علی خلیلی

استفاده از دانش یک راهبرد جدید و مؤثر بر روندهای کاری سازمان ها به خصوص سازمان های نظامی می باشد. دانش سازمانی یکی از سرچشمه های قدرت سازمانی بوده و برای رشد کمی و کیفی سازمان و دستیابی به اهداف استراتژیک باید امکان به اشتراک گذاری آن بین کارکنان و مدیران فراهم گردد. بعلاوه، دانش نظامی از جمله مواردی است که بدست آوردن آن به طور معمول هزینه زیادی در پی دارد بنابراین وجود راه کارهایی برای حفظ و مدیریت آن ضروری است. در این مقاله ضمن بررسی ویژگی ها و اهداف مدیریت دانش و سامانه های مربوطه، پس از معرفی مدل های مدیریت دانش در سازمان ها، برخی موارد مطالعاتی که عمدتاً سازمان های امنیتی و نظامی بوده اند به تفصیل مورد بحث قرار گرفته است. نتایج کمی و کیفی مطالعات انجام شده نشان می دهد که در اثر استفاده از سامانه مدیریت دانش کارایی این قبیل سازمان ها در حوزه های مختلف از جمله تصمیم گیری، رویه ها و فرآیندهای کاری به صورت عملیاتی تغییر می یابد.

برای مطالعه سطح زمین با تصاویر ماهواره ای، طبقه بندی و تشخیص درست پیکسل های ابری امری ضروری به شمار می آید. از میان روش های طبقه بندی موجود می توان به مدل های شبکه عصبی و درخت تصمیم در داده کاوی اشاره کرد که الگوریتم های متعددی از این دو دسته مدل، شکل گرفته و توسعه یافته اند. به منظور ارزیابی دقت این مدل ها در طبقه بندی و انتخاب بهترین آنها، یازده الگوریتم از این دو دسته مدل ارزیابی شدند. بدین منظور با انتخاب 40000 پیکسل با ویژگی های مناطق ابری، صاف، برفی و آب در چهار کلاس از تصاویر کالیبره شده ماهواره نوآ بر روی گستره ایران در فصول مختلف سال و با استخراج اطلاعات پنج باند نوآ محاسبه نسبت های باندی NDVI، نسبت بازتابندگی باند یک به بازتابندگی باند دو و اختلاف دمای درخشندگی باند پنج با دمای درخشندگی باند چهار و معرفی آنها به عنوان متغیرهای ورودی، دقت هر یک از الگوریتم ها در طبقه بندی این کلاس ها مقایسه شد. زمان اجرای سریع الگوریتم های درخت تصمیم در مقایسه با اجرای کندتر الگوریتم های شبکه عصبی و شفاف بودن تصمیمات گرفته شده در مدل های درخت تصمیم از مزایای این دسته مدل های طبقه بندی است. در نهایت بعد از تشکیل ماتریس تطابق که تعداد درستی و خطا در طبقه بندی پیکسل ها را نشان می دهد، مشخص شد که در بین یازده الگوریتم مورد مقایسه، الگوریتم درخت تصمیم C5، با 43 مورد خطا در تشخیص پیکسل های ابری، با دقتی معادل 56/99 درصد دارای بهترین دقت در طبقه بندی است. نیز با توجه به مزایای ذکر شده برای این دسته مدل های طبقه بندی، C5 مناسب ترین الگوریتم برای طبقه بندی پیکسل های ماهواره ای و تشخیص پیکسل های ابری شناخته شد.

کی از پارامترهای مهم در مبحث معماری همساز با اقلیم مقدار انرژی پایه لازم برای گرم کردن ساختمان در فصول سرد HDD  و سرد کردن آن در فصول گرم سال CDD تا حدود آسایش گرمایی انسان است. در این بررسی، ابتدا با تدوین یک مدل محاسباتی مقدار متوسط CDD و HDD در روزهای مختلف سال از روی میانگین‌های ماهانه دما برای شبکه‌ای مرکب از 218 ایستگاه هواشناسی کشور برآورد گردید و در مرحله دوم توزیع فضایی آنها مورد تجزیه و تحلیل قرار گرفت و بر اساس معادلات حاصل امکان برآورد CDD و HDD در هر نقطه از کشور فراهم گردید. در مرحله بعد، با تعیین آستانه‌هایی برای درجه- روزهای گرمایش، هفت گروه اقلیمی از ملایم تا فراسرد بنامهای H1 تا H7 تشخیص داده شد. همچنین با تعیین آستانه هایی برای درجه- روزهای سرمایش، پنج گروه اقلیمی از ملایم تا بسیار گرم بنامهای C1 تا C5 تعیین گردید و چهار گروه رطوبتی نیز در طبقه‌بندی منظور گردیده است. بر این اساس گروههای اقلیمی در طبقه‌بندی پیشنهادی به طور کلی با فرمول HiCjRk تعریف شده‌اند که i از 1 تا 7، j از 1 تا 5 و k (منحصرا برای مناطق ساحلی) از 1 تا 4 تغییر می‌نماید. در گام نهایی، نقشه پهنه‌بندی اقلیمی ایران بر پایه بررسیها و قراردادهای طبقه‌بندی فوق در مقیاس یک میلیونیم در محیط GIS تهیه و ارایه گردیده است.