بررسی تقاضای مسافری در بخش حمل و نقل ریلی با استفاده از مدل های شبکه عصبی مصنوعی و سیستم استنتاج عصبی- فازی تطبیقی (مطالعه موردی: استان خوزستان)
محل انتشار: نخستین همایش بین المللی جامع مدیریت ایران
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 557
فایل این مقاله در 15 صفحه با فرمت PDF و WORD قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IUMC01_142
تاریخ نمایه سازی: 9 مرداد 1395
چکیده مقاله:
افزایش بیش از حد جمعیت و گسترش جوامع شهری در کشور های مختلف، توسعه بخش های مختلفی نظیر کشاورزی و صنعت را موجب گردیده که این امر ایجاد و توسعه هر چه بیشتر شبکه های حمل و نقل که حلقه ارتباطی بین بخش های مذکور می باشد را موجب گردیده است. حمل و نقل ریلی یکی ازشیوه های مطلوب برای جابجایی کالا و مسافر محسوب می شود. در صورتی که مطالعات فنی - اقتصادی و امکان سنجی مناسبی برای توسعه خطوط ریلی صورت گرفته باشد، توسعه خطوط ریلی اغلب دارای اثرات مطلوبی بر اقتصاد منطقه ای و ملی خواهد بود؛ هدف از ارائه این مقاله برآورد تقاضای حمل و نقل ریلی مسافر به کمک مدل-های شبکه عصبی مصنوعی پرسپترون چند لایه و سیستم استنتاج عصبی – فازی تطبیقی می باشد. برای این منظور از داده های راه آهن جمهوری اسلامی ایران استفاده گردید. در پایان برای ارزیابی دقت و درستی روش های مورد استفاده، معیار های آماری ضریب همبستگی و میانگین مجذور مربعات خطا مورد استفاده قرار گرفت. یافته ها نشان داد که مدل پرسپترون چند لایه تقاضای سفر را با دقت قابل قبول تری برآورد می نماید.
کلیدواژه ها:
تابع تقاضا ، حمل و نقل ، مسافر ، شبکه عصبی مصنوعی پرسپترون چندلایه ، سیستم استنتاج عصبی – فازی تطبیقی
نویسندگان
سمیرا رستمی
دانشجوی کارشناسی ارشد، دانشکده اقتصاد و مدیریت دریا، دانشگاه علوم و فنون دریایی خرمشهر، خرمشهر
سیدناصر سعیدی
استادیار دانشکده اقتصاد و مدیریت دریا، دانشگاه علوم و فنون دریایی خرمشهر، خرمشهر.
همایون یوسفی
استادیار دانشکده اقتصاد و مدیریت دریا، دانشگاه علوم و فنون دریایی خرمشهر، خرمشهر.
محمد یوسفی کیا
مربی دانشکده فنی و مهندسی دریا، دانشگاه علوم و فنون دریایی خرمشهر، خرمشهر
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :