درخت حوزه‌های تخصصی

حل مشکلات روزافزون زیست محیطی به یکی از حساس ترین اولویت ها در برنامه ریزی و مدیریت شهری تبدیل شده است. امروزه، آلودگی هوا در واقع اصلی ترین چالش محیطی در کلان شهرها به شمار می رود. به منظور اندازه گیری میزان آلودگی و افزایش آگاهی عمومی از خطرهای احتمالی و نیز تصمیم گیری بهتر و برنامه ریزی شهری متناسب با نیازهای جامعه، طراحی و توسعه سامانه های پایش بی درنگ ضروری به نظر می رسد. مقدار روزافزون مشاهدات سنجنده ها و داده های سامانه های سنجنده، و فقدان قابلیت های پردازش این حجم داده در کاربردهای مدل سازی و آنالیز محیطی از مهم ترین چالش های پیشِ رو در ایجاد توسعه این سامانه ها به شمار می رود. از لحاظ تکنیکی، فراهم ساختن دسترسی استاندارد به مشاهدات سنجنده ها و ایجاد امکانات پردازشی تعامل پذیر بر روی آنها، راه حلی مؤثر در مدیریت داده های ناهمگون سنجنده ها به شمار می آید. در این تحقیق، سازوکاری برای ارائه مشاهدات سنجنده و نیز یک موتور پردازش مکانی در قالب معماری ای سرویس گرا به منظور رفع این مشکلات ارائه می گردد. این تحقیق نشان می دهد که چگونه معماری پیشنهادی می تواند مشکل تعامل ناپذیری در سامانه های اطلاعات مکانی را برطرف سازد. در این زمینه، یک برنامه کاربردی سرویس گرای استاندارد به نام گزارشگر کیفیت هوای تهران به منظور ارائه بی درنگ اطلاعات کیفیت هوا و تولید و انتشار نقشه های آلودگی هوا طراحی شده و شکل گرفته است. از تکنولوژی وب سرویس و استانداردهای SWE و WPS در محیط توسعه NET Framework 3.5، به منظور پیاده سازی مؤلفه های مورد نیاز در سمت سرویس دهنده استفاده شده است. در سمت سرویس گیرنده نیز فناوری های جدید وب 2 به منظور ایجاد محیطی متعامل و کاربرپسند به کار رفته است. نتایج این تحقیق نشان می دهد که استفاده توأم از وب سرویس و چارچوب OGC، سرویس های تعامل پذیر و استانداردی را فراهم می سازد که موجب تسهیل دسترسی به مشاهدات سنجنده ها و پردازش و نمایش آنها می گرد. به علاوه، تحقیق حاضر نقش مؤثر و برجسته فناوری های جدید و امروزین وب 2 را در تکامل فناوری های مکانی و نسل جدید سامانه های اطلاعات مکانی در قالب Mashup ها نشان می دهد.

آزادسازی تدریجی قیمت حامل های انرژی منجر به افزایش هزینه نهاده های تولید کشاورزی و نیز افزایش هزینه های پس از تولید کشاورزی می شود که همه این آثار در مجموع ممکن است بر رقابت پذیری محصولات داخلی با محصولات مشابه خارجی اثر گذاشته و موجب کاهش سودآوری و افزایش هزینه تمام شده تولیدات کشاورزی شود. لذا در مطالعه حاضر، ابتدا مقدار سوخت مصرفی برای تولید محصول ذرت با استفاده از اطلاعات بانک هزینه تولید وزارت جهاد کشاورزی در دوره زمانی 89-1379 محاسبه و توابع هزینه، تولید و تقاضای نهاده سوخت به صورت پانل برآورد می شوند. همچنین تابع واردات محصول ذرت با استفاده از اطلاعات سری زمانی برای دوره زمانی 89-1360 برآورد شده و کشش های مورد نظر استخراج می گردند. نتایج مطالعه نشان می دهد که کشش تولید نهاده سوخت در تولید ذرت 47/2 و همچنین کشش قیمتی تقاضای سوخت 005/0- می باشد. لذا با توجه به این موضوع که کشش متغیر تولید نیز در تابع واردات 83/0- بدست آمد، در اثر آزادسازی قیمت حامل های انرژی، به ازای افزایش یک درصدی در قیمت سوخت مصرفی در تولید محصول ذرت، مقدار واردات این محصول 00۱/0 درصد افزایش خواهد یافت. لذا افزایش قیمت حامل های انرژی اثر منفی بر روند خودکفایی در تولید این محصول که یکی از اهداف بخش کشاورزی کشور در پایان برنامه پنجم توسعه به شمار می رود خواهد داشت. بنابراین پیشنهاد می شود که مسئولان ذی ربط در جهت افزایش هر چند اندک واردات در اثر افزایش قیمت نهاده ی سوخت، تسهیلات حمایتی مناسب به تولیدکنندگان ذرت در استان های کشور ارائه نمایند تا آزادسازی کامل بر سطح تولید داخلی اثر منفی بالایی نداشته باشد.

هدف این مقاله ارائه مدلی مبتنی بر شبکه های عصبی پیشخور با دقت بالا برای پیش بینی تأخیر قطار های مسافری در راه آهن جمهوری اسلامی ایران است. در این مقاله از سه روش مختلف برای ورودی شبکه های عصبی، شامل ورود به صورت اعداد حقیقی نرمال شده، تبدیل ورودیها به صورت دودویی و همچنین تبدیل ورودیها به رشته های دودویی استفاده شده است. برای یافتن ساختاری مناسب برای شبکه عصبی در مدل پیشنهادی از سه استراتژی مختلف استفاده شده است که به ترتیب استراتژی سریع، استراتژی پویا و استراتژی چندگانه نام دارند. داده های مورد استفاده در این پژوهش شامل تأخیر قطارهای مسافری راه آهن جمهوری اسلامی ایران از سال های 1383 تا 1387 است. برای آماده سازی داده ها، جهت حذف داده های متناقض و دارای نویز که همواره همراه با مجموعه داده های دنیای واقعی است، پیش پردازش کاملی صورت گرفته است، برای پیشگیری از بیش برازش مدل با مشخصات داده های آموزشی، براساس روش اعتبارسنجی تقاطعی، داده ها به سه قسمت داده-های آموزشی، داده های اعتبارسنجی و داده های آزمایشی تقسیم شدند. برای ارزیابی مدل پیشنهادی، نتایج حاصل از روشهای مختلف ورود داده و استراتژی های یافتن ساختار مناسب شبکه، با یکدیگر و همچنین با بعضی روشهای رایج پیش بینی از قبیل درختهای تصمیم و رگرسیون لجستیک چند جمله ای مقایسه شده اند. برای مقایسه مدلهای مختلف شبکه های عصبی مورد استفاده در این مقاله زمان آموزش مدل، دقت پیش بینی بر روی داده های آزمایشی و اندازه شبکه در نظر گرفته شده است. برای انجام مقایسه ای دقیق میان تمامی مدلها، نمودار زمان - دقت ترسیم شده است. نتایج به دست آمده نشان می دهند مدل پیشنهادی از دقت بیشتری برخوردار است.