نموذج تعلم آلي للتنبؤ بإنتاجية محطة حاويات ميناء عدن: تطبيق باستخدام آلات المتجهات الداعمة
AIN Journal · 01.07.2026 · 52 (2)
DOI: 10.59660/527213 ↗Kurz gefasst
Fachartikel in der Zeitschrift AIN Journal, online erschienen am 01.07.2026. Verfasst von محمد علوي أمزربه und 2 weiteren Autor:innen.
Abstract (Originalsprache)
تتناول هذه الدراسة تطوير نموذج تنبؤي لإنتاجية محطة حاويات ميناء عدن باستخدام تقنيات التعلم الآلي، وبخاصة آلات المتجهات الداعمة(SVM) ، بهدف تحليل مؤشرات الأداء التشغيلية للمحطة والتنبؤ باتجاهاتها المستقبلية. اعتمدت الدراسة على تحليل مجموعة من المتغيرات التشغيلية المرتبطة بأداء المحطة، مثل عدد الحاويات المعالجة، وعدد السفن الزائرة، وإنتاجية الأرصفة، ومعدل إشغال الأرصفة، ووقت دوران السفن، ووقت التخليص الجمركي، ورضا العملاء، وتكلفة مناولة الحاويات، مع إدراج العوامل الزمنية والموسمية وتأثير تطبيق نظام تشغيل المحطات (TOS). أظهرت النتائج أن نموذجSVM يتمتع بقدرة تنبؤية جيدة، حيث حقق أعلى دقة في التنبؤ بوقت التخليص الجمركي، كما أظهر قدرة مقبولة في تفسير رضا العملاء وبعض المؤشرات التشغيلية الأخرى. كما كشفت النتائج أن العوامل الموسمية تمثل المتغير الأكثر تأثيراً في معظم مؤشرات الأداء التشغيلية، في حين كان تأثير تطبيق نظام تشغيل المحطات محدوداً إحصائياً بسبب طبيعة البيانات. وتشير نتائج الدراسة إلى أهمية توظيف نماذج التعلم الآلي في دعم التخطيط التشغيلي والاستراتيجي للموانئ، وتحسين إدارة الموارد والتنبؤ بالتغيرات في الأداء اللوجستي، بما يسهم في تعزيز كفاءة تشغيل محطة حاويات ميناء عدن وزيادة قدرتها التنافسية ضمن شبكة النقل البحري الإقليمية والدولية.
Zitieren
APA
أمزربه, م. ع., هلال, ه., & الحداد, إ. ف. (2026). نموذج تعلم آلي للتنبؤ بإنتاجية محطة حاويات ميناء عدن: تطبيق باستخدام آلات المتجهات الداعمة. AIN Journal, 52(2). https://doi.org/10.59660/527213
Vancouver
أمزربه مع, هلال ه, الحداد إف. نموذج تعلم آلي للتنبؤ بإنتاجية محطة حاويات ميناء عدن: تطبيق باستخدام آلات المتجهات الداعمة. AIN Journal. 2026;52(2). doi:10.59660/527213
BibTeX
@article{2026,
author = {أمزربه, محمد علوي and هلال, هشام and الحداد, إيمان فاروق},
title = {نموذج تعلم آلي للتنبؤ بإنتاجية محطة حاويات ميناء عدن: تطبيق باستخدام آلات المتجهات الداعمة},
journal = {AIN Journal},
year = {2026},
volume = {52},
number = {2},
doi = {10.59660/527213}
}
EUVIMED