ارزیابی آماری

ارزیابی و پیش بینی ارتکاب جرم به طور رسمی و غیر رسمی از گذشته، در نظام عدالت کیفری وجود داشته و فرد از ابتدای ورود به این نظام، در معرض ارزیابی و سرانجام طبقه بندی قرار می گرفته است این امر تا ابتدای دهه 1970 به شکل بالینی انجام می شد. با بالا رفتن هزینه های نظام عدالت کیفری و طرح ایرادهایی نسبت به روش بالینی، با بکارگیری شیوه های نوین آماری، روش تازه ای به دست داده شد. این روش ایرادهای وارد بر روش بالینی را نداشت و افزون بر آن به تخصیص بهینه ...

ایران جزو کشورهایی است که ضریب تأثیرپذیری آن از تغییرات اقلیمی بالاست. امروزه، تغییرات پارامترهای اقلیمی به وسیله مدل های گردش کلی جو بررسی می شود. نسخه های گوناگونی از این مدل ها منتشر شده است؛ آخرین نسخه آن مدل های سری CMIP5 است. مدل های CMIP5، که در گزارش پنجم ارزیابی تغییر اقلیم (AR5) استفاده شده اند، از عدم قطعیت پایین تر و وضوح بیشتری نسبت به مدل های قبل برخوردارند. در این مطالعه، تغییرات پارامترهای اقلیمی بارندگی، دمای متوسط، و سرعت باد حداکثر به وسیله مدل CanESM2 به عنوان یکی از مدل های مورداستفاده در تهیه گزارش پنجم ارزیابی تحت سه سناریوی RCP و براساس روش ریزمقیاس نمایی SDSM بررسی شد. نتایج نشان داد میانگین بارندگی طبق سناریوهای RCP2.6 و RCP 8.5 به ترتیب 28/62 و 69 میلی متر خواهد بود که نسبت به دوره مشاهداتی به ترتیب 18/9 و 2/17درصد افزایش و براساس سناریوی RCP 4.5، 39/58 میلی متر بوده است که نسبت به دوره مشاهداتی 81/0 درصد کاهش خواهد داشت. میانگین دمای متوسط طبق سناریوهای RCP2.6، RCP4.5، و RCP8.5 به ترتیب 59/20، 03/21، و 10/22 درجه سانتی گراد خواهد بود که نسبت به دوره مشاهداتی به ترتیب 5/4، 7/6، و 8/12 درصد افزایش دارد. همچنین، سرعت حداکثر باد تحت سناریوهای RCP2.6، RCP4.5، و RCP8.5 به ترتیب 9/4، 4/4، و 3/5 درصد نسبت به دوره مشاهداتی افزایش خواهد داشت.

پدیده ی خشکسالی مختص ناحیه ای خاص نبوده و مناطق مختلف جهان از آن متأثر می باشد، یکی از این مناطق، ایران در جنوب غرب آسیا می باشد که در چند سال اخیر از این پدیده رنج می برد. هدف پژوهش حاضر مدل سازی، تحلیل و پیش بینی خشکسالی در ایران می باشد. برای این کار ابتدا پارامترهای اقلیمی: بارش، دما، ساعات آفتابی، حداقل رطوبت نسبی و سرعت باد در بازه ی زمانی 29 ساله (2018- 1990) در 30 ایستگاه ایران مورد استفاده قرار گرفت. برای مدل سازی، شاخص فازی T.I.B.I ابتدا چهار شاخص (SET, SPI, SEB, MCZI) با استفاده منطق فازی در نرم افزار Matlab فازی سازی شدند و در نهایت برای پیش بینی از مدل شبکه ی عصبی مصنوعی تطبیقی Anfis بهره گرفته شد. یافته های پژوهش نشان داد شاخص فازی نوین T.I.B.I طبقات خشکسالی، چهار شاخص مذکور را با دقت بالا در خود منعکس کرد. از بین 5 پارامتر اقلیمی مورد استفاده در این پژوهش، پارامتر دما و بارش در نوسان شدت خشکسالی بیش ترین تأثیر را داشت. شدت خشکسالی براساس مدل سازی صورت گرفته در مقیاس 6 ماهه بیش تر از 12 ماهه بود، بیش ترین درصد رخداد خشکسالی در ایستگاه بندرعباس با مقدار (30/24) در مقیاس 12 ماهه و کم ترین آن در ایستگاه شهرکرد با مقدار درصد فراوانی خشکسالی (36/0) درصد در مقیاس 6 ماهه اتفاق اف تاده است. پیش بینی خشکسالی ش اخص فازی T.I.B.I بر اساس م دل Anfis ایستگاه های بندرعباس، بوشهر و زاهدان به ترتیب با مقدار شاخص T.I.B.I (62/0، 96/0 و 97/0) در نیمه جنوبی ایران بیش تر در معرض خشکسالی قرار گرفتند. براساس نتایج کلی پژوهش در هر دو مقیاس 6 و 12 ماهه مناطق نیمه جنوبی ایران از شدت بیش تر خشکسالی برخوردار شد که نیازمند مدیریت دقیق و کارآمد در مدیریت منایع آبی در این مناطق می باشد.