پیش بینی هزینه های اجتماعی ناشی از مصرف سوخت در بخش حمل و نقل ریلی با استفاده از مدل های ساختاری، سری زمانی و سیستم شبکه های عصبی-فازی

Authors: not saved
Abstract:

یکی از عوامل تاثیر گذار در توسعه مدل های مختلف حمل و نقلی، در نظر گرفتن هزینه های مستقیم و غیر مستقیم آن در برنامه ریزی کوتاه مدت، میان مدت و بلند مدت است. برخی از این هزینه ها به اجتماع وارد می شود که در ادبیات اقتصادی تحت عنوان آثار خارجی منفی محسوب می شود. مصرف سوخت در حمل ونقل یکی از عوامل اصلی ایجاد کننده این گونه هزینه ها است. هدف مقاله حاضر برآورد و پیش بینی هزینه های اجتماعی ناشی از مصرف سوخت در بخش حمل ونقل ریلی با استفاده از مدل های ساختاری، سری زمانی و مدل های غیر خطی شبکه عصبی-فازی است. برای این منظور لازم است که ابتدا میزان مصرف سوخت در بخش حمل ونقل ریلی پیش بینی شود. بر اساس میزان مصرف سوخت پیش بینی شده، هزینه های اجتماعی نیز تا سال 1390 پیش بینی می شود. نتایج حاکی از آن است که، مدل های شبکه عصبی-فازی بهترین پیش بینی  از این هزینه ها را ارایه می دهد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش بینی تورم ایران با استفاده از مدل های ساختاری ، سری های زمانی و شبکه های عصبی

امروزه ، پیش بینی متغیر های کلان اقتصادی از اهمیت ویژه ای برای سیاستگذاران و سایر واحد های اقتصادی برخوردار است. در نتیجه ، دردهه های اخیر ، مدل های پیش بینی گوناگونی توسعه یافته و به رقابت با یکدیگر پرداخته اند. اخیراً به موازات مدل های متداول قبلی مانند مدل های ساختاری و سری زمانی ، مدل های دیگری تحت عنوان شبکه های عصبی مصنوعی در زمینه پیش بینی متغیر های مالی و پولی بکار گرفته شده اند. این م...

full text

کاربردهای شبکه های عصبی در پیش بینی سری های زمانی

استفاده از روش های غیر کلاسیک در شناسایی مدل و پیش بینی رفتار سیستم های پیچیده، مدتهاست در محافل علمی و حتی حرفه ای متداول و معمول شده است. در بسیاری از سیستم های پیچیده و خصوصا غیر خطی که مدل سازی و به دنبال آن پیش بینی و کنترل آنها از طریق روش های کلاسیک و تحلیلی امری بسیار دشوار و حتی بعضا غیر ممکن می نماید، از روش های غیر کلاسیک که از ویژگی هایی همچون هوشمندی، مبتنی بر معرفت و خبرگی برخوردا...

full text

پیش بینی تورم ایران با استفاده از مدل های ساختاری ، سری های زمانی و شبکه های عصبی

امروزه ، پیش بینی متغیر های کلان اقتصادی از اهمیت ویژه ای برای سیاستگذاران و سایر واحد های اقتصادی برخوردار است. در نتیجه ، دردهه های اخیر ، مدل های پیش بینی گوناگونی توسعه یافته و به رقابت با یکدیگر پرداخته اند. اخیراً به موازات مدل های متداول قبلی مانند مدل های ساختاری و سری زمانی ، مدل های دیگری تحت عنوان شبکه های عصبی مصنوعی در زمینه پیش بینی متغیر های مالی و پولی بکار گرفته شده اند. این مدل...

full text

استفاده از مدل های سری زمانی، شبکه عصبی و ماشین بردار پشتیبان جهت پیش بینی دبی ورودی به سد گرگان

پیش­بینی مقادیر جریان ورودی به سیستم منابع آب به­منظور آگاهی از شرایط آینده و برنامه­ریزی برای تخصیص بهینه منابع آب به بخش­های مختلف از قبیل شرب، کشاورزی و صنعتی امری ضروری در مدیریت منابع آب می­باشد. هدف از پژوهش حاضر پیش­بینی مقادیر دبی ماهانه ورودی به سد گرگان برای آینده بود. بدین منظور از داده­های هیدرومتری ایستگاه قزاقلی با دوره­ آماری 47 سال و سه مدل سری­زمانی، شبکه عصبی و ماشین بردار پشت...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 11  issue 2

pages  71- 86

publication date 2009-06-22

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023