علی اصغر انواری رستمی - دانشیار دانشگاه تربیت مدرس تهران
غلامرضا میلانلو - مدیر کل سیر و حرکت راه اهن جمهوری اسلامی ایران
حمید عباسی - کارشناس ارشد مدیریت صنعتی و کارمند را آهن شمال شرق

در این پژوهش از شبکه های عصبی و الگوریتم ژنتیک به عنوان ابزاری توانمند در پیش بینی ورشکستگی شرکتها استفاده شده است. در این راستا برنامه ای در محیط نرم افزار مطلی (جهت اجرای روش شبکه های عصبی) و نرم افزار ژن اکسپروتولز (جهت اجرای برنامه ریزی ژنتیک) طراحی که ورودی آن نسبت های مالی شرکتهای حوزه حمل و نقل ریلی (8 نسبت مالی) بوده و خروجی پیش بینی ورشکستگی شرکتهای مورد نظر می باشد. از دیگر سو بدلیل اهمیت نوع و تعداد نسبت های مالی ورودی بعنوان متغیر مستقل بوسیله روش تحلیل سلسه مراتبی فازی نسبت های وزن دهی و 8 نسبت دارای بیشترین وزن جهت ورود انتخاب گردید همچنین جهت ایجاد تناسب در تعداد شرکتهای عضو از سری فیبوناچی استفاده گردید. نتایج بیانگر این است که مدلهای هوش مصنوعی دارای قابلیت بالایی در پیش بینی ورشکستگی مالی شرکتها می باشند و همچنین به دلیل ضرورت و اهمیت دقت در بالاترین سطح مشخص گردید که برنامه ریزی استراتژیک نسبت به شبکه های عصبی بسیار بهتر عمل نموده و از دقت بالاتری برخوردار است.

پیش بینی ، حمل و نقل ، شبکه های عصبی ، نسبت های مالی ، الگوریتم ژنتیک