: طراحی مدل تقاضای حمل و نقل بار در راه آهن ایران (رویکرد شبکه عصبی مصنوعی)

اقتصاد حمل و نقل رشته ای از علم اقتصاد است که در جریان تجزیه و تحلیل عوامل عرضه و تقاضا، شیوه استفاده بهینه و مطلوب از امکانات و سرمایه های حمل و نقل را برای رفع نیازهای حمل و نقل در زمان و مکان معین ارائه می دهد. حمل و نقل از ضرورت ها و اساس مبادلات بازرگانی و کلید توسعه اقتصادی و اجتماعی است. بنابراین نارسایی در حمل و نقل، رشد اقتصادی را متوقف ساخته و از کارایی بخش های اقتصادی می کاهد. در این پایان نامه با بررسی عوامل موثر بر تقاضای حمل و نقل ریلی بار به تخمین تابع تقاضای آن پرداخته شده است .عواملی را که بر تقاضای ریلی بار موثرند شناسایی شده و با استفاده از روش اقتصادسنجی ardl، معنی داری هر کدام از متغیرها بررسی شد. پس از شناخت عوامل موثر، با تلفیق عناصری که در روش اقتصادسنجی معنی دارند با روش شبکه عصبی، اثرات هر یک از این مورد بررسی قرار گرفت. در ابتدا یک معادله رگرسیون تقاضای حمل و نقل بار در ایران از طریق راه آهن، با استفاده از داده های فصلی دوره های بهار 1375 تا زمستان 1386 برآورد گردید. پس از انجام آزمون مانایی متغیرهای مدل، به برآورد معادلات رگرسیونی پرداخته شد. نتایج برآورد تقاضای حمل و نقل بار ریلی در ایران حاکی از آن است که متغیرهای میزان خالص بار ریلی جا به جا شده در کشور، تولید ناخالص داخلی به قیمت ثابت سال 1376 ، قیمت واقعی گازوئیل،کرایه حمل هر تن بار از طریق ریلی، کرایه حمل هر تن بار از طریق جاده ای و نسبت تعداد واگن های باری در گردش به تعداد ناوگان باری جاده ای در سطح 90 درصد از نظر آماری معنا دار می باشد.همچنین ضرایب تمامی متغیرها به جز متغیر lngdp دارای علامت مورد نظر می باشند.ضریب تولید ناخالص داخلی کشور را می توان به عنوان کشش درآمدی تقاضای بار ریلی درنظر گرفت. از سوی دیگر، انتظار تئوریک بر این بود که علامت این متغیر مثبت می بود، به طوری که با افزایش میزان درآمد در جامعه، تقاضا برای حمل بار و کالا از طریق راه آهن ، افزایش یابد اما نتایج، حاکی از این امر می باشد که حمل بار از طریق راه آهن، یک کالای پست در کشور محسوب می گردد به طوری که با توجه به معنادار بودن این متغیر، به ازای یک درصد افزایش در gdp کشور، تقاضای بار ریلی، 0.94 درصد کاهش یابد. بدین صورت باید به جای تمرکز بر حمل و نقل بار از طریق ریل، بر سایر طرق حمل بار تمرکز کرد. ضریب عبارت ecm(-1) که برابر 0.16- بوده، نشان می دهد که تعدیل از کوتاه مدت به بلند مدت به کندی صورت خواهد پذیرفت. در گام بعدی یک شبکه عصبی با مجموعه متغیرهای ورودی برگرفته شده از معادله رگرسیون و دو لایه پنهان، با تابع فعال سازی تانژانت هیپربولیک درنظر گرفته شد. در این مدل، متغیر خروجی، تقاضای حمل و نقل ریلی بار می باشد و یک تابع فعال سازی برای نرون های خروجی پذیرفته شد. در نهایت قدرت پیش بینی دو مدل برای دوره فصول مختلف سال 1386 با استفاده از معیارهای مختلف آماری انجام گرفت. نتایج ارزیابی قدرت پیش بینی بر اساس آماره دایبولد- ماریانو نشان می دهد که در مدل تقاضای حمل و نقل ریلی بار، مدل شبکه عصبی از مدل تخمین زده شده توسط ardl برتر است، اما این برتری معنی دار نمی باشد.