"برای تخصیص کاربری زمین در سطح منطقه، روشهای متفاوتی وجود دارند. این روشهای تخصیص و اولویتبندی میتوانند به دو گروه عمده کمی و کیفی تقسیم شوند. در کشور ایران به دلیل وجود مشکلات بسیار در زمینه تهیه آمار و امکانات موجود، بیشتر از روش کیفی استفاده شده است. در مقاله حاضر کوشش شده با توجه به آمارها و امکانات موجود، یک مدل کمی برای تخصیص کاربری زمین در سطح منطقه پیشنهاد شود. در مقاله حاضر برای توصیف مکان کاربریهای مختلف زمین، از مفاهیمی چون درجه مناسب بودن زمین که میزان مرغوبیت و مناسب بودن هر قطعه زمین را برای کاربریهای گوناگون نشان میدهد، ارزش افزوده کاربریهای مختلف و نیز عامل مهم دسترسی که بر مبنای فاصله زمانی هر قطعه زمین از مراکز جمعیتی تعریف شده استفاده شود.
یک مدل بهینهسازی از نوع برنامهریزی خطی برای مکانیابی بهینه کاربریهای مختلف پیشنهاد شده است.
با معرفی مدل ریاضی حاضر ، امکان پیشبینی تغییرات آتی کاربری زمین در اطراف شهرها و نیز بررسی وضعیت کاربری زمین در اطراف شهرهای جدید برای سیاستهای مختلف توسعه منطقه به وجود آمده است. در انتها با استفاده از مدل پیشنهادی، تغییرات کاربری زمین در سطح منطقه برای سیاستهای مختلف و نیز در حالت احداث راه جدید در منطقه، بررسی شده است. امکان بررسی تأثیرات ناشی از احداث راه جدید یا ارتقاء کیفیت راههای موجود بر تغییرات کاربری زمین از دیگر مزیتهای مدل حاضر است."
آموزش عالی در توسعه کارآفرینی به عنوان یکی از مهمترین مفاهیم مطرح شده در عصر حاضر نقش بسیار مهمی را ایفا می نماید. آموزش عالی از طریق انتقال دانش کاربردی در زمینه اشتغال، ایجاد مهارت ها و توانایی های مورد نیاز در زمینه کارافرینی و اشتغال، بسترسازی فرهنگی و توسعه و حمایت پژوهشی از کارآفرینی، مفاهیم کارآفرینی را وارد دانشگاه نموده و دانش، نگرش و مهارت دانشجویان را به سوی کارآفرینی و کارآفرین شدن سوق می دهد. آنچه در این مقاله آمده، سعی در معرفی برنامه های موجود در زمینه آموزش کارآفرینی، بیان نقش آموزش عالی در توسعه ...
این مطالعه به بررسی پیشبینیپذیری رفتاربازده سهام شرکتهای یذیرفته شده در بورس اوراق بهادار تهران وهمچنین انجام عمل پیشبینی بازده با استفاده از شبکههای عصبی مصنوعی میپردازد. به منظور انجام عمل پیشبینی بازده، در مرحله اول روند گذشته سری زمانی مربوط به شرکتها و همچنین سه متغیر از متغیرهای تحلیل تکنیکی (شاخص سهام، حجم سهام مبادله شده و آخرین نرخ سهام در روز) برای مدت 5 سال(تیرماه 1377 لغایت 1382) مورد استفاده قرارگرفت وبا تغییر پارامترهای شبکه عصبی مصنوعی مدل بهینه جهت پیشبینی بازده روزانه سهام هر شرکت طراحی گردید. در مرحله دوم، پیشبینی بازده روزانه طی همان 5 سال صرفاً براساس اطلاعات گذشته یا روند گذشته سری زمانی انجام شد. در این پژوهش از شبکه عصبی مصنوعی با ساختار پرسپترون چند لایه (MLP) با توابع یادگیری متفاوت استفاده گردید. نتایج حاصل نشاندهنده آن است که: - رفتار سری زمانی بازده روزانه سهام شرکتها یک فرآیند تصادفی نیست و دارای حافظه میباشد. - شبکههای عصبی مصنوعی توانایی پیشبینی بازده روزانه را با میزان خطای نسبتاً مناسبی دارند.
پروژههای بزرگ و پیچیده صنعتی همواره در معرض بروز ریسکهای مختلف قرار دارد که موفقیت انجام آنها در گرو مدیریت صحیح این ریسکها است. شناخت ریسک و ارزیابی آن از مهمترین فازهای مدیریت ریسک و زمینهساز موفقیت سایر فعالیتهای آن است چنانچه ریسکها به درستی تعیین نشوند موجب گمراهی تیم مدیریت ریسک و اتلاف منابع سازمان خواهد شد. این مقاله مروری بر روشهای شناسایی و انواع ریسکهای تهدیدکننده پروژههای بزرگ صنعتی دارد و با استفاده از نتایج مطالعات گذشته و مطالعه موردی ساخت چند نیروگاه، ریسکهای تهدیدکننده پروژههای نیروگاهی شناسایی و دستهبندی نموده است.
دراین مقاله نتایج حاصل از بهکارگیری نسبت شارپ و نسبت پتانسیل مطلوب (UPR) درارزیابی عملکرد شرکتهای سرمایهگذاری پذیرفته شده در بورس اوراق بهادار تهران ارائه میشوند؛ در تحقیق به دنبال پاسخ به این سؤال هستیم که آیا ارزیابی عملکرد بر مبنای دو نسبت پتانسیل مطلوب و نسبت شارپ رتبهبندیهای متفاوتی را ارائه میکنند یا نه. رتبهبندیها برای دورهپنج ساله 84-80 برای شرکتهای سرمایهگذاری انجام گرفته است. دراین تحقیق که ماهیت متغیرها ترتیبی است، از روشهای آماری ناپارامتریک استفاده کردهایم. بر اساس نتایج حاصل از این تحقیق بین رتبهبندیهای صورت گرفته براساس دو نسبت مذکور در بالا، ارتباط معنیداری وجود دارد و این ارتباط ناشی از وجود چولگی منفی در توزیع بازدهیها میباشد؛ به دلیل وجود چولگی در توزیع بازدهی بهکارگیری نسبت پتانسیل مطلوب در ارزیابی عملکرد ارجحیت دارد.