نگاشت خودسازمان ده

رویکرد شهر فراگیر با تمرکز بر گروه های آسیب پذیر، اقلیت ها و افراد محروم خواهان برقراری عدالت و کاهش نابرابری ها در عرصه های مختلف است. هدف اصلی پژوهش حاضر ارزیابی و تحلیل فضایی میزان فراگیری فضاهای شهر تهران به منظور بررسی وضعیت گروه های آسیب پذیر در دستیابی به خدمات شهری است. افراد آسیب پذیر در پژوهش کمی حاضر شامل زنان، کودکان، سالمندان، بی سوادان، بیکاران، مهاجران و خانوارهای دارای معلولیت هستند که به عنوان گروه های هدف ارزیابی شده اند. همچنین در این پژوهش با مقایسه و اعتبارسنجی از سه روش مختلف از روش های داده کاوی فضایی به نام های تحلیل مؤلفه های اصلی، خوشه بندی طیفی و همچنین نگاشت خودسازمان ده استفاده شده است. اعتبارسنجی و ارزیابی گزینه های مختلف در خوشه بندی، با استفاده از چهار شاخص ارزیابی درونی روش های خوشه بندی و مقایسه بهترین روش و بهینه ترین تعداد خوشه ها انجام شده است. براساس نتایج این پژوهش، روش نگاشت خودسازمان ده و همچنین پنج خوشه به عنوان بهترین گزینه انتخاب شدند. بر مبنای خروجی های نهایی، حدود 31 درصد از مساحت اراضی دارای جمعیت شهر تهران دسترسی پذیری کمتر از متوسط دارند که توزیع فضایی آن ها نشان دهنده از استقرار بیشتر این مناطق در نواحی نزدیک به مرز و همچنین مناطق غربی و جنوبی است. از سوی دیگر مناطق مرکزی و شمالی شهر تهران، دسترسی پذیری مناسب و بسیار مناسبی دارند که حدود 40 درصد از مناطق مسکونی تهران را تشکیل داده اند. نتایج تحلیل گروه های آسیب پذیر نیز بیان کننده سکونت بیش از 30 درصد زنان، کودکان و بی سوادان در مناطق دارای سطوح دسترسی پذیری پایین تر از متوسط است. درمجموع با ارزیابی اطلاعات استخراج شده از میان گروه های آسیب پذیر، به ترتیب مهاجران، سالمندان و بیکاران بهترین شرایط و همچنین خانوارهای دارای معلولیت، زنان و بی سوادان وضعیت نامناسب تری از سایر گروه ها دارند.

سقوط بازار پدیده ای است که سبب از دست رفتن ثروت و دارایی سرمایه گذاران در بازه زمانی نسبتاً کوتاهی می شود، از این رو تلاش برای پیش بینی آن از اهمیت زیادی برای سرمایه گذاران، سیاست گذاران، نهادهای مالی و دولت برخوردار است. بررسی اجمالی تئوری ها و مدل های ارائه شده پیش بینی سقوط در بازار سهام نشان می دهد میان پژوهشگران درباره الگوهای مشاهده شده متغیرها، مانند حجم معامله، بازده ها، نوسان پذیری، عوامل بنیادی، شاخص های رفتاری و غیره در بازارهای سهام پیش از وقوع سقوط، اتفاق نظری وجود ندارد. یکی از روش های بسیار مناسب پیشنهادشده برای یافتن الگوهایی که در داده های شبکه های عصبی وجود دارد، نگاشت خودسازمان ده است که روشی ناپارامتریک و غیرخطی محسوب می شود. در این پژوهش با استفاده از شبکه های عصبی نگاشت خوسازمان ده، روشی برای پیش بینی سقوط در بازار سهام ایران ارائه شده است. نتایج اجرای مدل و پیش بینی برون نمونه ای حاکی از این است که مدل عملکرد به نسبت قابل قبولی را در پیش بینی دوره های پیش از سقوط در بازار سهام به دست آورده است.

با توجه به شرایط اقتصادی امروز کشور، تعداد شرکت های درمانده و اهمیت درماندگی مالی روزبه روز در حال افزایش است. افزایش عوامل اقتصادی تأثیرگذار بر درماندگی مالی نیز بر پیچیدگی تصمیم گیری در سرمایه گذاری این شرکت ها افزوده است. به همین منظور رویکرد ارائه شده در این پژوهش با در نظر گرفتن انواع معیارهای مالی، امکان پویاسازی پیش بینی درماندگی مالی را برای این تصمیم گیرندگان فراهم می سازد. رویکرد معرفی شده در این پژوهش ابتدا با خوشه بندی شرکت ها در خوشه متناسب درمانده مالی و غیر درمانده به کمک روش شبکه عصبی مصنوعی، نگاشت خودسازمان ده (SOM) اقدام و سپس با بهره گیری از روش تحلیل پوششی داده ها مبتنی بر بدترین عملکرد (WPF-DEA) نسبت به پیش بینی پویا درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادر تهران اقدام گردید. با بهره گیری از روش یادشده 105 شرکت ارزیابی گردید و نتیجه ناکارایی این شرکت ها در طول 5 دوره زمانی از سال 1395 الی 1399 پیش بینی شد. مدل تحلیل پوششی داده های پویا مبتنی بر بدترین عملکرد، توان ارزیابی ناکارایی واحدهای مورد بررسی اعم از شرکت های عضو سازمان بورس و اوراق بهادار را دارا است. تحلیل پوششی داده ها توانسته است به صورت موفقیت آمیزی درماندگی مالی شرکت ها را به عنوان واحدهای تصمیم ناکارا شناسایی نماید