سیستم پشتیبان

اهداف: به دلیل تراکم بالای ساختمانی و کمبود فضای باز کافی در شهرهای بزرگ و درحال رشد، امکان توسعه فضاهای سبز به عنوان عناصر کنترل کننده آلودگی هوا و جزایر حرارتی در شهرها کاهش یافته است. یکی از راه حل های ممکن، استفاده از سطوح عمودی ساختمان ها در سطح شهر برای توسعه فضای سبز عمودی است. انتخاب صحیح سیستم های سبز عمودی با توجه به عوامل درونی و بیرونی مؤثر بر سیستم کلید موفقیت و توسعه آن هاست. این انتخاب شامل انتخاب درست هریک از اجزاء چهارگانه سیستم از جمله گیاهان، بستر رشد، سیستم پشتیبان و سیستم آبیاری و زهکشی می شود. روش ها: در این پژوهش فاکتورهای مؤثر بر انتخاب سیستم های سبز عمودی از طریق مشاهده میدانی و بررسی و تحلیل پژوهش های پیشین جمع آوری و تشریح گردید و براساس اثرگذاری بر هریک از اجزاء اصلی به چهار دسته کلی تقسیم شدند. سپس ازطریق طرح پرسشنامه از متخصصین، اولویت بندی عوامل مؤثر بر انتخاب با استفاده از طیف 5 ارزشی لیکرت ارزیابی گردید. نتایج مستخرج از پرسشنامه توسط آزمون های آماری کولموگراف-اسمیرنوف، آلفای کرونباخ، فریدمن و همبستگی اسپیرمن تحلیل و اولویت بندی های نهایی ارائه گردید. یافته ها: نتایج این پژوهش نشان داد که عوامل بیرونی: "بودجه"، "نوع گیاهان انتخابی"، "نوع سیستم سبز عمودی" و "شرایط آب و هوایی (دما و رطوبت)" و عامل درونی "مشخصات سازه ای و مصالح پوشش ساختمان" بیشترین اثر را بر انتخاب سیستم های سبز عمودی داشته اند. نتیجه گیری: توجه به میزان اهمیت هریک از این عوامل و اولویت بندی انجام شده در این پژوهش می تواند به تصمیم گیری سازمان یافته و انتخاب بهینه و مناسب سیستم های سبز عمودی کمک نماید.

هدف: پژوهش حاضر به دنبال بررسی طراحی یک سیستم پشتیبان تصمیم گیری برای تخصیص منابع بانکی با رویکرد الگوریتم ژنتیک می باشد، به عبارتی به دنبال بررسی این موضوع می باشد که آیا می توان با استفاده از مدل الگوریتم ژنتیک برای طراحی یک سیستم پشتیبانی از تصمیم، به مدیران بانک ها برای تخصیص بهینه منابع بانکی یاری رساند؟ روش شناسی: روش پژوهش از دیدگاه هدف، تحقیقی-کاربردی است و از دیدگاه نوع و روند انجام پژوهش یک پژوهش میدانی - پیمایشی می باشد. حجم نمونه آماری این پژوهش را بانک های خصوصی و دولتی سطح کشور شامل 20 بانک می شوند. جمع آوری اطلاعات و آمارهای لازم برای انجام پژوهش به صورت میدانی و کتابخانه ای از طریق مصاحبه حضوری با نخبگان و همچنین توزیع پرسش نامه میان مدیران و کارشناسان بانکی انجام می پذیرد و برای تجزیه وتحلیل اطلاعات از برنامه متلب و از طریق وارد نمودن اطلاعات تخصیص منابع و الگوریتم ژنتیک استفاده شده است. همچنین در طراحی مدل سیستم پشتیبان تصمیم گیری برای تخصیص منابع بانکی با رویکرد الگوریتم ژنتیک از روش سنتژ پژوهی برای تجزیه وتحلیل اطلاعات استفاده می کنیم. نتایج: نتایج تحقیق نشان داد که با ترکیب شبکه های عصبی مبتنی بر سری زمانی و الگوریتم ژنتیک شرکت های فعال عرصه تجارت الکترونیک می توانند مدلی با دقت بالا برای پیش بینی قصور مشتریان کارت های اعتباری بر اساس سوابق تراکنش های مالی مشتریان ارائه نمایند. همچنین استفاده از وابستگی های زمانی تراکنش های مشتریان در پروسه امتیازدهی اعتبار آنها می تواند دقت پیش بینی فرایند قصور در پرداخت را افزایش دهد. نوآوری: تخصیص بهینه منابع بانکی بر اساس ارزیابی ریسک اعتباری و احتمال قصور در پرداخت، موضوع مهمی برای تحقیق در زمینه مدیریت ریسک مالی به شمار می آید. بنابراین بهبود تصمیم گیری در خصوص اعطای وام به مشتریان یکی از مهم ترین مسائل امروزه سازمان های مالی کشور می باشد. باتوجه به اینکه اکثر بانک ها با مطالبات معوق روبه رو هستند با استفاده از یک مدل پیش بینی قصور پرداخت و ارزیابی ریسک اعتباری، می توانند مشتریانی را شناسایی کنند که در آینده می توانند به هر نحو با بانک تسویه کنند.