سعید عباسی

مدارک تصویری نقش مهمی در مطالعه تاریخ معماری ایران دارد. با توجه به کمبود مدارک در مورد خانه های تیموری یکی از راه های شناخت و احیای اصول معماری ایرانی-اسلامی، رجوع به نقاشی ایرانی است. در نگاره فرار یوسف از زلیخا به طور هنرمندانه ای جلوه های مختلف هنر و معماری دوره تیموری تصویر شده است. این پژوهش با بازنمایی سه بعدی خانه های دوره تیموری با کمک نگاره فرار یوسف از زلیخا ابعاد فضایی و کارکردی معماری تیموری را بازخوانی کرده، به تحلیل اصول معماری پایدار و پدافند غیرعامل در آن می پردازد؛ لذا در پی پاسخ به این پرسش اصلی است که مصادیق معماری پایدار و پدافند غیر عامل در معماری خانه های دوره تیموری چگونه نمود یافته است؟ این پژوهش ازنظر هدف کاربردی با رویکرد تطبیقی و ازنظر روش توصیفی-تحلیلی است. برای جمع آوری داده ها از منابع کتابخانه ای و از نرم افزار اتوکد و تری دی مکس برای مدل سه بُعدی استفاده شده است. یافته ها نشان می دهد خانه های تیموری، یک یا دوطبقه، دارای ایوان، طاق و قوس همراه با تزیینات کاشی و پله ها در حیاط و نزدیک ورودی است. بالکن با تیر های چوبی و سقف هرمی از ویژگی بیشتر خانه ها بوده است. خانه ها دارای ویژگی های پایداری مانند استفاده بهینه از منابع، تهویه طبیعی و تطبیق با اقلیم بوده اند. عناصر معماری نظیر دیوارهای ضخیم، حیاط مرکزی و تقسیم بندی فضایی، نقش مهمی در کاهش آسیب پذیری ایفا کرده اند. این تحلیل بیانگر آن است که هنر و معماری تیموری به صورت هماهنگ در خدمت ایجاد محیطی امن و پایدار قرار داشته اند. این پژوهش بر اهمیت بازخوانی میراث معماری گذشته در طراحی های معاصر تأکید دارد.

افزایش پیچیدگی تعاملات میان بازارهای مالی، گسترش جریان های اطلاعاتی و تأثیرپذیری متقابل بازار سهام و ارز از عوامل اقتصادی و سیاسی، پیش بینی نوسانات این بازارها را به یکی از چالش های مهم حوزه مالی تبدیل کرده است. پژوهش حاضر با هدف طراحی یک مدل هوشمند برای پیش بینی همزمان نوسان بازار سهام و ارز مبتنی بر شبکه های مولد تخاصمی و یادگیری چندمدلی انجام شده است. در این پژوهش، با بهره گیری از قابلیت شبکه های مولد تخاصمی در استخراج الگوهای پنهان و تولید نمایش های واقع گرایانه از داده ها و همچنین توانایی یادگیری چندمدلی در ادغام داده های مالی، اقتصادی و خبری، مدلی ترکیبی برای پیش بینی نوسانات بازار طراحی شد. داده های پژوهش شامل اطلاعات تاریخی شاخص های بازار سهام، نرخ ارز، متغیرهای کلان اقتصادی و داده های متنی اخبار مالی طی دوره 1400 تا 1404 است. پس از انجام مراحل پیش پردازش، استخراج ویژگی و همگام سازی داده های چندمنبعی، مدل پیشنهادی آموزش داده شد و عملکرد آن با مدل های GARCH، شبکه عصبی بازگشتی، حافظه بلندمدت کوتاه مدت (LSTM) و XGBoost مقایسه گردید. مدل پیشنهادی در معیارهای دقت پیش بینی، میانگین خطای مطلق، ریشه میانگین مربعات خطا و ضریب تعیین عملکرد برتری نسبت به مدل های مقایسه ای دارد. همچنین مدل توانسته است وابستگی های پیچیده و اثرات سرایتی میان بازار سهام و ارز را با دقت بیشتری شناسایی کرده و نوسانات آتی را در شرایط مختلف بازار پیش بینی کند. نتایج پژوهش بیانگر آن است که استفاده از شبکه های مولد تخاصمی و یادگیری چندمدلی می تواند به بهبود تصمیم گیری سرمایه گذاران، مدیریت ریسک و توسعه سامانه های هوشمند تحلیل بازارهای مالی کمک کند.

برای حل مسائل ثبت املاک، نقشه برداری و اندازه گیری های میدانی لازم است. در ایران تعداد قابل توجهی از کارشناسان ادارات مرتبط و کارشناسان رسمی دادگستری با استفاده از گیرنده های جی پی اس دستی، در زمینه مسائل حقوقی اراضی نظر می دهند. در این مقاله، به موضوع ناسازگاری معنی دار موقعیت، ابعاد، اندازه ها و مساحت اراضی حاصل از این گیرنده ها با نتایج حاصل از روش های استاندارد نقشه برداری پرداخته شده است. در حال حاضر، گیرنده های جی پی اس دستی دقّتی بهتر از چند متر در تعیین موقعیت نقاط ندارند. این عدم قطعیت باعث تداخل اراضی شده و نظریه های کارشناسی و آرای محاکم بر مبنای آن ها را زیر سؤال می برد. در ادامه مقاله، ابتدا مبحث چارچوب های مختصات که از موضوعات زیربنایی در تعیین موقعیت نقاط است بیان شده و اثر آن بر مسأله مورد بحث، تشریح شده است. سپس روش های صحیح جانمایی و تعیین حدود زمین ها و نیز ابعاد و اندازه ها و مساحت اراضی بیان شده و به موضوع صحّت و دقّت هر کدام پرداخته شده است. مثال های عددی به منظور مقایسه نتایج روش های استاندارد نقشه برداری با مقادیر حاصل از گیرنده های جی پی اس دستی آورده شده است. همه نتایج دلالت بر این دارد که استفاده از این گیرنده ها برای مسائل حقوقی اراضی نتایج ناصحیح در پی دارد. در یک زمین به مساحت حدوداً 4500 مترمربع، تداخلاتی بیش از 20 متر با اراضی مجاور و خطای تا 1000 مترمربع در مساحت مشاهده شد. لذا اکیداً توصیه می شود استفاده از جی پی اس دستی متوقف شده و در عوض روش های استاندارد نقشه برداری مطابق با دستورالعمل های موجود به کار برده شوند.

این پژوهش یک چارچوب نوین برای پیش بینی ریسک اعتباری مشتریان خرد در پلتفرم های فناوری وام دهی (LendTech) با استفاده از داده های جایگزین و الگوریتم های یادگیری ماشین ارائه می دهد. روش های سنتی امتیازدهی اعتباری معمولاً قادر به شناسایی الگوهای پیچیده رفتاری نیستند و در محیط های وام دهی دیجیتال عملکرد محدودی دارند. در این مطالعه، از داده های جایگزین مانند رفتار دیجیتال کاربران، سوابق تراکنش ها، داده های تلفن همراه و تعاملات کاربران با پلتفرم برای افزایش دقت پیش بینی نکول استفاده شده است. همچنین چندین مدل یادگیری ماشین از جمله رگرسیون لجستیک، درخت تصمیم، جنگل تصادفی و گرادیان بوستینگ مورد ارزیابی قرار گرفته اند. برای افزایش شفافیت و قابلیت تفسیر نتایج، از روش SHAP جهت تحلیل اهمیت ویژگی ها استفاده شده است. نتایج نشان می دهد که مدل های تجمیعی، به ویژه Gradient Boosting و Random Forest، بهترین عملکرد را در پیش بینی ریسک اعتباری دارند و عواملی مانند الگوهای تراکنش، رفتار بازپرداخت، ثبات درآمد و میزان تعامل کاربران با پلتفرم بیشترین تأثیر را بر نتایج دارند. یافته ها بیانگر آن است که ترکیب داده های جایگزین، یادگیری ماشین و هوش مصنوعی توضیح پذیر می تواند چارچوبی دقیق، کارآمد و قابل اعتماد برای امتیازدهی اعتباری در اکوسیستم های وام دهی فراهم کند.

هدف: حاشیه نشینی شهری به عنوان یکی از پیامدهای توسعه ناهمگون، چالش های عمیق کالبدی، اجتماعی و محیطی را به همراه دارد. این پژوهش با هدف تحلیل الگو و عوامل موثر بر تحولات کالبدی در محدوده حاشیه ای شهر زنجان انجام شده است. روش: این پژوهش، از نظر هدف، کاربردی و از منظر معرفت شناسی، عینی-ذهنی است و با اتخاذ یک روش آمیخته (ترکیبی) و استراتژی همزمان است. برای تجزیه و تحلیل داده ها از آزمون t تک نمونه ای و مدل های ترکیبی تصمیم گیری چندمعیاره (FARAS + FCOPRAS) در بخش کمّی و نظریه زمینه ای در بخش کیفی استفاده گردید. نتایج: تحلیل ها نشان می دهد تحولات کالبدی در حاشیه زنجان از الگویی خطرناک تبعیت می کند که در آن گسترش سریع سکونتگاه ها و تغییر کاربری اراضی، با کیفیت بسیار پایین مسکن، زیرساخت ها و آسیب پذیری بالا در برابر مخاطرات طبیعی همراه شده و سکونتگاه های شکننده ای را ایجاد کرده است. بر اساس تئوری زمینه ای، ریشه اصلی این پدیده را باید در عوامل فشاری در مبدأ مانند تخریب معیشت روستایی و تشدید خشکسالی جستجو کرد که مهاجرتی اجبارآمیز را تحمیل می کند؛ در حالی که عوامل جذبی در مقصد مانند زمین ارزان و ضعف نظارت شهری، تنها نقش ثانویه و تسهیل کننده در این فرآیند داشته اند. نتیجه گیری: یافته های این پژوهش نشان داد که تحولات کالبدی در حاشیه شهر زنجان به شکل گیری الگویی ناپایدار و آسیب پذیر انجامیده است. با این حال، ریشه یابی این پدیده بر اساس تئوری زمینه ای، برداشت رایج در برنامه ریزی شهری را به چالش می کشد. برخلاف تصور رایج که معمولاً رشد حاشیه نشینی را به جاذبه های کاذب شهری نسبت می دهد، این مطالعه تأکید می کند که هسته مرکزی این معضل، ناشی از عوامل دافعه در مبدأ (فروپاشی معیشت روستایی و خشکسالی های فزاینده) است و عوامل جاذبه در شهر (مانند زمین ارزان)، صرفاً به عنوان کاتالیزور یا تسهیل کننده فرآیند مهاجرت اجباری عمل کرده اند.