مدل رگرسیونی

در این مقاله از طریق یک معادله رگرسیونی به ارتباط پارامترهای اقلیمی ( متغیرهای مستقل) و افزایش یا کاهش عملکرد گندم دیم متغیر وابسته در دشت سیلاخور واقع در استان لرستان پرداخته شده است پارامترهای اقلیمی مورد استفاده از میزان بارشهای پاییزه و بهاره تعداد روزهای یخبندان بهاری اولین بارش پاییزه و تعداد روزهای بارانی بالای یک میلی متر دوره مرطوب سال تشکیل شده اند نتایج به دست آمده نشان می دهد که بین عملکرد گندم دیم و متغیر های میزان بارش پاییزه ارتباط معمکوس برقرار میباشد همچنین با توجه به شاخص R- squard در معادله رگرسیونی مذکور مشخص شد که تنها 47% از تغییرات متغیر وابسته عملکردگندم دیم توسط متغیر های مستقل مومرد استفاده در مدل رگرسیونی توضیح داده می شوند و 53% از تغییرات عملکرد گندم دیم به پارامترهای دیگری وابسته می باشد.

یکی از جنبه های حائز اهمیت در مدیریت محیط در ژئومورفولوژی کاربردی حل مشکل برآورد رسوب یک سیستم رودخانه ای میباشد. هدف این مطالعه ارزیابی عملکرد مقایسه ای دونوع شبکه عصبی مصنوعی (مدل ژئومورفولوژیکی و مدل غیر ژئومورفولوژیکی) و دو نوع مدل رگرسیونی (مدل توانی ومدل غیر خطی چندگانه) برای پیش بینی بار رسوب معلق حوضه اسکندری در حوضه آبریز زاینده رود میباشد. مدل ها براساس آمار 104 حادثه وقوع همزمان ثبت شده دبی و رسوب طراحی شده اند. پارامترهای ژئومورفولوژیکی بکار رفته در مدل های مزبور شامل: نسبت ناهمواری، ضریب شکل و تراکم زهکشی می باشند. شبکه های عصبی مصنوعی طراحی شده از نوع انتشار برگشتی چهار لایه است. بهترین نتایج پیش بینی مربوط به روش شبکه عصبی مصنوعی ژئومورفولوژیکی با ضریب تبیین معنی دار 98/0 و جذر میانگین خطای 49/4 در مقایسه با روش شبکه عصبی مصنوعی طراحی شده بر اساس آمار جریان با مقادیر ضریب تبیین 96/0 و خطای35/5 میباشد. عملکرد روش های رگرسیونی با ضریب تبیین 893/0 و خطای66/8 برای روش چند متغیره غیرخطی ومقادیر ضریب تبیین 814/0 و خطای برآورد 05/15 برای روش غیر خطی ساده توانی ضعیف تر از شبکه های عصبی مشاهده گردید. تفاوت فاحش در شاخص های ارزیابی مدل های شبکه عصبی مصنوعی نسبت به روش های رگرسیونی در عملکرد مناسب آنها برای تعداد کم نمونه های مدل میباشد. بنابراین شبکه های عصبی مصنوعی به خصوص شبکه های ژئومورفولوژیکی به عنوان یک ابزار قوی پیش بینی شایسته بار رسوب یک سیستم پیچیده رودخانه ای معرفی میشوند.

تپه های برخانی در مناطقی مشاهده می شوند که قابلیت دسترسی باد به ماسه کم است و مسیر باد غالب در اکثر طول سال تقریباً ثابت است. یکی از رایج ترین چشم اندازهای بادی منطقه جنوبی کویر حاج علی قلی، تپه های برخانی هستند. در این پژوهش، تلاش شده است تا ویژگی های شکل شناسی برخان های مطالعاتی با استفاده از روش های مدل سازی ریاضی و آماری شکل آنها تشریح گردد. نتایج حاصل از این روش در بررسی شکل برخان و شناسایی نحوه رفتار آن اهمیت بسیار دارد. مدل سازی ریاضی شکل برخان ها از طریق شبیه سازی آنها در دستگاه مختصات و با استفاده از معادلات غیرخطی سهمی صورت گرفته، که در مجموع برای سهمی دامنه رو به باد برخان یک معادله و برای سهمی دامنه باد پناه معادله ای دیگر محاسبه گردیده است. با استفاده از روش مدل سازی آماری، نوع و شدت روابط بین مؤلفه های ریاضی و مورفولوژی برخان تعیین شده است که حاکی از تبعیت روابط موجود از رابطه توانی با حداکثر ضریب تبیین و کمترین میزان خطای برآورد نسبت به دیگر روابط است. تلفیق دو روش مذکور شالوده ای بنیادی برای شبیه سازی برخان در محیط های مجازی و آزمایشگاهی است و یکی از مهم ترین نتایج این پژوهش تبدیل دو روش مدل سازی ریاضی و آماری مورفولوژی برخان به یکدیگر است. فاصله کانونی از پارامترهای مهم سهمی های برخان است، که حالت های مختلف برخان ها را نسبت به یکدیگر بیان می کند. اگر فاصله کانونی برخان کاهش یابد، دهانه آن تنگ تر می شود و حالت واگرایی بازوهای برخان نیز کاهش می یابد. برخان هایی که فاصله کانونی بیشتری دارند، دارای پهنای عریض تر، ابعاد وسیع تر و حجم بیشتری هستند.

تپه های ماسه ای، از کنش متقابل جریان باد و بستر ماسه سرچشمه می گیرند. برخان ها، یکی از اشکال تراکمی بادی هستند و در نواحیی که ماسه برای پوشاندن کامل سطح وجود نداشته باشد و باد در اغلب طول سال از جهت یکسانی برخوردار باشد، تشکیل می شوند. این عوارض، از ماسه متحرک تشکیل شده، از مهمترین ویژگی آنها پویایی و تحرکات جانبی است که بخشی از آنها، کانون های بحران و تهدید کننده مراکز مسکونی شهری و روستایی، مراکز اقتصادی و نظامی و شریان های ارتباطی محسوب می گردند. به طور کلی، برخان ها متناسب با شدت باد و به طور معکوس متناسب با ارتفاع خود جابه­جا می شوند. میزان جابه­جایی آنها تابعی از شدت باد، مورفولوژی سه بعدی برخان و تعاملات بین آنهاست. یکی از رایجترین ناهمواری های بادی جنوب کویر حاج علیقلی تپه های برخانی هستند. در این پژوهش، پارامترهای مورفومتری برخان و میزان جابه­جایی سالیانه آن (از 10/1/1387 تا 10/1/1388) از طریق پیکه کوبی اندازه گیری شده است. سپس با استفاده ار روش آنالیز رگرسیون، نوع و شدت ارتباط بین میزان جابه­جایی و مؤلفه های مورفومتری برخان بررسی و به منظور برآورد میزان جابه­جایی مدل هایی ارایه شده است. با استفاده از این مدل ها، می توان میزان جابه­جایی سالیانه برخان های محدوده مطالعاتی را به آسانی محاسبه نمود. نتایج به­دست آمده نشان می دهد، که ارتباط بین میزان جابه­جایی و مؤلفه های مورفومتری برخان از روابط ساده خطی، توانی و نمایی پیروی می کند. ارتباطات حاصل از رابطه سنجی بین میزان جابه­جایی با مؤلفه های مورفومتری برخان، حاکی از حداکثر ارتباط معکوس معنی دار نمایی میزان جابجایی با مؤلفه ارتفاع با ضریب تعیین 915/0 و انحراف معیار برآورد 133/0 است. شناخت مؤلفه های مورفودینامیک برخان می تواند به عنوان شاخصی برای تعیین وضعیت سیستم برخان عمل کرده، مبین روندهای آن نیز باشد. علاوه بر این، شناسایی و برآورد دقیق این مؤلفه ها برآیندی از میزان تهدید و تخریب را در اختیار مدیران محیطی قرار می دهد که بررسی آنها، مناطق گوناگون را از نظر مدیریت محیطی تعیین و اولویت بندی می کند.

یک سیستم رودخانه­ای یک سیستم بازاست که از درگیر شدن ارتباطات مختلف و پیچیده شکل می گیرد. خصوصیات ذاتی حوضه ها از یک سو و عوامل خارجی از سوی دیگر رفتارهای رودخانه را متاثر می سازد.وجود ارتباطات متقابل متعدد از جمله ارتباطات جریان ورسوب حمل شده وتاثیر عوامل ژئومورفولوژی حوضه و مدل سازی آن از اهمیت ویژه ای برخوردار است.در این مطالعه دونوع شبکه عصبی مصنوعی ژئومورفولوژیکی و غیر ژئومورفولوژیکی برای پیش بینی بار رسوب جریان رودخانه سمندگان طراحی گردید و نتایج آن با دو نوع مدل رگرسیونی ژئومورفولوژیکی و غیر ژئومورفولوژیکی مورد مقایسه قرار گرفت. نتایج طراحی شبکه های عصبی مبین کارآیی خوب شبکه های چند لایه ی پرسپترون با الگوریتم یادگیری پس انتشار خطا است. نتایج نشان داد که شبکه عصبی ژئومورفولوژیکی با ضریب تبیین 862/0 و مجذور میانگین مربعات خطای 815/1 در مقایسه شبکه عصبی غیر ژئومورفولوژیکی با ضریب تبیین 827/0و معیار خطای031/2 میزان رسوب جریان را بهتر پیش­بینی می کند. نتایج ارزیابی مدل های رگرسیونی مبین عملکرد ضعیف­تر آن ها در مقایسه با روش شبکه عصبی مصنوعی است به طوری که ضریب تبیین مدل رگرسیونی ساده غیر ژئومورفولوژیکی 759/0و معیار خطای 395/2 و ضریب تبیین مدل رگرسیونی ژئومورفولوژیکی برابر 811/0 با معیار خطای معادل 142/2 است. همچنین از مقایسه نتایج مدل های مختلف چنین استنباط می شود زمانی که پارامترهای ژئومورفولوژیکی نظیر شاخص ناهمواری، شاخص گردی و شاخص تراکم زهکشی در مدل سازی وارد شوند نتایج ارزیابی آن ها مناسب­تر می شود.

با تمام اهمیتی که آب در اقتصاد ایران دارد، هر ساله سیلاب حجم زیادی از آبها و خاکهای حاصلخیز کشور را از دسترس خارج نموده و به کویرها، دریاچه ها و دریاها انتقال می دهد. مدل هیدرولوژیکی ساختاری است که بتواند با توجه به ویژگی های حوضه و عامل های موثر بر پدیده مورد نظر تعامل و رفتار آن را با تقریب قابل قبولی نشان دهد. با این وجود استفاده از مدل های مختلف تجربی موجود در برآورد رواناب با مشکلات فراوان همراه بوده است. به همین دلیل روش تحلیل منطقه ای در برآورد دبی با دوره های بازگشت معین با استفاده از ویژگی های فیزیوگرافی و اقلیمی کاربرد گسترده ای دارد. در این پژوهش از داده-های بارش و دبی در مقیاس ماهانه و ویژگی های فیزیوگرافی 5 زیر حوضه رودخانه کشکان که دارای پراکندگی مناسبی در سطح حوضه می باشند، استفاده شده است از طریق رگرسیون چند متغیره به مدل سازی تولید رواناب مبادرت گردیده است. برای ارزیابی مدلهای تهیه شده با استفاده از معیارها و شاخص های متعددی از جمله ضریب همبستگی، خطای استاندارد، خطای نسبی تخمین و تایید، درصد میانگین قدر مطلق خطا، میانگین نسبی مجذور مربعات خطا، میانگین مجذور مربعات خطا، میانگین قدر مطلق خطا استفاده شده است. نتایج حاصل از رگرسیون چند متغیره برای مدل سازی تولید رواناب نشان می دهد که عوامل تعیین کننده بر میزان دبی با دورهای بازگشت مختلف در حوضه آبریز رودخانه کشکان ،عوامل حداکثر بارش ماهانه، مساحت، زمان تمرکز، ضریب فشردگی و حداکثر ارتفاع می باشند.

فرایند تحوّل کارست، فرایندی پیچیده و متأثّر از متغیّرهای مختلف است. با توجّه به حسّاسیت ذاتی سیستم کارست، امروزه در برنامه ریزی های مربوط به مناطق کارستی تلاش بر این است که میزان تحوّل و حسّاسیت کارست در چهارچوب مدل یا مدل هایی مناسب مورد بررسی قرار گیرد. در این مطالعه منطقه ی کارستی شاهو، به عنوان منطقه ی شاخص کارستی در زاگرس شمال غربی برای پهنه بندی تحوّل و حسّاسیت کارست با استفاده از مدل رگرسیون خطّی چندمتغیّره مورد بررسی قرار گرفته است. لایه های اطلاعاتی و نقشه های رستری تهیّه شده در محیط (GIS) شامل سنگ شناسی، میزان فاصله از گسل، شیب، ارتفاع و جهت دامنه، به عنوان متغیّرهای مستقل (پیشگویی کننده) و لایه ی اطلاعاتی فروچاله ها به عنوان متغیّر وابسته، پس از پردازش های لازم نرم افزاری وارد مدل رگرسیونی چندمتغیّره شده اند. نتایج حاصل از معادله ی رگرسیونی یا به گفته ای، نتیجه ی حاصل از تأثیر دادن ضرایب رگرسیونی متغیّرها در ماتریس داده ها بر اساس روابطی (استعداد وقوع فروچاله ها)، به صورت طیفی از اعداد مثبت و منفی درآمده است. اعداد مثبت بیانگر وجود شرایط لازم برای توسعه ی کارست و اعداد منفی بیانگر نبودن شرایط مناسب برای توسعه ی کارست است. دامنه ی این طیف عددی، به صورت کیفی به پنج کلاس از استعداد بسیار زیاد تا بسیار کم تقسیم شده است و در قالب جدول و نقشه ی استعداد توسعه ی کارست برای منطقه مطالعاتی ارائه شده است. درنهایت، بر اساس نقشه های استعداد توسعه ی کارست، نقشه ی حسّاسیت کارست در سه کلاس حسّاسیت زیاد، حسّاسیت متوسّط و حسّاسیت کم ارائه شده است. هم خوانی بالای نقشه ها و نتایج حاصله با واقعیّت منطقه ی مورد مطالعه، گویای کارایی و قابلیّت اعتماد مدل است.

روابط موجود در درون سیستم در قالب مدل های متعددی جمع بندی می شوند که این مدل ها ابزاری مهم جهت تبیین پدیده هایی هستند که در سیستم ها دیده می شوند. ازاین رو مدل سازی به عنوان ابزاری جهت درک ارتباطات اکوژئومورفولوژیکی پیچیده که در سیر تکامل ناهمواری و پوشش گیاهی حاکم می باشد می تواند در مدیریت تغییرات محیطی یا انسانی در سیستم های مناطق خشک و نیمه خشک مؤثر واقع شود. چشم اندازهای نبکایی ازجمله سیستم های اکوژئومورفیک پیچیده در مناطق بیابانی هستند که در اثر تجمع رسوبات بادی در اطراف گیاهان شکل می گیرند. هدف این پژوهش مدل سازی حجم رسوبات نبکا با روش های آماری و شبکه عصبی است. بدین منظور خصوصیات مورفومتری نبکاها و مورفولوژی گیاهی شامل، ارتفاع نبکا، قطر قاعده نبکا، حجم نبکا، قطر تاج پوشش و ارتفاع گیاه به روش طولی اندازه گیری گردید. سپس از بین روش های ساده رگرسیونی روش توانی به دلیل برخورداری از R² بالاتر انتخاب گردید. همچنین شبکه مورداستفاده جهت مدل سازی از نوع شبکه های پیش خور با الگوریتم آموزشی پس انتشار خطا می باشد. تابع آموزشی استفاده شده در شبکه Trainlm و تابع انتقال از نوع log sig می باشد. جهت آموزش شبکه از 75% داده ها و جهت آزمون شبکه از 35% داده ها استفاده شده است. نتایج نشان می دهد که مدل شبکه عصبی مصنوعی با ضریب تبیین 926/0 و میزان خطای 16/1 نسبت به مدل رگرسیونی با ضریب تبیین 868/0 و میزان خطای 3/3 از برتری بیشتری جهت برآورد حجم رسوبات نبکاهای مطالعاتی برخوردار است.

در این مقاله به تعیین توزیع خانوارهای آسیب پذیر جامعه در مناطق جغرافیایی مختلف پرداخته شده است. برای این منظور از آزمون تقریب وسع استفاده شده که یکی از راهکارهای گروه بندی خانوارها براساس ارزیابی سطح درآمد تک تک خانوارهای جامعه است. ابتدا براساس داده های آمارگیری از هزینه و درآمد خانوار و با استفاده از متغیرهای همبسته با درآمد خانوارها یک مدل رگرسیونی برای برآورد درآمد مورد انتظار خانوارها به دست آمده است. سپس این مدل بر داده های خانوارهای معمولی ساکن و گروهی کل کشور، که اطلاعات آنها در پایگاه داده های سرشماری عمومی نفوس و مسکن ۱۳۹۰ش موجود است، برازش داده شده است. نتایج این بررسی، که براساس آن رده هر یک از استان ها و شهرستان های کشور در سطح کل، نقاط شهری و روستایی کشور تعیین می شود، نشان می دهد که استان تهران کمترین و استان سیستان و بلوچستان بیشترین درصد خانوارهای دو دهک پایین درآمد مورد انتظار را در بین استان ها به خود اختصاص داده اند. همچنین شهرستان تهران، از استان تهران و شهرستان بشاگرد، از استان هرمزگان، به ترتیب کمترین و بیشترین درصد خانوارهای دو دهک پایین درآمد مورد انتظار را در بین شهرستان های کشور به خود اختصاص داده اند.

طوفان های تندری به دلیل اثرات مهم خسارتباری که بر انسان و محیط طبیعی دارند، پدیده اقلیمی بسیار مهمی به شمار می روند. بررسی ها نشان داده است که عامل ارتفاع و عرض جغرافیایی دو متغیر مهمی هستند که می توانند بر میزان وقوع این پدیده اثرگذار باشند. بنابراین هدف اصلی از پژوهش حاضر، تحلیل فضایی رفتار پدیده رعدوبرق و میزان اثرپذیری آن از مؤلفه هایی چون ارتفاع و عرض جغرافیایی در گستره ایران می باشد. بر این اساس ابتدا داده های ماهانه وقوع طوفان های تندری 118 ایستگاه همدید ایران، طی سال های 1991 تا 2010 از سازمان هواشناسی کشور اخذ شد و به وسیله سیستم اطلاعات جغرافیایی(GIS) و روش درونیابی کریجینگ (Universal)، نقشه های سالانه و فصلی کل ایران تولید گردید. در ادامه برای درک بهتر اثرپذیری طوفان های تندری از ارتفاع و عرض جغرافیایی، به وسیله نرم افزار CerveExpert نمودارهای فصلی و سالانه به همراه میزان همبستگی هریک تولید و مورد تحلیل قرار گرفت. نتایج نشان می دهد که بیشترین طوفان های تندری سالانه در شمال غرب ایران رخ می دهد و کمترین میزان آن بر نواحی مرکزی و شرقی کشور منطبق است. همچنین طبق تحلیل های فصلی، بااینکه بیشترین میزان پراکندگی ایستگاه ها در ارتفاع 800 تا 1300 متری قرار دارد، اما حداکثر وقوع این پدیده در فصول مختلف ایستگاه ها از ارتفاع صفر تا 2200 متری تغییر دارد. نتیجه کلی نشان می دهد که عامل ارتفاع، همبستگی کمی با وقوع پدیده طوفان تندری داشته و بیشترین همبستگی مربوط به عامل عرض جغرافیایی است.

مطالعات بسیاری به تحلیل ارتباط بین روش های مختلف تأمین مالی و حاکمیت شرکتی پرداخته اند. برخی از آنها نشان می دهند شرکت هایی که حاکمیت شرکتی بهتری دارند در تأمین مالی مبتنی بر سرمایه موفق ترند. در مقابل، برخی بر این باورند که بین حاکمیت شرکتی مطلوب تر و تأمین مالی مبتنی بر بدهی رابطه مثبتی وجود دارد. در این مقاله تلاش شده است تا با ایجاد تمایز میان دیدگاه تأمین مالی کنندگان و دیدگاه شرکت های متقاضی وجوه، ارتباط بین حاکمیت شرکتی و تأمین مالی مبتنی بر انتشار صکوک بررسی شود. نتایج نشان می دهد برخلاف تأمین مالی متعارف، در مورد انتشار صکوک در هر دو دیدگاه باید بین انتشار صکوک و کیفیت حاکمیت شرکتی رابطه مثبتی وجود داشته باشد. برای ارزیابی این نگاه تئوریک، در قالب یک مطالعه موردی مشخصه های حاکمیت شرکتی شرکت های منتشرکننده صکوک در ایران طی سال های 1390 تا 1395 بررسی شده است که نتایج نشان می دهد متغیرهای حاکمیت شرکتی اثر مثبت و معناداری بر انتشار صکوک در میان شرکت های مورد مطالعه داشته اند.

به منظور مطالعه تغییرپذیری میزان عملکرد گندم  آبی و دیم با توجه به تغییرپارامترهای اقلیمی از جمله دما و بارش، سی ایستگاه انتخاب شد. هدف اصلی پژوهش بررسی اثرات تغییر اقلیم بر عملکرد محصول گندم در ایران می باشد پارامترهای اقلیمی و همچنین داده های میزان عملکرد گندم برای 25 سال دوره آماری از سال 1982 تا 2006 به ترتیب از سایت سازمان هواشناسی و وزارت جهاد کشاورزی اخذ گردید و آزمون run test برای تصادفی بودن داده ها در نرم افزار spssانجام شد و سپس آزمون بازسازی نیز در مورد داده های ناقص و مفقوده انجام گرفت. در هر ایستگاه میزان ضریب همبستگی در سطح 0.01 و 0.05 بین عملکرد گندم و پارامترهای اقلیمی محاسبه شد و در نهایت مدل رگرسیونی بصورت رگرسیون گام به گام برای ایستگاهها به منظور شناسایی پارامترهای اقلیمی موثر در برآورد میزان عملکرد گندم انجام گرفت. در  گندم آبی همه ایستگاهها  به جز ایستگاه گرگان دارای مدل رگرسیونی بوده  در گندم دیم ایستگاههای ارومیه ، تهران ، ساری ، یاسوج ، سمنان، خرم آباد  فاقد مدل رگرسیونی بوده اند و مدل منطقه ای نیز برای کشور محاسبه شد و با مدل های ایستگاهی در نرم افزار ARG GIS مورد مقایسه قرار گرفت که میزان عملکرد گندم آبی در کل نتایج مدل رگرسیونی نشان داد که درگندم آبی قسمت شرقی، مرکزی، شمال شرقی وقسمتی از جنوب غرب کشور با کاهش 35-20درصد عملکرد مواجه خواهند بود ، در بحث گندم دیم همه ایستگاههای واقع در شمالغرب 37-30 درصد ، قسمتی از جنوب غرب و جنوب کشوربا35-28 درصد روند کاهش عملکرد مواجه خواهند بود و نیمه جنوب شرق و شمال شرق 47-42 درصد با افزایش عملکرد مواجه خواهند بود. در گندم آبی بیشترین عملکرد پیش بینی شده برای ایستگاه اصفهان و در گندم دیم بیشترین مقدار عملکرد پیش بینی شده برای ایستگاه زاهدان خواهد بود. بطور کلی کاهش عملکرد گندم در مناطق شمال غربی و جنوب غربی نسبت به ن واحی غرب ی بیش تر خواهد بود.