زهره فرجی

امروزه جمع آوری داده های بیماری ها، به جهت شناسایی و درمان آن ها از اهمیت زیادی برخوردار است. به منظور کشف الگوهای پنهان در این داده ها می توان از روش های داده کاوی استفاده کرد. نتایج حاصل از داده کاوی به پزشکان کمک می کند تا بتوانند راه حل های جدیدی را برای درمان یا پیشگیری بیماری ها پیدا کنند. افسردگی ازجمله بیماری های روانی است که روزبه روز در حال گسترش است. این بیماری همراه با اختلال در خلق وخو، اندیشه و بدن ایجاد و باعث می شود فرد احساس ناراحتی و بی فایده بودن کند. هدف اصلی این پژوهش ارائه مدلی در جهت تشخیص میزان افسردگی بیماران افسرده و بررسی ارتباط آن با موسیقی در جهت ارائه راه حل های مفید به منظور بهبود این بیماران است. در این تحقیق 470 نفر از بیماران مبتلا به افسردگی 2 شهر تهران و کرج موردبررسی قرار گرفتند تا ارتباط بین پارامترهای سبک زندگی و موسیقی موردعلاقه آن ها با بیماری افسردگی کشف شود. بیماری های فیزیکی مختلفی می تواند منجر به افسردگی شود. ازاین رو، تعدادی از این بیماری ها در این پژوهش موردبررسی قرار گرفتند. از الگوریتم های درخت تصمیم گیر و ماشین بردار پشتیبان و برنامه رپیدماینر استفاده شد. نتایج نشان داد که موسیقی و ورزش نقش مهمی در میزان افسردگی افراد دارد و گوش کردن به موسیقی های غمگین و راک و متال می تواند به افسرده شدن فرد کمک کند.

تخمین بارش در محاسبات بیلان انرژی، مطالعات هیدرولوژیکی و هواشناسی از اهمیت چشمگیری برخوردار است. با توجه به اهمیت داده های بارش در علوم مختلف و عدم وجود شبکه باران سنجی گسترده و مناسب، لازم است داده های بارش به نحوی برآورد شوند. یکی از راههای برآورد بارش، استفاده از داده های ماهواره ای است. در این پژوهش، به ارزیابی داده های بارش مدل GLDAS، CRU، GPCP، TRMM، CMAP و NCEP-NCAR با داده های ایستگاهی در استان های البرز، قزوین، زنجان، کردستان و همدان پرداخته شد. نتایج نشان داد که در این مناطق، بارش GPCP، TRMM، CMAPو NCEP-NCAR نتایج خوبی داشتند و از میان آنها GPCP وTRMM نتیجه بهتری را ارائه کرده اند. در ارزیابی GPCP با میانگین ایستگاه های منطقه مورد مطالعه در پیکسل 3 در سال 2003، ضریب تبیین (R 2 )، ضریب کارایی مدل(EF)، خطای اریب میانگین (MBE)، میانگین مطلق خطا (MAE) و ریشه میانگین مربعات خطا (RMSE) به ترتیب برابر 96/0، 94/0، 13/3، 30/5 و 58/6 میلی متر بر ماه به دست آمد. همچنین داده های بارش مدل GLDAS با داده های ایستگاهی مورد ارزیابی قرار گرفت و نتایج نشان داد که در مناطقی که بارش زیاد است، مانند ایستگاه رشت و نوشهر مدل GLDAS از دقت خوبی برخوردار نیست