ارزیابی عملکرد مدل هیبرید شبکه عصبی مصنوعی-خود توضیح جمعی میانگین متحرک (ARIMA-ANN) در پیش‌بینی صادرات زعفران ایران

زعفران ایران از لحاظ کمی و کیفی از جایگاه نمایانی در سطح بین‌المللی برخوردار است و با بهره‌گیری از ظرفیت موجود می‌توان درآمدهای صادراتی حاصل از آن را به طور قابل ملاحظه‌ای افزایش داد. از سوی دیگر، پیش‌بینی فروش بر اساس تجزیه‌وتحلیل سری زمانی یک عنصر بسیار مهم در طراحی و اجرای استراتژی‌های بازاریابی در عرصه‌ی بین‌المللی است. اما رویکردهای متداول پیش‌بینی با نادیده گرفتن ساختار خطی یا غیرخطی داده‌ها نتایج دقیقی را ارائه نمی‌دهند. لذا، هدف اصلی این مطالعه طراحی یک مدل هیبرید متشکل از دو روش شبکه عصبی مصنوعی (ANN) و خود توضیح جمعی میانگین متحرک (ARIMA) به منظور رفع نواقص و استفاده از ویژگی‌های منحصربه‌فرد هر یک از این مدل‌ها است. با استفاده از داده‌های مربوط به صادرات زعفران ایران طی دوره‌ی 1283-1392، نتایج مطالعه نشان داد که مدل هیبرید ARIMA-ANN در مقایسه با مدل‌های ARIMA و ANN از عملکرد بهتری در پیش‌بینی صادرات زعفران ایران برخوردار است. لذا، با توجه به کارایی شایان توجه مدل هیبرید ARIMA-ANN، استفاده از این مدل در تنظیم استراتژی‌های مربوط به صادرات در بازارهای جهانی زعفران و همچنین در پیش‌بینی متغیرهای سری زمانی توصیه می‌گردد.

In terms of quality and quantity, Iranian saffron has a considerable position at the international level. We can significantly increase our export earnings from saffron by taking advantage of the existing capacity. It should be noted that sales forecasting based on time series analysis is a very important element for the design and implementation of marketing strategies in the international arena. However, the conventional approaches to forecasting which rely on ignoring the linear (or nonlinear) structure of data do not provide accurate results. Therefore, the main objective of this study is to design a hybrid model consisting of two methods, artificial neural networks (ANN) and autoregressive integrated moving average (ARIMA), in order to use the unique features of the each of these methods and overcome the existing deficiencies. Using the data related to the export of Iranian saffron during the period of 1904-2013, the results of the study showed that the ARIMA–ANN hybrid model is stronger and has better performance than the ARIMA and ANN individual models in order to forecast Iranian saffron export. Therefore, given the considerable performance of the ARIMA–ANN hybrid model, the use of this model is recommended in developing strategies related to the export of saffron and also in the forecasting of variables for time series.