مدل سازی و پیش بینی رشد اقتصادی با تحلیل سری های زمانی غیرخطی

پیش بینی صحیح رشد اقتصادی در سیاست گذاری ها و برنامه ریزی های بلند مدت توسعه ی پایدار نقش مهمی را ایفا می کند. یکی از مسائل مهم در پیش بینی سری های زمانی استفاده از روش هایی جهت شناسایی الگوهای زمانی با هدف کنترل پیچیدگی ها و بهینه سازی خطای حاصل از پیش بینی می باشد. در این تحقیق تحلیل سری های زمانی تولید ناخالص داخلی جهت پیش بینی مسیر حرکت رشد اقتصادی با استفاده از روش شبکه عصبی مصنوعی بیزی، برای انعطاف بیشتر مدل غیر خطی در برخورد با پیچیدگیهای مسئله و انطباق بیشتر با شرایط واقعی انجام خواهد گرفت. در ادامه با استفاده از ترکیب الگوریتم های فراابتکاری ژنتیک در آموزش شبکه به بهبود کارایی مدل در مقایسه با نتایج روش های قدیمی تر پرداخته می شود. در تخمین مدل از داده های دوره ی 1371 تا 1392 استفاده گردید و سپس کارایی آن برای داده های فصلی 1393 تا دو فصل اول 1395 با استفاده از معیار sse و mse بررسی گردید. نتایج نشان می‌دهد که اصلاح پیچیدگی های در آموزش شبکه نقش بسزایی در بهینه سازی خطای مدل خواهد داشت.