استان کرمانشاه.

هدف مطالعه حاضر توسعه یک مدل شبکه عصبی مصنوعی (ANN) بر اساس روش رگرسیون غیرخطی چندگانه (MNLR) برای تخمین میانگین ماهانه مجموع روزانه تابش کلی خورشید در هر محل از استان کرمانشاه است. برای این منظور، داده های هواشناسی 23 ایستگاه در استان کرمانشاه در طول سالهای 1392- 1387 جمع آوری شد که از این بین، داده های 17 ایستگاه برای آموزش و 6 ایستگاه برای تست شبکه استفاده شد. در مرحله اول، همه متغیرهای مستقل (عرض جغرافیایی، طول جغرافیایی، ارتفاع، ماه، حداقل درجه حرارت ماهانه در جو، حداکثر درجه حرارت در جو، متوسط درجه حرارت در جو، دمای خاک، رطوبت نسبی، سرعت باد، بارش، فشار اتمسفریک، فشار بخار، کدورت و مدت زمان تابش آفتاب) جمع آوری و به مدل رگرسیون وارد شدند. سپس، از روش گام به گام MNLR برای تعیین مناسب ترین متغیرهای ورودی استفاده شد. با استفاده از این متغیرهای ورودی، نتایج به دست آمده توسط مدل ANN با داده های واقعی مقایسه شد، و میانگین درصد خطا مطلق (MAPE) در حدود 98/3 درصد و ضریب همبستگی (R) در حدود 9961/0 برای مجموعه داده های تست به دست آمد که نشان دهنده معتبر بودن مدل است.

نیروی انتظامی جمهوری اسلامی ایران به عنوان مهم ترین دستگاه حفظ امنیت و آرامش در جامعه که با تمامی اقشار مختلف جامعه مرتبط می باشد باید برای بهبود و افزایش بهره وری سازمان، کارایی و عملکرد خود را افزایش دهد. هدف این مطالعه، بررسی تاثیر عوامل معماری بر بازدهی کارکنان ناجا در استان کرمانشاه می باشد. جامعه آماری پژوهش حاضر، کارکنان سازمان ناجا در استان کرمانشاه می باشد. نمونه مورد نظر با استفاده از جدول مورگان 110 نفر گزینش شد. ابزار مورد بررسی پرسشنامه محقق ساخته بوده و پس از طراحی، بین افراد نمونه پخش گردید و اطلاعات خام گردآوری شد. پس از جمع آوری پرسشنامه ها، داده های خام وارد نرم افزار SPSS21 شد و مورد تجزیه و تحلیل قرار گرفت. نتایج تحلیل رگرسیون نشان داد که رابطه روشنایی، صوت، دمای محیط کار، امنیت شغلی و طراحی محیط کار بر بازدهی کارکنان ناجا در استان کرمانشاه قابل قبول بوده است و همگی تاثیر مثبت و معناداری بر بازدهی کارکنان ناجا داشته است.