پیش بینی و پایش میزان تن کیلومتر و بارنامه حمل شده جاده ای کشور به منظور تشخیص رفتار غیرعادی
محل انتشار: مجله چشم انداز مدیریت صنعتی، دوره: 13، شماره: 4
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 22
فایل این مقاله در 25 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_INDU-13-4_008
تاریخ نمایه سازی: 29 فروردین 1403
چکیده مقاله:
جابه جایی کالا جزء ضروری و لاینفک فرآیند برنامه ریزی توسعه ملی است؛ هدف پژوهش حاضر، پیش بینی و پایش میزان تن کیلومتر و بارنامه حمل شده کشور به منظور تشخیص رفتار غیرعادی است. در این پژوهش برای گردآوری داده ها از مشاهده ماهانه به دست آمده طی ۶ سال (۱۳۹۵ تا ۱۴۰۰) که توسط «سازمان راهداری و حمل ونقل جاده ای ایران» به تفکیک هر استان جمع آوری شده، استفاده شده است. در این پژوهش تن کیلومتر با روش های مختلف تن-کیلومتر و بارنامه پیش بینی شده و نتیجه برای یافتن رفتار غیرعادی پس از افزایش نرخ بهره و مالیات کنترل می شود. برای پیاده سازی مدل، از ۷۲ داده تن کیلومتر حمل شده و ۷۲ بارنامه صادرشده که از ۳۲ استان طی شش سال حمل ونقل جاده ای جمع آوری شده است، استفاده شد. چهار روش مختلف پیش بینی، یعنی جنگل تصادفی، شبکه عصبی LSTM، ARIMA و ETS به تفصیل بررسی شدند. نتایج تجربی نشان می دهد که جنگل تصادفی از سایر مدل ها بهتر عمل می کند. در این پژوهش از ابزار کنترل کیفیت آماری امتیاز z برای تشخیص داده های پرت و رفتار غیرعادی استفاده شد. نتایج تجربی حاکی از آن است که از ۳۲ استان، ۳ استان دارای رفتار غیرعادی هستند که یکی از آنها به دلیلی غیر از افزایش نرخ بهره و مالیات حمل ونقل جاده ای است.
کلیدواژه ها:
نویسندگان
امیرعلی اقتصاد
کارشناس ارشد، گروه مهندسی صنایع، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
عباس سقایی
استاد، گروه مهندسی صنایع، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
امیر عزیزی
استادیار، گروه مهندسی صنایع، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
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 :