اهمیت بقای نسل گونههای نادر و حفظ تنوع زیستی کشور برای آیندگان و چرخه اکوسیستم با وجود محدودیتهای منابع آب سطحی لزوم برنامهریزی منابع آبی را نشان میدهد. مولفه مهم در بهینهسازی و مدیریت آب سطحی، پیش بینی های بلندمدت و کوتاه مدت جریان رودخانه است. پژوهش حاضر ب أکثر
اهمیت بقای نسل گونههای نادر و حفظ تنوع زیستی کشور برای آیندگان و چرخه اکوسیستم با وجود محدودیتهای منابع آب سطحی لزوم برنامهریزی منابع آبی را نشان میدهد. مولفه مهم در بهینهسازی و مدیریت آب سطحی، پیش بینی های بلندمدت و کوتاه مدت جریان رودخانه است. پژوهش حاضر به منظور دستیابی به این مهم به مقایسه عملکرد دو مدل شبکه بیزینBN و شبکه عصبی MLP، طی هفده الگوی ساختاری پرداخت. سپس مقادیر زیستمحیطی و شرایط زیستی آبزیان بررسی شد. داده های ماهانه هواشناسی و همچنین حجم آب انتقالی از پنج ایستگاه هیدرومتری ورودی به سد طالقان از سال 1385 تا 1397 بهعنوان داده ورودی به مدلها معرفی گردید و رواناب ورودی به سد بهعنوان پیش بینی شونده لحاظ شد. در مرحله بعد با استفاده از روش هیدرولوژیک تنانت دبیهای زیستمحیطی محاسبه گردید و احتمال وقوع این دبیها در دادههای ثبتی و هفده الگو در محیط نرم افزار Easyfit محاسبه شد. سپس مقایسه الگوهای منتخب با توجه به احتمال وقوع و معیارهای شاخص، ضریب نش- ساتکلیف، جذر خطای میانگین مربعات و متوسط خطای پیشبینی مطلق انجام شد. با وجود 43/3 درصد تشابه بهترین الگو مدل BN در برابر 80 درصد تشابه در مدل MLP، مدل BN با معیار شاخص بهتر (3/98- ، 17/3 و 0/06) در مقابل مقادیر شاخص در مدل MLP (23/9 ،-10/3 و 122/3) دقت بهتری داشته است. همچنین مشخص شد حوضه با خطر زیستمحیطی مواجه است، زیرا مقادیر پیشنهادی برای جریان زیستمحیطی در بعضی از ماهها در طول دوره مطالعاتی از کل رواناب بیشتر بوده است.
تفاصيل المقالة
چکیده زمینه و هدف: منابع آب زیرزمینی در کنار آبهای سطحی تأمینکننده نیاز بخشهای شهری، صنعت و کشاورزی است که علاوه بر کمیت، کیفیت آنها نیز باید بررسی شود. شورییکی از مهمترین پارامترهایی است که برای ارزیابی کیفیت آبهای زیرزمینی در نظر گرفته میشود. روش بررسی: در ا أکثر
چکیده زمینه و هدف: منابع آب زیرزمینی در کنار آبهای سطحی تأمینکننده نیاز بخشهای شهری، صنعت و کشاورزی است که علاوه بر کمیت، کیفیت آنها نیز باید بررسی شود. شورییکی از مهمترین پارامترهایی است که برای ارزیابی کیفیت آبهای زیرزمینی در نظر گرفته میشود. روش بررسی: در این پژوهش کاربرد مدلهای شبکه عصبی مصنوعی و شبکه بیزین جهت پیشبینی هدایت الکتریکی8 چاه مشاهداتی دشت مازندران مورد بررسی قرار گرفت. که برای این منظور هیدروژن کربنات، کلرید، سولفات، کلسیم و منیزیم در مقیاس زمانی ماهانه طی دوره آماری (1383-1393) بهعنوان ورودی و هدایت الکتریکی بهعنوان پارامتر خروجی انتخاب شد.معیارهای ضریب همبستگی، میانگین قدر مطلق خطا و ضریب نش ساتکلیف برای ارزیابی و عملکرد مدل مورداستفاده قرار گرفت. یافتهها: نتایج نشان داد مدل شبکه عصبی مصنوعی با ضریب همبستگی (989/0)، میانگین قدر مطلق خطا(ds/m019/0) و نیز معیار نش ساتکلیف(970/0) در مرحله صحت سنجی در اولویت قرار گرفت بحث و نتیجهگیری: در مجموع نتایج حاکی از توانمندی قابلقبول مدل شبکه عصبی مصنوعی در تخمین هدایت الکتریکی آبهای زیرزمینی است.
تفاصيل المقالة
زمینه و هدف: ارزیابی ریسک محیط زیستی (ERA) ابزاری مهم در راستای دستیابی به توسعه پایدار به شمار می رود. هدف از این تحقیق کاربرد روش مدل سازی بیزین مبتنی بر ساختار سلسله مراتبی به منظور اولویت بندی، ارزیابی و ارائه راهکارهای مدیریتی به جهت کاهش خطرات ناشی از ریسک های محی أکثر
زمینه و هدف: ارزیابی ریسک محیط زیستی (ERA) ابزاری مهم در راستای دستیابی به توسعه پایدار به شمار می رود. هدف از این تحقیق کاربرد روش مدل سازی بیزین مبتنی بر ساختار سلسله مراتبی به منظور اولویت بندی، ارزیابی و ارائه راهکارهای مدیریتی به جهت کاهش خطرات ناشی از ریسک های محیط زیستی سد طالقان می باشد. روش بررسی: در روش اول ارزیابی ریسک محیط زیستی سد طالقان با استفاده از شبکه بیزین(BN) و بهره گیری از نرم افزارNetica صورت پذیرفت.به منظور مقایسه نتایج حاصل از این روش با روش های متداولی چون روش های تصمیم گیری چند معیاره (MCDM)، ارزیابی ریسک محیط زیستی سد طالقان با روش MCDM و بهره گیری از نرم افزارExpert Choice نیز صورت پذیرفت. یافتهها: بر اساس نتایج این تحقیق، در میان توزیع های احتمالاتی گره تصمیم BN، تغییر کاربری اراضی، اثر بر جمعیت و فرسایش و رسوبگذاری مهم ترین ریسک ها هستند و آلودگی، لرزه خیزی، سیلاب، گردشگری و آسیب پذیری اکولوژیکی در اولویت های بعدی می باشند. بحث و نتیجهگیری: BNs به عنوان روشی جدید با دارا بودن مزیت هایی چون در نظر گرفتن روابط بین متغیرها و شرایط عدم قطعیت از مدل های انعطاف پذیر با توانایی بالا در ERA محسوب می شوند. از اینرو به منظور دست یابی به یک راه حل جامع برای بررسی مسائل پیچیده ای چون ERA پروژ ه های عمرانی از جمله سدسازی، بکارگیری BNs می تواند از کارایی بالایی برخوردار باشد
تفاصيل المقالة
انتخاب سبد سهام مناسب همواره از اساسی ترین مسائل سرمایه گذاران است. اساساً پیش بینی روند قیمت با استفاده از آنالیز فنی یا آنالیز اساسی انجام می شود. آنالیز فنی بر عملکرد بازار تمرکز دارد، در حالیکه تمرکز آنالیز اساسی مبتنی بر مکانیزم عرضه و تقاضا است و این سبب تغییر قیم أکثر
انتخاب سبد سهام مناسب همواره از اساسی ترین مسائل سرمایه گذاران است. اساساً پیش بینی روند قیمت با استفاده از آنالیز فنی یا آنالیز اساسی انجام می شود. آنالیز فنی بر عملکرد بازار تمرکز دارد، در حالیکه تمرکز آنالیز اساسی مبتنی بر مکانیزم عرضه و تقاضا است و این سبب تغییر قیمت ها می شود. وجود راهکاری که بتواند رشد یا کاهش سهام را با استفاده از آن پیش بینی نماید، بعنوان یک نیاز اساسی در این تحقیق به آن پرداخته شده است. در پژوهش حاضر، به کمک دیتاسِت نظارت شده از راهکاری مبتنی بر الگوریتم های مجموعه راف و تحلیل سلسله مراتبی برای کاهش ویژگی و از الگوریتم های درخت تصمیم، ماشین بردار پشتیبان و شبکه بیزین برای پیش بینی استفاده شده است. این راهکار پیشنهادی با استفاده از زبان سی شارپ پیاده سازی و با راهکارهای مختلفی مقایسه شده و نتایج تحقیق نشان داده است که روش پیشنهادی با 80 درصد دقت صحت پیش بینی و 20 اشتباه در پیش بینی دارای بیشترین دقت و کمترین میزان اشتباه در میان روش های مورد مقایسه را دارد.
تفاصيل المقالة
شبکه بیزین یکی از توانمندترین روشها در تخمین دادههای مفقود است. از طرفی ماشین یادگیری مفرط بهطور تحلیلی وزنهای خروجیهای بهینه را محاسبه میکند و این امیدواری وجود دارد که در مورد دادههای مفقود، بهعنوان یک مدل خوب عمل کند. مهمترین چالش بسیاری از روشهای تخمین مقاد أکثر
شبکه بیزین یکی از توانمندترین روشها در تخمین دادههای مفقود است. از طرفی ماشین یادگیری مفرط بهطور تحلیلی وزنهای خروجیهای بهینه را محاسبه میکند و این امیدواری وجود دارد که در مورد دادههای مفقود، بهعنوان یک مدل خوب عمل کند. مهمترین چالش بسیاری از روشهای تخمین مقادیر مفقود این است که ماهیت این روشها عمدتا برای دادهها با مقادیر پیوسته یا داده ها با مقادیر گسسته مناسب است. شبکه بیزین و ماشین یادگیری مفرط نیز از این قاعده مستثنا نیستند و به ترتیب برای پر کردن مقادیر مفقود گسسته و مقادیر مفقود پیوسته مناسبترند. لذا در این پژوهش از ترکیب این دو مدل جهت تخمین دادههای مفقود مخلوط در مجموعه داده هپاتیت استفاده شده و در نهایت دسته بندی بر اساس شبکه بیزین جهت تخمین کلاس خروجی انجام شده است. روش پیشنهادی بر اساس معیارهای دقت، فراخوانی، صحت و ریشه میانگین مربعات خطا مورد ارزیابی قرار گرفت. نتایج نشان داد، جبران دادههای مفقود با ترکیب BN-ELM و طبقهبندی بر اساس شبکه بیزین صحت بالایی کسب کرده است. همچنین روش پیشنهادی با سایر روشهای تخمین داده، بر اساس طبقه بندهای BN، ELM و KNN مورد مقایسه قرار گرفت و نتایج برتری روش پیشنهادی را نشان می دهد.
تفاصيل المقالة
رفتار سهام و روند تغییرات آن یکی از پیچیده ترین مکانیزمهایی است که همواره مورد توجه محققان میباشد. بورس تحت تاثیر عوامل مختلف بیرونی و درونی قرار دارد. عوامل تاثیرگذار بیرونی مانند عوامل سیاسی و اجتماعی قابلیت اندازهگیری ندارند، به همین جهت برای پیشبینی روند بورس، ب أکثر
رفتار سهام و روند تغییرات آن یکی از پیچیده ترین مکانیزمهایی است که همواره مورد توجه محققان میباشد. بورس تحت تاثیر عوامل مختلف بیرونی و درونی قرار دارد. عوامل تاثیرگذار بیرونی مانند عوامل سیاسی و اجتماعی قابلیت اندازهگیری ندارند، به همین جهت برای پیشبینی روند بورس، باید بر روی تاثیر عوامل درونی تمرکز نمود. در این پژوهش سیستم ترکیبی مبتنی بر شبکههای بیزین و مدل مخفی مارکوف، جهت پیشبینی روند روزانه بورس ایران پیشنهاد شده است. برای سهام هر شرکت، 6 شاخص بورس اوراق بهادار تهران که دارای بالاترین ضریب همبستگی میباشند و 22 اندیکاتور تکنیکی به عنوان متغیرهای ورودی در فاز پیشپردازش استفاده میشوند. از شبکههای بیزین جهت مشخص نمودن روابط بین متغیرها و از جداول احتمال شرطی آن برای بررسی تاثیر هر متغیر در پیشبینی استفاده میشود. در نهایت از مدل مخفی مارکوف برای پیشبینی روند بازار در مجموعه های استخراج شده از شبکه بیزین، استفاده میشود. مدل پیشنهادی بر روی سهام چهار شرکت داخلی به نام فولاد مبارکه اصفهان، ایران خودرو، بانک ملت و ایران دارو مورد بررسی قرار گرفته است. معیارهای ارزیابی در سیستم پیشنهادی، کارایی بالای این روش را نشان میدهند. بالاترین درصد صحت سیستم پیشنهادی 85.25 و متوسط درصد صحت آن 83.26 میباشد.
تفاصيل المقالة
سند
Sanad is a platform for managing Azad University publications