مطالب

پس از مروری بر تعاریف مربوط به اطلاعات و نظام اطلاعاتی، مهم ترین کاربردهای اطلاعات در زمینه های مختلف مهندسی ساختمان مورد بحث قرار خواهد گرفت. ابعاد مختلف نیاز به اطلاعات متنوع و گسترده در شاخه ساختمان و مسکن مطرح می شود و انواع گوناگون نظامهای اطلاعاتی مورد نیاز در محدوده این مبحث مورد بررسی قرار خواهد گرفت. هدفت از ارایه این مقاله، ایجاد دیدگاهی وسیع و زمینه ای جامع برای مهندسان ساختمان و معماران درباره جنبه های ویژه اطلاعات در این رشته هاست.

تا پیش از تکانه نفتی سال 1353، ایران دارای یکی از بالاترین نرخهای رشد صادرات غیرنفتی در جهان بود. اما پس از آن دچار رکود گردید و نرخ رشد آن به نازلترین نرخ رشد در جهان سقوط کرد که این رکود کما کان ادامه دارد. در این مقاله نشان داده می شود که علت اصلی این امر، مدیریت نادرست تقاضا و سیاستهای ارزی دولت می باشد. برای آزمون این فرضیه از دو الگوی تعادل عمومی قابل محاسبه مبتنی برسالهای پایه 1352 و 1370 با دو تفکیک متفاوت بخشی استفاده شده است که در آن، عملکرد سیاستهای مختلف از جمله میزان و نحوه صرف هزینه های دولت و سیاستهای گوناگون ارزی شبیه سازی شده است. نتایج به دست آمده نشان می دهد که به طور کلی صادرات غیر نفتی با افزایش درآمدهای نفتی و در نتیجه تقاضای داخلی، کاهش و با کاهش آنها افزایش می یابد. اما سیاستهای دولت می تواند بر این گرایش عمومی تاثیر بگذارد و در مواردی جهت تغییر را معکوس نماید. نتایج شبیه سازی ها نشان می دهد در حالتی که درآمدهای نفتی و به تبع آن تقاضا کاهش یابد، در صورت دخالت دولت در بازار ارز و اعمال سیاستهای سهمیه بندی ارزی، امکان کاهش صادرات غیرنفتی وجود دارد. شایان توجه است که آن دسته از سیاستهای سهمیه بندی که در هنگام کاهش درآمدهای ارزی باعث افزایش صادرات غیرنفتی درمقایسه با نظام انرخ ارز انعطاف پذیر می گردند، تماما زیر بهینه هستند و هزینه تعدیل در آنها برحسب کاهش در درآمد ملی به میزان قابل توجهی بیشتر از نظام ارز انعطاف پذیر است. اگر سهمیه بندی ارز با فعالیت های رانت جویانه همراه گردد، صرفنظر از میزان تغییرات در صادرات، درآمد ملی به شدت کاهش می یابد.

با توجه به نقش پیش بینی صحیح و دقیق متغیرهای اقتصادی در جهت اتخاذ تصمیمات صحیح و مناسب و نیزبا توجه به روشهای مختلفی که در زمینه پیش بینی سریهای زمانی موجود است، در تحقیق حاضر سعی شده است تا مقایسه ای بین مدل شبکه عصبی و مدل ARIMA صورت پذیرد. داده های مورد استفاده شامل قیمت ماهیانه شیراز فروردین ماه 1371 تا اسفند ماه 1376 می باشد. نتایج حاصل از مقایسه مقادیر تخمینی یک دوره دوازده ماهه شامل فروردین ماه تا اسفند ماه 1376 با مقادیر واقعی آن نشان می دهد که میانگین مربعات خطا در مدل شبکه عصبی نسبت به مدل ARIMA، 8.85 درصد کمتر است. همچنین، میانگین قدر مطلق درصد خطا در مدل شبکه عصبی نسبت به مدل ARIMA، 21.79 درصد کمتر است. اگر چه پیش بینی های صورت گرفته به وسیله مدل شبکه عصبی، دارای توجیه آماری نبوده و نمی توان برای آن فاصله اطمینان تعیین نمود اما با توجه به موارد فوق، مدل شبکه عصبی می تواند برای پیش بینی دقیقتر چنین متغیرهایی مورد استفاده قرار گیرد.