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
نویسندگان
چکیده
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.
منابع مشابه
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...
متن کاملکاربردهای 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...
متن کاملپیش بینی قیمت جوجه یکروزه گوشتی در ایران با استفاده از شبکه عصبی مصنوعی و مدل های سری زمانی
متن کامل
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...
متن کاملاستفاده 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...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
علوم و تکنولوژی محیط زیستجلد ۱۱، شماره ۲، صفحات ۷۱-۸۶
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023