• شماره ركورد
    27051
  • پديد آورنده

    محمد باقري

  • عنوان
    تحليل و پيش‌بيني عملكرد باري راه‌آهن ايران در طول همه‌گيري كرونا
  • مقطع تحصيلي
    كارشناسي ارشد
  • رشته تحصيلي
    مهندسي حمل و نقل ريلي
  • تاريخ دفاع
    1401/06/21
  • استاد راهنما
    دكتر ملودي خادم ثامني
  • دانشكده
    مهندسي راه آهن
  • چكيده
    پيش بيني دقيق حجم ترافيك ريلي براي برنامه ريزي، بهره برداري و تصميم گيري بسيار مهم است. با شيوع همه گيري كرونا در دي ماه 1398، بخش هاي زيادي در جهان تحت تأثير اين ويروس قرار گرفته اند. بخش حمل‌ونقل يكي از بخش‌هايي است كه تحت تأثير اين چالش جهاني قرار مي‌گيرد. هدف اصلي اين پژوهش، بررسي تأثير همه‌گيري كرونا بر بخش بار در سيستم حمل‌ونقل ريلي ايران است. در اين پژوهش، داده‌هاي فصلي 10ساله پارامترها (1389-1398) براي انجام اين مطالعه جمع آوري شد. سه مدل رگرسيون خطي چندگانه، شبكه عصبي پرسپترون و سري‌ زماني هولت‌وينترز برازش شد و با ميانگين‌گيري روش‌هاي فوق، مدل تركيبي چهارم كاليبره شد. سپس با توجه به نتايج بهترين مدل (شبكه عصبي)، تقاضاي بار سيستم حمل و نقل ريلي پيش‌بيني شد و مشاهده شد عملكرد حمل‌ونقل بار ريلي در دوره كرونا با رشد مواجه شده است.
  • تاريخ ورود اطلاعات
    1401/07/06
  • عنوان به انگليسي
    Analysis and forecasting of freight performance of Iran's railways during the covid-19 pandemic
  • تاريخ بهره برداري
    9/12/2023 12:00:00 AM
  • دانشجوي وارد كننده اطلاعات

    محمد باقري

  • چكيده به لاتين
    Accurate forecasting of rail traffic volume is very important for planning, operation and decision making. With the start of the Covid-19 pandemic at the end of December 2019, many sectors in the world have been affected by this virus. Transportation sector is one of the major sectors to be affected by this global challenge. The main goal of this research is to investigate the impact of the Covid-19 pandemic on the freight sector of Iran's rail transport system. In this study, 10-year data of the parameters (2010-2019)were collected to conduct this study. Three models of multiple linear regression, perceptron neural network and Holt-Winters time series were fitted and by averaging the above methods, the forth combined model was developed. Then, according to the results of the best model (neural network), the freight demand of the rail transportation system was forecasted which shows overall increase of 3.6% in freight transportation performance.
  • كليدواژه هاي فارسي
    همه‌گيري كرونا , حمل و نقل باري ريلي , رگرسيون خطي , شبكه عصبي , هولت وينترز
  • كليدواژه هاي لاتين
    Covid-19 , railway freight , Holt-Winters , neural network , linear regression
  • Author
    Mohamad Bagheri
  • SuperVisor
    Melody Khadem Sameni