شده و 72 بارنامه صادرشده که از 32 استان طی شش سال حمل ونقل جاده ای جمع آوری شده است، استفاده شد. چهار روش مختلف پیش بینی، یعنی جنگل تصادفی، شبکه عصبی LSTM، ARIMA و ETS به تفصیل بررسی شدند. نتایج تجربی نشان می دهد که جنگل تصادفی از سایر مدل ها بهتر عمل می کند. در این پژوهش از ابزار کنترل کیفیت آماری امتیاز z برای تشخیص داده های پرت و رفتار غیرعادی استفاده شد. نتایج تجربی حاکی از آن است که از 32 استان، 3 استان دارای رفتار غیرعادی هستند که یکی از آن ها به دلیلی غیر از افزایش نرخ بهره و مالیات حمل ونقل جاده ای است.

هدف: فاما (۱۹۷۰) نشان داد بازارهای سهام کارایی ضعیفی دارند و از مدل گام تصادفی پیروی می کنند و به همین دلیل، سرمایه گذاران با استفاده از داده های گذشته، نمی توانند به بازده غیرعادی دست یابند؛ از این رو دانستن این موضوع که قیمت سهام از چه فرایندی پیروی می کند، اهمیت زیادی دارد. سهام شرکت های فعال در صنایع پالایشی و پتروشیمی، به دلیل سودآوری، توزیع سود نقدی و بازدهی مناسب، از محبوبیت بالایی برخوردارند. همچنین برخی فعالان، شرکت های پتروپالایش را پیشروهای بازار تلقی می کنند و بر اثرگذاری آن ها روی روند بازار تأکید دارند. از این رهگذر، هدف این مقاله، آزمون فرضیه گام تصادفی یا کارایی ضعیف قیمت روزانه سهام شش شرکت پتروشیمی و سه شرکت پالایشی است. روش: انتخاب شرکت ها، بر اساس نمونه گیری هدفمند و بر مبنای معیارهای ارزش بازار و معاملات، شناوری سهم و بزرگی شرکت است. این معیارها احتمال شکل گیری رفتار توده وار را کاهش می دهد و شناسایی بهتر الگوی رفتاری میسر می شود. برای آزمون فرضیه گام تصادفی، در مرحله نخست آزمون های ریشه واحد دیکی فولر گسترش یافته (ADF) با رویکرد دولادو و همکاران (1990) و همیلتون (1994) و همچنین، آزمون ریشه واحد با شکست ساختاری درون زای زیووت و اندروز (ZA) انجام گرفت. با توجه به نتایج مرحله نخست، در مرحله دوم برای کنترل نوسان ها و اثرهای اهرمی در ارزیابی کارایی ضعیف، از رویکرد گارچ (1و1) و گارچ نمایی بهره گرفته شد. برای انجام آزمون فرضیه کارایی ضعیف، از داده های روزانه قیمت سهام (تعدیل شده) استفاده شد. یافته ها: نتایج آزمون ریشه واحد دیکی فولر و شکست ساختاری درون زای زیووت و اندروز، نشان داد که از میان ۹ شرکت پتروپالایش، ۶ شرکت نوری، پارسان، پارس، تاپیکو، شپنا و شتران، از گام تصادفی خالص (کارای ضعیف) و ۳ شرکت فارس، شپدیس و شبندر نیز، از گام تصادفی با عرض از مبدأ (نبود کارایی ضعیف) پیروی می کنند. افزون بر این، نتایج مدل های گارچ و گارچ نمایی نشان داد که برای هر ۷ شرکت، رابطه مثبت بین ریسک و بازده برقرار است. همچنین، شوک های نوسان ها در ۴ شرکت فارس، نوری، پارس و تاپیکو، کاملاً پایدار است (کارایی ضعیف). در مقابل، شوک های وارده بر ۳ شرکت پارسان، شپدیس و شتران موقتی است و با گذشت زمان، اثر این شوک ها از بین می رود و قیمت به متوسط بلندمدت تعدیل می شود (نبود کارایی ضعیف). شواهد تأیید می کند که در ۷ شرکت، نوسان های ناشی از اخبار منفی (بد)، بیش از نوسان های ناشی از همان سطح اخبار مثبت (خوب) است. نتیجه گیری: با توجه به یافته های دو مرحله، شرکت های نوری، پارس، تاپیکو و شپنا، کارایی ضعیفی دارند؛ یعنی رفتار قیمت سهام این شرکت ها پیش بینی کردنی نیست. در مقابل شرکت های پارسان، شپدیس، شتران، فارس و شبندر کارایی ضعیفی را نشان نمی دهند؛ به این معنا که می توان رفتار قیمت سهام آن ها را پیش بینی کرد. پیامدهای نتایج این مقاله، برای سرمایه گذاران در بازار سهام ایران ضروری است. فعالان بازار می توانند در خصوص هر سهامی که کارا نیست و تاحدی الگوی رفتاری آن ها پیش بینی کردنی است، مدل سازی مناسبی انجام دهند و بینشی در خصوص قیمت های آینده آن ها به دست آورند و سود کسب کنند.

در روند توسعه ی شهری بسیاری از زمین های کشاورزی اطراف و حاشیه شهرها تغییر کاربری یافتند و از طرفی مکان گزینی و توسعه ی بی برنامه شهرها در بسیاری از موارد منجر به نادیده گرفتن مخاطرات طبیعی گردید و مخاطرات طبیعی از عوامل تهدیدکننده ی امنیت شهرها هستند که یکی از مهم ترین این مخاطرات طبیعی، زلزله است. پژوهش حاضر با هدف بررسی و پیش بینی تغییرات کاربری اراضی با تأکید بر زلزله در شهر نیشابور انجام گرفته است که از نظر هدف، کاربردی بوده و از تصاویر سنجنده ی ETM مربوط به سال های ۲۰۰۰ و ۲۰۰۹ و سنجنده ی OLI مربوط به سال 2018 از ماهواره ی لندست بهره گیری شده است و برای تجزیه وتحلیل داده ها در محیط نرم افزاری Arc GIS استفاده گردید. همچنین از مدل IDW جهت پهنه بندی، از مدل AHP < /span>برای وزن دهی نظرات کارشناسان و برای پیش بینی توسعه ی شهر تا سال 2030 از مدل زنجیره ی مارکوف و CA مارکوف استفاده شد. نتایج تحقیق نشانگر آن است که سمت توسعه ی آینده ی شهر نیشابور بیش تر تمایل به سمت شمال و شمال شرق دارد؛ درحالی که محدوده ی مذکور در پهنه ی خطر متوسط زلزله قرار دارد و جنوب و جنوب غربی شهر در پهنه ی خطر کم بوده، درحالی که سمت توسعه ی آینده نخواهد بود و تا سال 1409 (2030 میلادی) بهترین جهت برای توسعه ی شهر به سمت جنوب و جنوب غربی است. به طورکلی قسمت شمالی شهر که عمده محدوده ی شهر و سمت توسعه ی شهر است، دارای خطر بیش تری است؛ چراکه در پهنه زلزله های با عمق کم قرار بوده و در پهنه ی زلزله های بیش از 7/4 ریشتر بوده و فاصله ی کم تری را با گسل های فعال دارد و سمت جنوب که سمت توسعه ی شهر هم نیست دارای خطرات احتمالی کم تری است

هدف: هدف اصلی این پژوهش، مدل سازی داده های دمای ایستگاه سینوپتیک تبریز به کمک مدل آماری میانگین متحرک خودهمبسته یکپارچه با پوشش زمانی 2020-1951 بود.روش و داده: ابتدا پیش پردازش بر روی داده های مورد مطالعه صورت گرفت، در گام بعدی به منظور تجزیه و تحلیل یک سری زمانی و ساختن یک الگوی مناسب از سه روش باکس - کاکس، روش تفاضل گیری مرتبه یک و روش حداقل مربعات برای ایستاسازی استفاده شد تا بر اساس نمودارهای ACF و PACF، کمینه معیار اطلاع آکائیک (AIC) و معیار اطلاع بیزی (BIC) در مورد بهترین الگو تصمیم گیری شود. در ادامه به منظور اطمینان از مناسب بودن بهترین مدل انتخاب شده، از نمودارهای احتمال نرمال، نمودار باقی مانده ها در برابر زمان، ACF و PACF و آزمون کلموگروف - اسمیرنف و معیارهای ارزیابی (MAE)، (MSE)، (RMSE) و (NRMSE) نیز استفاده گردید.یافته ها: ضمن این که مدل های سری زمانی روش مناسبی در مدل سازی پارامترهای اقلیمی هستند، با بررسی کارایی روش های ایستاسازی باکس کاکس، تفاضلی مرتبه یک و حداقل مربعات برای داده های دما به صورت موردی برای ایستگاه سینوپتیک تبریز مشخص شد که روش تفاضلی مرتبه یک به دلیل دارا بودن کمترین شیب خط برازش و حذف کامل خودهمبستگی میان مقادیر دما بهترین روش ایستاسازی برای داده های دمای سالانه ایستگاه سینوپتیک تبریز است.نتیجه گیری: نتایج این پژوهش نشان داد که مدل  ARIMA(0,1,1)Con  مناسب ترین مدل برای پیش بینی دما برای سال های آتی است. لذا دمای متوسط سالیانه ایستگاه سینوپتیک تبریز در 18 سال آینده روند افزایشی خواهد داشت.نوآوری، کاربرد نتایج:  با توجه به پیشینه مطالعات صورت گرفته و ضرورت آگاهی از وضعیت دما در تحقیقات مختلف روش های منفرد متفاوتی از جمله روش های تفاضل گیری، حداقل مربعات، تبدیل باکس - کاکس که هر یک به روش خاصی عوامل ناایستایی را حذف می کنند برای حذف روند استفاده شده بود. اما در تحقیق پیش رو، کارایی روش های مختلف ایستاسازی به منظور حذف روند، به طور هم زمان به صورت موردی برای ایستگاه همدید تبریز مورد ارزیابی قرار گرفت، تا با ارزیابی عملکرد روش های مختلف ایستاسازی داده ها و مدل های مختلف خانواده  ARIMA الگوی مناسب جهت پیش بینی دما تعیین گردد و تصویر واضح تری از شرایط دما در آینده حاصل گردد و نتایج آن بتواند در برنامه ریزی های مرتبط مورد استفاده قرار گیرد.

پیش بینی بزرگا و محل وقوع زلزله تأثیر زیادی در کاهش خسارت های ناشی از این پدیده خواهد داشت؛ زیرا پیش بینی محل وقوع زلزله های احتمالی موجب بهسازی و مقاوم سازی تأسیسات و زیرساخت ها در این مکان ها و کاهش آسیب پذیری آنها خواهد شد. بر همین اساس، در پژوهش حاضر کوشش شده است تا با استفاده از الگوریتم شبکه های هوشمند عصبی مصنوعی بزرگی و محل وقوع لرزه های احتمالی در محدوده خطوط ریلی استان هرمزگان پیش بینی و تحلیل شود. بدین منظور پژوهشگاه بین المللی زلزله شناسی و مهندسی زلزله از موقعیت مکانی، بزرگا و عمق زلزله های ثبت شده در محدوده مطالعاتی و نیز از طول گسل های موجود در منطقه به عنوان متغیرهای ورودی به مدل شبکه عصبی پرسپترون چند لایه استفاده کرده است. نتایج پژوهش نشان می دهد که در منطقه مطالعاتی 31 نقطه برای وقوع لرزه های احتمالی پیش بینی شده است که نهایت بزرگای محتمل برای این نقاط 3/4 و 2/5 ریشتر خواهد بود. بر همین اساس، پهنه بندی استان هرمزگان براساس لرزه های پیش بینی شده حاکی از آن است که بخش های جنوبی و مرکزی استان (شمال تنگه هرمز) در پهنه با خطر زیاد قرار دارند که موجب آسیب پذیری بیشتر خطوط ریلی در این بخش از استان خواهند شد. همچنین، تونل شماره 23 در محدوده پرخطر (در منطقه نهایت بزرگای محتمل) قرار دارد و نیز تونل 21، 22، 23 به زلزله های با بزرگای بیش از 5 ریشتر بسیار نزدیک است.

مقدمه:  رفتارهای وندالی جوانان در مدارس مسئله جدی بوده و امروزه، پیش بینی، شناسایی و ارزیابی خطر رفتارهای وندالی و به کارگیری برنامه های پیشگیرانه بر آن اساس، از اهمیت ویژه ای برخوردار است.هدف:  تفاوت های مکانی رفتارهای وندالی دانش آموزان در ناحیه 2 شهر رشت نیز هدف این پژوهش است.روش شناسی:  این پژوهش از نوع توصیفی-تحلیلی و طبق جدول مورگان 377 نفر بعنوان نمونه انتخاب شدند. پایایی و روایی پرسشنامه با آزمون آلفای کرونباخ و HTMT برابر با 873/0 و با 27/0- محاسبه و برای تحلیل رفتارهای وندالی از آماره های مکانی استفاده شد.قلمرو جغرافیایی پژوهش:  این پژوهش در مدارس ناحیه 2 شهر رشت انجام شده است.یافته ها و بحث:  تصادفی بودن 21 رفتار وندالی به استثنای "پاره کردن کتاب و دفتر همکلاسی ها" و "آتش زدن اموال مدرسه" با I موران جهانی و تصادفی بودن آنها به استثنای رفتار وندالی "پاره کردن کتاب و دفتر همکلاسی ها" با الگوی خوشه پایین توسط آماره G ثابت شد. نتایج آماره I موران محلی بیانگر رفتار وندالی "چیدن گل ها" و "پاره نمودن دفتر نمرات و حضور غیاب" در مدرسه دکتر شریعتی با الگوی LH و LL و رفتار وندالی "پاره کردن کتاب و دفتر همکلاسی ها"، "شکستن لوازم التحریر همکلاسی ها" با الگوی HH و HH در مدرسه شاهد امام حسین بودند. همچنین تحلیل نقاط داغ  نشان داد که نقاط داغ و سرد در سطوح مختلف اطمینان 90، 95 و 99 درصد در 11 رفتار وندالی وجود داشته و در 9 مورد باقیمانده تشکیل الگو بی معنی است.نتیجه گیری: در نتیجه تحلیل رفتارهای وندالی در مدارس ناحیه 2 رشت با آماره تحلیل نقاط داغ، نتایج دقیق تری از عدم همگنی مکانی رفتارهای وندالی ارائه کرد.

هدف از تدوین این مقاله، پیش بینی عرضه و تقاضای نیروی کار در ایران و سپس شکاف میان این دو تا سال 1430بوده و برای پیش بینی عرضه، نخست جمعیت به تفکیک سن با روش کوهورت تا سال 1430 برآورد شده، سپس با دو سناریو برای نرخ مشارکت نیروی کار جمعیت فعال یا عرضه نیروی کار پیش بینی شده است. سناریوی واقع بینانه که نرخ مشارکت نیروی کار را متناسب با روند «متوسط سال های تحصیل زنان» پیش بینی می کند، جمعیت فعال در سال 1430 را 35/30 میلیون نفر پیش بینی کرده، و از طرف دیگر، با استفاده از کشش تولیدی اشتغال و دو سناریو برای رشد اقتصادی ایران، تقاضا برای نیروی کار تا سال 1430 پیش بینی شده است. با فرض رشد اقتصادی متوسط 6/2 درصد در سال و کشش تولیدی 7/0، میزان تقاضا برای نیروی کار در سال 1430، حدود 26/40 میلیون نفر پیش بینی شده است. با سناریوی واقع بینانه برای نرخ مشارکت و سناریوی رشد اقتصادی سالانه 6/2 درصد، نتایج نشان می دهد که تا سال 1410، بیکاری در ایران وجود دارد هرچند که روند آن کاهشی است. در سال 1410، بیکاری به صفر می رسد؛ یعنی عرضه و تقاضا باهم برابر می شوند. از سال 1410 به بعد، مازاد تقاضای نیروی کار با روند افزایشی شروع خواهد شد؛ به طوری که در سال 1430، مازاد تقاضا برای نیروی کار به حدود 10 میلیون نفر می رسد. برای جذب مازاد تقاضای نیروی کار، سه پیشنهاد سیاستی ارائه شده است: اول، افزایش بهره وری؛ دوم، استفاده از نیروی کار خارجی و سوم، افزایش نرخ مشارکت اقتصادی زنان.  

آگاهی از میزان تقاضای انرژی برق در هر دوره، به منظور برنامه ریزی دقیق و اعمال سیاستگذاری های لازم، امری ضروری است.  از این رو، پیش بینی تقاضای آن، برای بخش های مختلف اقتصادی حائزاهمیت است.  در این مقاله به مطالعه ی تطبیقی روش های غیرخطی شبکه های عصبی مصنوعی و تبدیل موجک- شبکه ی عصبی و فرایند خطی  ARMAدر پیش بینی تقاضای روزانه برق در بازه ی زمانی یک تا ده گام به جلو پرداخته شده است.  نتایج حاصل از به کارگیری معیارهای سنجش RMSE و MAPE نشان داد که مدل های غیرخطی تبدیل موجک و شبکه ی عصبی پیشخور، نسبت به مدل ARMA،در پیش بینی روزانه تقاضای برق کشور از دقت بالایی برخوردار است.

   پیش بینی در بازارهای مالی همواره مورد توجه پژوهشگران و سرمایه گذاران بوده است. در این میان پیش بینی شاخص بازار از اهمیت ویژه ای برخوردار است، به طوری که همزمان با توسعه ی مدل های سری زمانی، روش های پیش بینی شاخص در بازارهای مالی نیز بسیار توسعه یافته اند. در این مقاله با استفاده از ترکیب خبرگان، مدلی برای پیش بینی شاخص بورس تهران ارائه گردیده است. نتایج این پژوهش نشان داد که مدل ارائه شده توانایی بالایی در مدل بندی و پیش بینی شاخص بورس تهران دارد. طبقه بندی JEL: C22 ،C48 ،C53

آب به عنوان یکی از مهمترین نیازهای بشر، در زندگی روزمره دارای نقش حیاتی است. آگاهی از میزان تقاضای مورد نیاز آب برای سیاست گذاری مدیریت تقاضا، از اهمیت ویژه ای برخوردار است. در این مطالعه مدلی ترکیبی (تلفیقی از مدل های خطی و غیر خطی) منطبق با شرایط و ساختار اقلیمی شهر تهران و متغیرهای موثر بر مصرف آب برای پیش بینی تقاضای کوتاه مدت آب شهری طراحی شده است. با کمک این مدل، تقاضای روزانه آب شهری برای 10 روز بعد بر اساس مدل های ARIMA، شبکه عصبی و مدل تلفیقی تبدیل موجک، پیش بینی شده است. سپس مقادیر پیش بینی شده هر یک از مدل ها، توسط معیار ارزیابی MAPE و R2 در پیش بینی گام به گام و مجموع 10 روز مورد ارزیابی قرار گرفته است. در نهایت برای تقاضای روزانه آب شهر تهران، مدل تلفیقی تبدیل موجک با خطای کم (دقت پیش بینی بالا) به عنوان مدل بهینه انتخاب شده است. طبقه بندی JEL:  C45 ،C53 ،D12 ،Q25

در بسیاری از مطالعات برای پیش بینی متغیرهای اقتصادی اغلب از روش های کمی مبتنی بر داده های سری زمانی یا مقطع زمانی استفاده می شود. مطالعات سری زمانی و مقطع زمانی ناهمگنی کشورها را کنترل نمی کنند و همواره ریسک به دست آورن نتایج و پیش بینی های اریب دار وجود دارد. داده های پانل اطلاعات و درجه آزادی بیشتری را فراهم می آورد که این امر موجب حصول نتایج و پیش بینی های دقیق تری می شود. با توجه به سهم قابل توجه خشکبار از صادرات غیرنفتی کشور، در این مطالعه از روش ترکیبی شبکه عصبی مصنوعی-پانل دیتا برای پیش بینی قیمت صادرات پسته، کشمش و خرما استفاده گردید و پس از آن عملکرد پیش بینی بر اساس معیارهای دقت با الگوی رگرسیونی (مدل جزء خطای دو طرفه) مورد مقایسه قرار گرفت. با استفاده از داده های مربوط به ده بازار مقصد برای هریک از خشکبار مورد بررسی طی دوره ی 91-1371، نتایج پژوهش نشان داد که رویکرد جدید و ترکیبی شبکه عصبی مصنوعی-پانل دیتا در پیش بینی قیمت صادرات پسته، کشمش و خرمای ایران در مقایسه با روش رگرسیونی دارای عملکرد بهتری است. لذا به صادرکنندگان، سیاست گذاران و محققین توصیه می گردد که از این روش در پیش بینی متغیرهای اقتصادی استفاده نمایند.

تقاضای پول یکی از متغیرهای اساسی اقتصاد است که در تعیین الویت ها و انتخاب سیاست های پولی مورد استفاده سیاستگذاران قرار می گیرد؛ زیرا اثرات سیاست های پولی از کانال رفتار تقاضای پول توسط بخش خصوصی به بخش واقعی اقتصاد منتقل می شود. بنابراین استفاده از تکنیک های پیشرو در زمینه پیش بینی این متغیر اساسی می تواند برای سیاستگذاران پولی راهگشا باشد. در این پژوهش رفتار تقاضای پول با تعریف محدود با استفاده از الگوریتمهای فاخته و کرم شب تاب شبیه سازی شده است. برای هر یک از این الگوریتم های تکاملی سه فرم تبعی خطی و درجه دو و نمایی در نظر گرفته شده است. سپس با بررسی دقت پیش بینی های داخل نمونه با استفاده از معیارهای مقایسه عملکرد مدل های رقیب، دقیق ترین مدل برای پیش بینی میزان تقاضای پول تا افق 1404 تحت سه سناریو خوشبینانه، بینابین و بدبینانه مورد استفاده قرار گرفته است. نتایج این پژوهش حاکی از دقت بیشتر الگوریتم فاخته در مقایسه با الگوریتم کرم شب تاب، انتخاب مدل نمایی به عنوان دقیق ترین مدل بررسی شده، رابطه مستقیم تقاضای پول با تولید ناخالص داخلی و نرخ ارز و رابطه غیرمستقیم با نرخ تورم است. همچنین رشد متوسط سالانه 11/23 ، 6/29 و 0/68 درصدی تقاضای پول به ترتیب در اثر وقوع سناریو خوش بینانه، بینابین و بدبینانه و کاهش تقاضای واقعی پول از سال 1401 در صورت بروز سناریو بدبینانه از نتایج دیگر این پژوهش هستند. یافته های حاصل از سناریوسازی نشان می دهد که کارایی و نتیجه تصمیمات مقامات پولی در همراهی با تقاضای پول به اتخاذ سیاست های مناسب در عرصه نرخ تورم و نرخ ارز وابسته است.

درادبیات اقتصادی رشد اقتصادی و پیش بینی روند آن به عنوان یکی از شاخص های مهم اقتصادی، نقش مهمی در سیاست گذاری و برنامه ریزی اقتصادی دارد و می تواند به سیاست گذاران در تصمیم گیری های آتی یاری رساند. هدف از این پژوهش نیز پیش بینی میزان تولید ناخالص داخلی بدون نفت به تفکیک بخش های اصلی اقتصاد (صنعت، کشاورزی و خدمات) و رشد اقتصادی بدون نفت تا سال1397 شمسی است. برای این منظور نیز با توجه به ساختار غیرخطی و همراه با عدم قطعیت داده های مربوط به ارزش افزوده بخش های اقتصادی، از الگوی غیرخطی مبتنی بر شبکه های عصبی– فازی تطبیقی (ANFIS) که به داده های کمتری نیاز دارد، استفاده شده است. دراین پژوهش، داده های فصلی مربوط به سه بخش اصلی اقتصاد و تولید ناخالص داخلی ایران از بهار 1385 تا نه ماهه نخست 1395 بکار گرفته شده است. مدل سازی شبکه عصبی- فازی در قالب سه مدل با توابع عضویت مختلف بررسی و نهایتاً با توجه به قدرت مدل ها در پیش بینی، درهر سه بخش به تفکیک، بهترین مدل انتخاب شده است. نتایج حاصل از داده های تست که مربوط به نه ماهه ی نخست سال 1395 بوده، دقت بالای مدل ANFIS درپیش بینی را نشان می دهند. میزان خطای مدل ها نیز با استفاده از معیارهای اندازه گیری خطا محاسبه ودرنهایت باتوجه به مقدارخطای هریک ازمدل ها، از الگوی منتخب برای پیش بینی مقادیر تولید برای 9 دوره ی روبه جلو استفاده شده است. با توجه به مقادیربدست آمده، رشد اقتصادی بدون نفت کشور درسال 1395 حدود 6 درصد برآورد شده که پیش بینی گردیده این مقدار در سال های 1396 و 1397 نیز به ترتیب حدود 2 و 5/3 درصد باشد.

یکی از مهم ترین مشکلات اقتصادی در ایران طی چند دهه اخیر پدیده ی تورم  بالا و دو رقمی است، به طوری که بهبود شرایط ناشی از وجود تورم بالا همواره یکی از اهداف مهم برنامه های توسعه کشور بوده است. دستیابی به این هدف مستلزم ایجاد ساز و کاری دقیق و هدفمند از فرآیند سیاستگذاری اقتصادی است که در شکل استاندارد خود، پیش بینی، هدف گذاری و تحلیل سیاستی را شامل می گردد. در این مطالعه از 108 متغیر فصلی در دوره زمانی96-1369 استفاده شده است. متغیرهای مورد استفاده شامل شاخص قیمت مصرف کننده به عنوان متغیر وابسته و 107 متغیر مستقل (پیش بینی کننده) بوده که در نه بلوک (بلوک قیمتی، بلوک تقاضا، بلوک دولت، بلوک خارجی، بلوک ستاده، بلوک پولی، بلوک مالی، بلوک انرژی و بلوک نیروی کار) به منظور استخراج عوامل گنجانده شده اند.از تحلیل مؤلفه ها ی اساسی برای استخراج عوامل با استفاده از تمامی متغیرها در هر بلوک استفاده شده است. علاوه بر این، وقفه های هر مدل با استفاده از BIC تعیین شده اند. همانند مطالعه کوپ و کوروبیلیس (2012) پیش بینی ها با سه افق کوتاه مدت(h=1)، افق میان مدت(h=4) و افق بلندمدت(h=8) در نظرگرفته شده است. هدف اصلی این مطالعه، مقایسه عملکرد پیش بینی مدل های DMA و DMS با BMA، BVAR، TVP و AR می باشد. به منظور ارزیابی عملکرد پیش بینی از مربع میانگین خطای پیش بینی ، قدرمطلق میانگین خطای پیش بینی، میانگین درصد قدرمطلق خطای پیش بینی، تورش خطای پیش بینی و واریانس خطای پیش بینی  و مجموع لگاریتم احتمالات پیش بینی استفاده شده است. علاوه بر این، به منظور مقایسه صحت پیش بینی از آزمون دیبولد-ماریانو (1995) استفاده شد. نتایج مطالعه نشان می دهد که پیش بینی مدل های گزینشی نمودن (DMS) و متوسط گیری الگوی پویا (DMA) نسبت به سایر روش های پیش بینی سنتی دارای عملکرد کاراتری برای نرخ تورم ایران هستند. یافته ها حاکی از آن است که در تمامی افق های پیش بینی، بلوک های پولی و قیمتی دارای بیشترین تعداد در استفاده از مدل بهینه در طول زمان بوده و کمترین تعداد نیز به بلوک دولت اختصاص داشته است.

تعیین الگوی تصمیم گیری مشتریان در خرید محصولات یکی از موارد مهم در بازاریابی است و هدف از مقاله، ارائه راهکار جدید در بازاریابی عصبی در پیش بینی انتخاب محصولات توسط مشتریان است. در این تحقیق سیگنال های مغزی از بیست وپنج نفر شرکت کننده با محدوده سنی 18 تا 38 سال در زمان مشاهده 14 محصول مختلف استفاده شده است که گروه اول شامل 10 مرد و 6 زن با گستره سنی 18 تا 23 سال، گروه دوم شامل 8 مرد و 5 زن با گستره سنی 25 تا 30 سال و گروه سوم شامل 7 مرد و 4 زن با گستره سنی 31 تا 38 سال بودند. برای انتخاب ویژگی در این مقاله الگوریتم جدیدی مبتنی بر هوش جمعی سالپ آشوبی ارائه شده است که می تواند با قدرت جستجوی بالا، ویژگی های مؤثر را مشخص نماید و برای پیش بینی نهایی از طبقه بندهای مختلف در قالب یادگیری چندتایی استفاده شده است. در مدل پیشنهادی، از روش طیف های مرتبه بالا در استخراج ویژگی ها از سیگنال مغزی استفاده شده که شامل بیش از هفتصد ویژگی است و سپس انتخاب ویژگی با الگوریتم هوش جمعی سالپ پیشنهادی تعداد ویژگی ها از 742 به 198 کاهش یافته است. نتایج نشان داده است که مدل پیشنهادی توانسته به طور میانگین در تشخیص انتخاب کاربران در همه محصولات دقت 99/75 درصد داشته باشد که نشان دهنده بهبود 75/3 درصدی نتایج نسبت به تحقیقات مشابه است.

این مقاله الگوهای برنامه ریزی و پیش بینی نیروی انسانی را که در قالب هفت طرح پژوهشی در ) نیازسنجی نیروی انسانی متخصص و سیاستگذاری توسعه منابع انسانی ) از طرح ملی هنگام تدوین برنامه سوم توسعه صورت گرفته است ، مورد بررسی قرار می دهد . هدف اصلی این مقاله ، بررسی و تطابق یافته های  طرح های مزبور با نتایج سرشماری عمومی نفوس و مسکن سال ۱۳۸۵ است . طرح های مذکور در حوزه پیش بینی نیروی انسانی متخصص با کم شماری و در پیش بینی نیروی انسانی کل با بیش شماری مواجه بوده اند. بسیاری از مطالعات انجام شده، پیشبینی رسمی یا الگوسازی تقاضا نیستند، بلکه پیشگویی های شهودی درباره آینده که باید انتظار خود را از آنها محدود کرد .

داده کاوی و کشف الگوها و دانش نهفته در داده های سیستم های آموزشی کمک شایانی به تصمیم گیرندگان عرصه آموزش عالی جهت بهبود فرآیند های آموزشی نظیر برنامه ریزی، ثبت نام، ارزیابی و مشاوره می نماید. هدف مقاله حاضر، دسته بندی و پیش بینی وضعیت تحصیلی دانشجویان با استفاده از تکنیک های داده کاوی است. در این مقاله سعی شده با استفاده از داده های دموگرافیک و سوابق تحصیلی دانشجویان و آماده سازی مناسب داده ها و با کمک تکینک های دسته بندی درخت تصمیم، رگرسیون لجستیک، نزدیکترین همسایگی و شبکه های عصبی مدل های مختلفی برای پیش بینی وضعیت تحصیلی دانشجویان در نیمسال آینده ارائه شود. در نهایت مقایسه ای میان نتایج حاصل از تکنیک های مختلف صورت گرفته و بهترین مدل ها در دسته بندی صحیح دانشجویان مدل نزدیکترین همسایگی و سپس شبکه های عصبی شناخته شده اند. بر همین اساس می توان مدل های پیشنهادی را به عنوان یک ابزار پشتیبان تصمیم گیری در سیستم های آموزشی مورد استفاده قرار داد.

دلفی روشی برای پیش بینی، تصمیم گیری و تولید دانش تخصصی حاصل از اجماع متخصصان است. اگر چه این روش در ابتدا بر اساس حدس و قضاوت کارشناسان و به منظور بررسی علمی نظرات کارشناسان نظامی مطرح گردید، اما با رعایت اسلوب و قواعد علمی، به تدریج وارد حوزه روش شناسی علمی شد. در روش دلفی، متخصصان تلاش می کنند تا با استناد به نظرات شهودی و استفاده از روش های پرسشنامه ای، دادن بازخوردهای مکرر و حفظ اصل گمنامی، در یک حوزه خاص یا در حل یک مسأله مشخص به اجماع برسند. در نگاه اول، به نظر می رسد که این روش شناسی، تنها نوعی قضاوت ذهنی و فاعلی جمعی از متخصصان باشد؛ اما در مقایسه با اظهارات فردی از اعتبار بالاتری برخوردار است و نتایج عینی تر و کاربردی تری را فراهم می کند؛ به علاوه، این روش در پیش بینی موضوعات مربوط به آینده، رسیدن به اجماع، ایجاد ایده های خلاقانه و پیش بینی تصمیمات استراتژیک دراز مدت در حوزه های مختلفی، از جمله علوم پزشکی، اجتماعی، رفتاری، مدیریتی و اقتصادی، قابل استفاده است. در پژوهش حاضر، ریشه های تاریخی، فرایند تحول، مزایا، تنگناها و روش شناسی این روش علمی مورد بررسی قرار گرفته است.

اهداف: با توجه به پیامدهای نامطلوب اقتصادی و اجتماعی ورشکستگی شرکت ها و اهمیت پیش بینی به موقع درماندگی مالی آنها برای انجام اقدامات اصلاحی، نگارنده در این پژوهش به بررسی پژوهش های مرتبط با مدل های پیش بینی درماندگی مالی و ورشکستگی در ایران و سایر کشورها می پردازد.روش: این مقاله پژوهشی مروری است که با بررسی 102 پژوهش در ایران و 298 پژوهش در سایر کشورها طی سال های 2023-1930، به تشریح نظریه ها و و تحلیل ماهیت، روند، ترکیب و گستره زمانی استفاده از مدل ها و تکنیک های پیش بینی درماندگی مالی و ورشکستگی می پردازد و پیشنهادهای اجرایی و پژوهشی نوینی را ارائه می کند.نتایج: نتایج پژوهش نشانگر روند افزایشی این پژوهش ها در ایران و روند کاهشی آن در سایر کشورها است. ترکیب مدل ها و تکنیک های به کاررفته در سایر کشورها متنوع تر از ایران است و مدل ها و تکنیک های هوشمند مبتنی بر محاسبات تکاملی به متداول ترین و دقیق ترین تکنیک ها تبدیل شده است. پیشنهادها نیز شامل تنوع بخشیدن به تکنیک های پیش بینی، تأکید بر مدل های مبتنی بر الگوریتم های محاسبات تکاملی، توجه به ضرورت پیش بینی های مجدد پس از بحران، توسعه مدل های ویژه برای شرکت های کوچک و متوسط، تفکیک معیارهای تشخیص درماندگی مالی و ورشکستگی در بورس تهران، انجام پیش بینی های پویا و توسعه مدل های تخصصی تر برای افزایش دقت پیش بینی ها است.نوآوری: نوآوری این پژوهش شامل ارائه بینش تحلیلی پویا، اطلاعاتی به روز تر و جامع تر، رفع نقایص منسوخ بودن و محدودیت موضوعی و زمانی پژوهش های قبلی، پوشش بهتر و بررسی جداگانه پژوهش های ایرانیان و مقایسه این پژوهش ها در ایران با سایر کشورها و ارائه توصیه هایی کاربردی و پژوهشی جدید براساسِ نتایج تحلیل جامع است.