Сайдуллоев Инъомджон Иноятович

Аннотация: 

В статье рассматривается применение методов предиктивного моделирования в модуле «Green Logistics» — программной платформе, разработанной для компании ООО «Мавсим и К» в целях повышения экологической устойчивости логистических процессов. Автор исследует эффективность использования логистической регрессии для задач бинарной классификации, связанных с оптимизацией маршрутов, прогнозированием выбросов и определением экологичности транспортных операций. Проведено сравнение логистической регрессии с линейной, ridge и LASSO-регрессией, что позволяет выявить различия в функциях стоимости, предпосылках моделей и особенностях применения. На основе анализа предлагается гибридный подход, объединяющий логистическую регрессию и искусственные нейронные сети. Такой подход использует коэффициенты логистической регрессии как начальные веса для улучшения распознавания нелинейных зависимостей и повышения точности прогнозов. Результаты показывают, что гибридная модель обеспечивает рост точности на 8–10% по сравнению с традиционными методами, особенно в задачах идентификации маршрутов с низким уровнем выбросов. В статье также рассматриваются метрики оценки (accuracy, precision, recall, F1-score), подтверждающие эффективность предложенного решения. Представленный подход способствует развитию устойчивой логистики, улучшению планирования транспортных операций и снижению негативного экологического воздействия.

Ключевые слова: зелѐная логистика, предиктивное моделирование, логистическая регрессия, LASSO, ridge-регрессия, нейронные сети, гибридные модели, оптимизация маршрутов, снижение выбросов, устойчивые транспортные операции.