مطالب مرتبط با کلیدواژه

الگوریتم ژنتیک


۲۶۱.

رویکردی نوین به پیش بینی تقلب در صورت های مالی (مقایسه مدل های سنتی و شبیه سازی و مدرن)(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات حسابداری و حسابرسی بهار ۱۴۰۲ شماره ۵۷ 141 - 160

کلیدواژه‌ها: تقلب لاجستیک الگوریتم ژنتیک مارکوف سویچینگ

حوزه های تخصصی:
تعداد بازدید : ۱۴۲ تعداد دانلود : ۱۴۳
تقلب صورت های مالی تبدیل به یک مشکل جدی برای فعالان بازار و سیاست گذاران شده است. در واقع، این مسئله قابلیت اطمینان بازارهای سرمایه، رؤسای شرکت ها و حتی حرفه حسابرسی را تهدید می کند. حسابرسان به طور خاص با ناتوانی ظاهری خود در کشف تقلب در مقیاس بزرگ مواجه هستند و از این رو روش های مختلفی برای شناسایی این معضل ارائه شده است. بر این اساس هدف تحقیق حاضر مقایسه دقت مدل های سنتی و شبیه سازی و مدرن در پیش بینی تقلب در صورت های مالی است. تحقیق حاضر از لحاظ روش کاربردی است. بازه زمانی تحقیق 1390 تا 1398 بوده و در برآورد مدل از داده شرکت های منتخب در بورس اوراق بهادار تهران بهره گرفته شده است. در این تحقیق بر اساس سه رویکرد سنتی، الگوریتم ژنتیک و روش غیرخطی مارکوف سویچینگ اقدام به پیش بینی تقلب و دقت مدل های برآوردی نمودیم. بر اساس نتایج رژیم غالب در بورس اوراق بهادار تهران رژیم تقلب بالا بوده؛ همچنین بر اساس نتایج مدل های تغییر رژیم بالاترین دقت را در پیش بینی تقلب دارند و الگوریتم ژنتیک و لاجستیک به ترتیب دارای بالاترین دقت در برآورد مدل برآوردی بودند.
۲۶۲.

بهینه سازی سبد سهام با الگوریتم های مختلف

نویسنده:
منبع: چشم انداز حسابداری و مدیریت دوره ۶ بهار ۱۴۰۲ شماره ۷۹ (جلد ۲) 48 - 55

کلیدواژه‌ها: الگوریتم ژنتیک بهینه سازی الگوریتم ازدحام ذرات الگوریتم کرم شب تاب الگوریتم مورچگان

حوزه های تخصصی:
تعداد بازدید : ۱۴۳ تعداد دانلود : ۱۰۴
انتخاب سبد سهام یکی از مباحث مهم در حوزه مدیریت سرمایه گذاری بوده که در رابطه با نحوه تخصیص سرمایه یک سرمایه گذار به دارایی های مختلف و تشکیل یک پرتفوی کارا بحث می کند که هرچه مفروضات و شرایط مدل سازی جهت انتخاب و بهینه سازی سبد سرمایه گذاری به شرایط دنیای واقعی نزدیکتر باشد، نتایج حاصل از آن بیشتر قابل اتکا خواهد بود. در نظر گرفتن افق تک دوره ای برای سرمایه گذاری چندان واقعی نبوده و بیشتر سرمایه گذاران برای بیش از یک دوره اقدام به سرمایه گذاری می کنند که سرمایه گذار بتواند موقعیت خود را در طول زمان مورد بازنگری قرار دهد. الگو ها و روش های مختلفی از زمان ارائه کار اولیه مار کویتز تا کنون برای انتخاب سبد سرمایه گذاری بهینه ارائه شده است . با این حال یافتن مفید ترین الگو در انتخاب این سبد همواره دغدغه سرمایه گذاران بوده است. در این پژوهش تعدادی از الگوریتم های بهینه سازی سبد سهام مانند الگوریتم مورچگان ، الگوریتم ژنتیک، الگوریتم فرهنگی، الگوریتم ازدحام ذرات، الگوریتم کرم شب تاب، آورده شده است که در مورد هر کدام به صورت مختصر توضیح داده شده است.
۲۶۳.

برآورد کشش جانشینی میان انرژی و سایر نهاده ها در ایران با استفاده از تابع تولید CES چند مرحله ای(مقاله علمی وزارت علوم)

نویسنده:
منبع: مطالعات اقتصادی کاربردی ایران سال ۳ بهار ۱۳۹۳ شماره ۹ 25 - 47

کلیدواژه‌ها: انرژی تابع تولید CES چند مرحله ای الگوریتم ژنتیک کشش های جانشینی تولید نهایی و اقتصاد ایران

حوزه های تخصصی:
تعداد بازدید : ۱۰۴ تعداد دانلود : ۸۴
هدف اصلی این تحقیق برآورد کشش جانشینی میان انرژی و سایر نهاده های تولید در ایران با استفاده از یک تابع تولید CES چند مرحله ای می باشد. در این راستا، تابع تولید آشیانه ای مناسب با چهار نهاده نیروی کار، سرمایه، انرژی و سرمایه گذاری در بخش تحقیق و توسعه برای اقتصاد ایران طراحی و با استفاده از روش الگوریتم ژنتیک پیوسته به صورت عددی و غیرخطی برآورد شده است. این روش در مقایسه با روش های معمول اقتصادسنجی از کارآیی بیش تری برخوردار است. با توجه به هدف تحقیق، سه الگوی متفاوت توسعه داده شده، و از بین آن ها بهترین الگو انتخاب و بر اساس آن کشش های جانشینی میان نهاده های تولید محاسبه گردیده است. تحقیق حاضر از نظر انتخاب نهاده ها، شکل تابع تولید غیرخطی و همچنین روش برآورد از سایر تحقیقات انجام شده در ایران متمایز است. نتایج به دست آمده از محاسبه کشش های جانشینی بیانگر این است که با افزایش یک درصد نیروی کار، 56/0 درصد صرفه جویی در انرژی خواهیم داشت. همچنین افزایش یک درصدی سرمایه باعث صرفه جویی 59/0 درصدی و به همین صورت افزایش یک درصدی در سرمایه گذاری در بخش تحقیق و توسعه موجب صرفه جویی 46/0 درصدی در مصرف انرژی می گردد. علاوه بر این، نتایج حاصل از محاسبه تولید نهایی ط ی سال های مختلف نشان دهنده افزایش تولید نهایی نیروی انسانی بعد از سال های جنگ تحمیلی بوده است. همچنین تولید نهایی انرژی بعد از سال 1374 افزایش یافته است که می تواند به علت اجرای سیاست های ناشی از صرفه جویی در مصرف انرژی باشد. 
۲۶۴.

کاربرد الگوریتم ژنتیک در بهینه سازی معماری شبکه عصبی و پیش بینی قیمت نفت (GADDN)(مقاله علمی وزارت علوم)

نویسنده:
منبع: مطالعات اقتصادی کاربردی ایران سال ۵ زمستان ۱۳۹۵ شماره ۲۰ 97 - 122

کلیدواژه‌ها: پیش بینی قیمت نفت شبکه عصبی مصنوعی الگوریتم ژنتیک

حوزه های تخصصی:
تعداد بازدید : ۹۰ تعداد دانلود : ۷۸
پیش بینی صحیح قیمت نفت نقش مهمی را در هدایت سیاست های پولی کشورهای مختلف ایفا می کند. اهمیت این نقش به طور مشهود در کشورهای واردکننده و صادرکننده نفت به چشم می خورد. در این مقاله از الگوریتم ژنتیک برای بهینه سازی معماری و ساختار شبکه عصبی مصنوعی بهره برده ایم. در طی فرآیند بهینه سازی، وزن ها، بایاس و ساختار شبکه عصبی محاسبه می شوند تا بدین طریق از پیچیدگی های ناشی استفاده از شبکه عصبی مصنوعی در پیش بینی کاسته گردد. برای بررسی عملکرد مدل شبکه عصبی اصلاح شده با الگوریتم ژنتیک (GADNN) از آن برای پیش بینی قیمت نفت اینترمدیت وست تگزاس (WTI) در سال 2012 تا انتهای 2015 استفاده می شود. نتایج پژوهش نشان دهنده عملکرد بهتر و دقت بیشتر مدل پیشنهادی پژوهش حاضر در مقایسه با سایر مدل های شبکه عصبی مصنوعی در پیش بینی قیمت نفت می باشد.
۲۶۵.

محاسبه مسیر تولید در حالت پایا برای اقتصاد ایران (رهیافتی از الگوی رشد درونزا با تابع تولید CES)(مقاله علمی وزارت علوم)

نویسنده:
منبع: مطالعات اقتصادی کاربردی ایران سال ۹ بهار ۱۳۹۹ شماره ۳۳ 141 - 171

کلیدواژه‌ها: تابع تولید CES الگوی رشد درونزا الگوریتم ژنتیک کشش جانشینی ثابت

حوزه های تخصصی:
تعداد بازدید : ۷۶ تعداد دانلود : ۷۳
در اغلب الگوهای رشد اقتصادی از تابع تولید کاب داگلاس (با کشش جانشینی عوامل برابر با یک) به عنوان تکنولوژی تولید استفاده شده است. در این تحقیق در ابتدا الگوی رشد درونزای رمزی با تابع تولید CES (تابع تولید با کشش جانشینی ثابت) بسط و پس از حل مسئله کنترل بهینه، مسیر بهینه متغیرهای اقتصادی (تولید و سرمایه) در حالت پایا برای اقتصاد ایران محاسبه شده است. نتایج تحقیق نشان می دهد که تولید و سرمایه تحقق یافته در اقتصاد ایران به صورت رکودی و معناداری از سطح پایا فاصله دارد. از نوآوری های این تحقیق بررسی اثر کشش جانشینی عوامل تولید بر مسیر بهینه متغیرهای اقتصادی و همچنین رشد اقتصادی در حالت پایا است. از دیگر نتایج استخراج شده رابطه کشش جانشینی و رشد اقتصادی است. کشش جانشینی عوامل تولید تأثیر منفی بر رشد تولید در حالت پایا برای اقتصاد ایران دارد. در حالت خاص کشش جانشینی را برابر با یک فرض نموده (کشش جانشینی تابع کاب داگلاس) و با حالت کشش جانشینی بین عوامل تولید مخالف یک مقایسه شده است. نتایج نظری تحقیق نشان می دهد با فرض کشش جانشینی برابر با یک، نرخ رشد تکنولوژی در بلندمدت پارامتر مهمی نیست و تأثیری بر نرخ رشد پایا نخواهد داشت. ولی با در نظر گرفتن کشش جانشینی کمتر از یک، نرخ رشد تولید در حالت پایا به نرخ رشد تکنولوژی و نرخ رشد جمعیت بستگی خواهد داشت. بنابراین با فرض تابع تولید CES در الگوهای رشد، موتور محرک نرخ رشد اقتصادی بلندمدت، نرخ رشد تکنولوژی است. بنابراین به طور مشخص در نظر گرفتن تابع تولید CES به جای کاب داگلاس در الگوی رشد نتایج کاملاً متفاوتی بر رشد اقتصادی خواهد داشت.
۲۶۶.

ارائه یک مدل ریاضی کارآ برای مسئله طراحی چیدمان تسهیلات در فضای پیوسته در یک سیستم تولید سلولی (مطالعه موردی: شرکت BATA)(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت تولید و عملیات سال سیزدهم بهار ۱۴۰۱ شماره ۱ (پیاپی ۲۸) 25-50

کلیدواژه‌ها: سیستم های تولید سلولی طراحی چیدمان تشکیل سلول الگوریتم ژنتیک الگوریتم ازدحام ذرات

حوزه های تخصصی:
تعداد بازدید : ۱۴۵ تعداد دانلود : ۱۰۴
اساس کارکرد سیستم های تولید سلولی بر پایه تعریف و شناسایی نوعی شباهت در میان قطعاتی است که باید در یک دوره برنامه ریزی تولید شوند. تشکیل سلول و طراحی چیدمان از مراحل مهم اجرای این نوع از سیستم های تولیدی اند. در این مقاله یک مدل برنامه ریزی ریاضی غیرخطی جدید برای مسئله تشکیل سلول ارائه شده است که در آن با بهره گیری از مفهوم فاصله متعامد، چیدمان ماشین آلات در یک فضای پیوسته تعیین می شود. در مدل ارائه شده، با استفاده از مزایای در نظر گرفتن جانمایی سلولی در تابع هدف، هزینه های جابه جایی درون و بین سلولی قطعات دقیق محاسبه می شود. با توجه به پیچیدگی های مسئله، مدل ریاضی ارائه شده ازنظر پیچپدگی در زمره مسائل سخت قرار می گیرد که برای حل آن از الگوریتم ژنتیک و ازدحام ذرات استفاده شده است. به منظور نشان دادن کارآیی مدل و الگوریتم های حل ارائه شده، از اطلاعات تولیدی یک مسئله واقعی استفاده شده و 30 نمونه مسئله دیگر در ابعاد مختلف ارائه شده است که نتایج حاصل بیانگر عملکرد بهتر الگوریتم ژنتیک در مقایسه با الگوریتم ازدحام ذرات در کیفیت جواب های حاصل شده است.
۲۶۷.

مدل سازی حساسیت خطر وقوع سیل در حوضه آبریز الندچای بر پایه یک رویکرد طبقه بندی ترکیبی نوین (FURIA-GA-LogitBoost)(مقاله علمی وزارت علوم)

نویسنده:
منبع: جغرافیا و مخاطرات محیطی بهار ۱۴۰۲ شماره ۴۵ 1 - 24

کلیدواژه‌ها: سیلاب FURIA الگوریتم ژنتیک مدل LogitBoost حوضه آبریز الندچای

حوزه های تخصصی:
تعداد بازدید : ۱۵۵ تعداد دانلود : ۱۰۵
با شروع فصل بهار سیلاب ها به عنوان مهم ترین مخاطره ژئومورفیک در سطح کشور مطرح می شوند که خسارت های جانی و مالی فراوانی را به بار می آورند. حوضه آبریز الندچای واقع در شهرستان خوی و شمال غرب کشور نیز به دلیل موقعیت خاص جغرافیایی جزو حوضه های با پتانسیل بالای خطر وقوع سیل شناخته می شود. هدف از پژوهش حاضر مدل سازی تغییرات فضایی حساسیت خطر وقوع سیل در این حوضه با استفاده از مدل ترکیبی نوین FURIA-GA-LogitBoost می باشد. به همین منظور از 13 پارامتر مؤثر در وقوع سیل شامل لیتولوژی، گروه های هیدرولوژیکی خاک، شاخص پوشش گیاهی، کاربری اراضی، ارتفاع، شیب، جهت شیب، فاصله از آبراهه، تراکم آبراهه، بارش، شاخص رطوبت توپوگرافیک، شاخص قدرت آبراهه و شاخص حمل رسوب استفاده شده است. جهت اجرای مدل تحقیق از نرم افزار WEKA استفاده شده و نقشه نهایی حساسیت خطر وقوع سیل تهیه گردید. یافته های پژوهش نشان می دهد مناطق پایین دست حوضه حساسیت بالایی را از نظر خطر وقوع سیل دارند. این مناطق محل تمرکز مهم ترین اجتماعات انسانی حوضه آبریز (شهر خوی) و زمین های کشاورزی و باغات است که سیلاب به عنوان یک مخاطره ژئومورفیک، تهدید جدی برای این مناطق محسوب می شود. بررسی میزان دقت نقشه نهایی با استفاده از منحنی ROC و سطح زیر منحنی (AUC) نشان داد که مدل به کار رفته در تحقیق به ترتیب با ضرایب 861/0 و 895/0 از نظر داده های آموزشی و اعتبارسنجی از عملکرد خوبی در تهیه نقشه حساسیت خطر وقوع سیل برخوردار بوده است.
۲۶۸.

توسعه الگوریتم های یادگیری ماشین جهت پیش بینی شاخص کیفیت هوای شهری (منطقه مطالعاتی: شهر تهران)(مقاله علمی وزارت علوم)

نویسنده:
منبع: جغرافیا و مخاطرات محیطی تابستان ۱۴۰۲ شماره ۴۶ 165 - 186

کلیدواژه‌ها: آلودگی هوا یادگیری ماشین جنگل تصادفی ماشین بردار پشتیبان الگوریتم ژنتیک

حوزه های تخصصی:
تعداد بازدید : ۲۰۵ تعداد دانلود : ۱۲۷
با توجه به مضرات آلودگی هوا بر سلامت انسان ها و محیط، کاهش و حل این معضل براساس شناخت دقیق آلاینده ها و عوامل تأثیرگذار بر آن و مشخص نمودن پهنه های آلوده ضروری به نظر می رسد؛ بنابراین استفاده از مدل های ریاضی در قالب یادگیری ماشینی رویکردی بهینه و مقرون به صرفه برای مدل سازی آلودگی هواست. این تحقیق به لحاظ هدف کاربردی بوده و روش بررسی آن توصیفی-تحلیلی است. نوآوری تحقیق حاضر ارائه یک رویکرد ترکیبی جدید جهت تعیین معیارهای مؤثر در پیش بینی میزان آلودگی هوا می باشد. لذا هدف از تحقیق حاضر ارزیابی و مقایسه قابلیت دو مدل یادگیری ماشین، یعنی ماشین بردار پشتیبان ( SVM) و جنگل تصادفی ( RF) در ترکیب با الگوریتم ژنتیک (GA) جهت پیش بینی میزان آلودگی هوا در شهرستان تهران است. داده های مورداستفاده در این تحقیق شامل ذرات معلق و آلاینده های گازی شهر تهران مرتبط با سال 1399 می باشد که از شرکت کنترل ترافیک شهر تهران اخذ گردیده است. به منظور تجزیه وتحلیل داده ها از نرم افزارهای Matlab و ArcMap استفاده شد. مقدار ضریب تشخیص (R2)  حاصل از روش ترکیبی RF-GA برابر 997/0 به دست آمد که نشان دهنده سازگاری بالای این مدل با داده های این تحقیق است. همچنین مقدار ریشه میانگین خطای مربعات (RMSE) برابر 153/0 به دست آمد که نشان دهنده دقت بالای این مدل می باشد. بر اساس اطلاعات گرفته شده از شرکت کنترل ترافیک شهر تهران، نتایج حاصل از روش RF بیانگر مناسب بودن انتخاب مدل مذکور جهت برآورد میزان آلودگی هوای شهر تهران بوده است.
۲۶۹.

توسعه مدل GA-ANFIS به منظور پیش بینی غلظت آلاینده PM_10 در یک بازه زمانی بلندمدت، مطالعه موردی: شهر تهران(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهش های جغرافیای طبیعی دوره ۵۴ بهار ۱۴۰۲ شماره ۱ (پیاپی ۱۲۳) 57 - 87

کلیدواژه‌ها: آلودگی هوا الگوریتم ژنتیک خودهمبستگی مکانی سیستم استنتاج فازی - عصبی تطبیقی

حوزه های تخصصی:
تعداد بازدید : ۱۰۳ تعداد دانلود : ۸۲
بین انواع ذرات معلق در هوا، ذراتی با قطر کمتر از 10 میکرون اثرات سوء بسیاری بر سلامتی انسان ها دارد. پارامترهای هواشناسی و جابجایی حجم بالایی از وسایل نقلیه مهم ترین عوامل تعدیل کننده در پراکنش و غلظت آلاینده های جوی محسوب می شوند. در این مطالعه، به منظوربه منظور پیش بینی غلظت آلاینده PM_10 طی یک باز بلند مدت در شهر تهران، مدل ترکیبی GA-ANFIS بکار برده شد. سرعت باد، جهت باد، دما، رطوبت نسبی و حجم ترافیک به عنوان ورودی ها و غلظت آلاینده PM_10 به عنوان خروجی مدل در نظر گرفته شد. نتایج حاصل از محاسبه شاخص های عملکرد نشان داد که مدل ترکیبی GA-ANFIS نسبت به مدل ANFIS قابلیت مطلوب تری در پیش بینی غلظت آلاینده PM_10 ارائه می دهد. به منظور ارزیابی الگوهای مکانی-زمانی غلظت آلاینده PM_10 و شناسایی لکه های داغ و سرد در شهر تهران، آماره موران محلی و آماره گتیس ارد-جی محاسبه شد. نتایج نشان داد که سطح خوشه بندی بالایی از آلاینده PM_10 در تهران (با سطح اطمینان 95 درصد) وجود دارد. خوشه های PM_10  شهر را به دو بخش شمالی و جنوبی تقسیم کرده اند به طوری که بیشتر نقاط سرد در نیمه شمالی و نقاط داغ در جنوب تا مرکز شهر گسترش پیدا کرده اند. 
۲۷۰.

مکان یابی بهینه کاربری درمانی (بیمارستان) با استفاده از مدل تلفیقی منطق بولین و الگوریتم ژنتیک، نمونه مورد مطالعه: منطقه 17 شهرداری تهران(مقاله علمی وزارت علوم)

نویسنده:
منبع: نگرش های نو در جغرافیای انسانی سال چهاردهم پاییز ۱۴۰۱ شماره ۴ (پیاپی ۵۶) 1 - 26

کلیدواژه‌ها: مکان یابی بهینه کاربری درمانی الگوریتم ژنتیک منطق بولین

حوزه های تخصصی:
تعداد بازدید : ۷۳ تعداد دانلود : ۸۱
ارزیابی وضعیت برنامه ریزی کاربری زمین در شهر تهران حاکی از عدم موفقیت این نوع برنامه ریزی است. منطقه 17 شهر تهران به دلیل؛ وسعت کم، تراکم جمعیتی بالا و ریزدانگی بافت به منظور تامین سطوح خدماتی مورد نیاز با مشکلات بسیاری مواجه است. کمبود خدماتی عمومی درسطح این منطقه به یکی از عوامل اصلی در کاهش جمعیت پذیری آن تبدیل شده است. نتایج حاصل تجزیه و تحلیل وضعیت کنونی کاربری درمانی منطقه به عنوان یکی از اساسی ترین سطوح خدماتی با سرانه 0.16 مترمربع هم ازسرانه استاندارد وهم سرانه شهر تهران پایین تر است. بر همین اساس هدف از پژوهش حاضر، مکان یابی بهینه کاربری درمانی و به طور خاص بیمارستان ها درمنطقه 17 شهر تهران است. روش تحقیق توصیفی – تحلیلی و در تحلیل داده ها به وسیله الگوریتم ژنتیک، بهینه ترین و بهترین پاسخ به مسأله به وسیله تعریف توابع متعدد و استفاده از نرم افزار متلب صورت گرفته است. در این روش با استخراج معیارها و شاخص های مکان یابی بیمارستان و مناسب سازی این معیارها طبق استانداردهای کاربری زمین، بهترین مکان برای جانمایی بهینه این کاربری شناسایی شده است. نتایج پژوهش حاکی از آن است که؛ به وسیله مدل تبیین شده در این پژوهش با در نظرگرفتن عامل جمعیت، هم جواری ها، ویژگی های زمین و دسترسی درکنار انتخاب بهترین مکان برای کاربری درمانی به حل مشکل کمبود سرانه درمانی در این منطقه پاسخ اساسی و مناسب داده شده است.
۲۷۱.

ارزیابی و پیش بینی خشکسالی های غرب و شمال غرب ایران با استفاده از شبکه عصبی مصنوعی(مقاله علمی وزارت علوم)

نویسنده:
منبع: مطالعات جغرافیایی مناطق کوهستانی سال سوم تابستان ۱۴۰۱ شماره ۲ ۳۸-۱۹

کلیدواژه‌ها: بارش رطوبت خاک شاخص خشکسالی چند متغیره شدت خشکسالی الگوریتم ژنتیک

حوزه های تخصصی:
تعداد بازدید : ۱۰۹ تعداد دانلود : ۱۱۴
خشکسالی به عنوان مخاطره ای اقلیمی، تأثیر بسزایی بر محیط زیست و به تبع آن انسان و سایر موجودات زنده دارد. ازاین رو پایش و پیش بینی این پدیده امری لازم و ضروری می باشد. در این پژوهش با هدف بررسی و ارزیابی پیش بینی خشکسالی در نیمه غربی کشور از شاخص خشکسالی استاندارد شده چند متغیره (MSDI) و روش های مبتنی بر هوش مصنوعی استفاده شده است. جهت پیش بینی مقادیر این شاخص در محدوده مطالعاتی، از داده های ماهانه بارش و رطوبت خاک پایگاه داده MERRA طی دوره 36 ساله (1980-2016) به عنوان ورودی و مقادیر محاسبه شده MSDI بعنوان خروجی بهره برده شد. نتایج تحلیل خشکسالی ماهانه براساس این داده ها نشان داد که شدیدترین خشکسالی در منطقه مورد مطالعه حد فاصل ماه های مارس تا اکتبر به وقوع پیوسته و کانون اصلی وقوع این پدیده، استان های لرستان و خصوصاً ایلام و کرمانشاه می باشند. این نتایج با بررسی نقشه های فصلی و سالانه نیز مطابقت دارد. طبق طبقه بندی شاخص MSDI، خشکسالی شدید در منطقه مورد مطالعه ثبت نشده است و خشکسالی ها در طبقه متوسط قرار داشتند. نتایج حاصل از مدل سازی شبکه های عصبی مصنوعی نیز نشان داد که استفاده از شبکه های عصبی مصنوعی به طور کلی از توانایی شبیه سازی مناسبی برخوردار می باشند. از بین الگوریتم های استفاده شده جهت بهینه سازی شبکه عصبی مصنوعی، الگوریتم ژنتیک، بهترین عملکرد را نسبت به سایر روش ها در پیش بینی خشکسالی ها دارا می باشد.
۲۷۲.

بررسی مقایسه ای رویکرد الگوریتم ژنتیک با رویکرد شبکه عصبی مصنوعی با استفاده از نسبت های مالی در پیش بینی بازده سهام

نویسنده:
منبع: مهندسی مدیریت نوین سال ۲ تابستان ۱۳۹۲ شماره ۲ 15 - 44

کلیدواژه‌ها: بازده سهام شبکه عصبی مصنوعی الگوریتم ژنتیک نسبت های مالی

حوزه های تخصصی:
تعداد بازدید : ۸۱ تعداد دانلود : ۱۰۷
سرمایه گذاری در سهام عرضه شده در بورس اوراق بهادار یکی از گزینه های پرسود در بازار سرمایه است. بازار سهام دارای سیستمی غیر خطی و آشوب گونه است که تحت تأثیر شرایط سیاسی، اقتصادی و روانشناسی می باشد و می توان از سیستم های هوشمند غیرخطی همچون شبکه های عصبی مصنوعی، شبکه های عصبی فازی و الگوریتم های ژنتیک برای پیش بینی بازده سهام استفاده نمود. در این مقاله به طراحی و ارائه ی یک مدل پیش بینی بازده سهام با استفاده از نسبت های مالی با رویکردهای شبکه عصبی مصنوعی و الگوریتم های ژنتیکی و کاهش خطای پیش بینی بازده سهام پرداخته شده است. در ادامه پس از طراحی و پیاده سازی مدل شبکه های عصبی مصنوعی و الگوریتم های ژنتیک، با استفاده از 6 معیار سنجش عملکرد برای پیش بینی، نتایج دو رویکرد مورد مقایسه گرفته است. نتایج نشان می دهد که رویکرد الگوریتم های ژنتیک نسبت به رویکرد شبکه های عصبی مصنوعی، پیش بینی های بسیار مناسب تری داشته و از سرعت بالاتر و توانایی تقریب قوی تری برای پیش بینی بازده سهام برخوردار بوده است.
۲۷۳.

بهبود مدیریت انرژی و آسایش در ساختمان های هوشمند(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهشنامه اقتصاد انرژی ایران سال ۱۲ زمستان ۱۴۰۱ شماره ۴۵ 71 - 93

کلیدواژه‌ها: مدیریت مصرف انرژی راحتی کاربر بهینه سازی چندهدفه الگوریتم ژنتیک الگوریتم خفاش

حوزه های تخصصی:
تعداد بازدید : ۱۰۲ تعداد دانلود : ۹۲
مدیریت بهینه مصرف انرژی در ساختمان ها پیامدهای مثبتی در اقتصاد خرد و کلان دارد. در مدیریت مصرف انرژی، علاوه بر کاهش مصرف راحتی ساکنان نیز باید مورد توجه باشد. مسئله مدیریت و زما بندی کارکرد وسایل الکتریکی خودکار و قابل برنامه ریزی در یک ساختمان هوشمند، یک مسئله بهینه سازی است که با توجه به تعداد وسایل الکتریکی و قابلیت های آن ها پیچیدگی بالایی دارد. در این پژوهش یک رویکرد مدیریت مصرف انرژی پیشنهاد شده است که شامل سه لایه از عامل های سوییچ، هماهنگ کننده و اجرا است که در یک ساختار شبکه ای با هم مرتبطند. عامل سویچ برای تعیین و پایش اولویت ها، سطح رضایت و راحتی کاربر استفاده می شود. عامل هماهنگ کننده درباره زمان بندی وسایل الکتریکی با هدف کمینه سازی هزینه برق مصرفی و بیشینه سازی راحتی کاربر تصمیم گیری می کند. عامل اجرا تصمیمات اخذ شده را با مجموعه ای از اعمال اجرا می کند. هدف اصلی این پژوهش ارائه الگوریتمی برای کاهش مصرف انرژی و اوج نرخ میانگین و درعین حال افزایش راحتی کاربر در لایه عامل هماهنگ کننده است. به این منظور روشی ترکیبی مبتنی بر الگوریتم ژنتیک و الگوریتم خفاش ارائه شده و عملکرد آن بر اساس توابع هدف ارزیابی شده اند. نتایج حاصل نشان می دهد که روش پیشنهادی نسبت به روش های ارائه شده اخیر، بر روی مجموعه داده های اسمارت هوم[1] و سی یوبیمز[2] نتایج بهتری داشته اند.   [1]. SmartHome [2]. CU-Bems
۲۷۴.

بررسی دقت ماشین بردار پشتیبان بر پایه الگوریتم ژنتیک نسبت به روش های متداول خطی در پیش بینی سود هر سهم(مقاله علمی وزارت علوم)

نویسنده:
منبع: راهبرد مدیریت مالی سال ۱۱ پاییز ۱۴۰۲ شماره ۳ (پیاپی ۴۲) 127 - 154

کلیدواژه‌ها: سود هر سهم ماشین بردار پشتیبان الگوریتم ژنتیک مدل های خطی

حوزه های تخصصی:
تعداد بازدید : ۱۰۹ تعداد دانلود : ۹۰
اطلاعات مربوط به سود و سود پیش بینی شده هر سهم معیارهایی هستند که از دیدگاه بسیاری از استفاده کنندگان با اهمیت تلقی می شوند؛ لذا شرکت ها برای جذب سرمایه گذاران تلاش می کنند سود هر سهم را با بیشترین دقت پیش بینی کنند. از سوی دیگر، علی رغم روش های متعدد پیش بینی سود، پیش بینی دقیق سود هر سهم در حوزه مالی کار چندان آسانی نیست و اغلب پژوهشگران درصدد تعیین بهترین روش برای پیش بینی سود هستند؛ بنابراین، هدف اصلی این پژوهش بررسی دقت ماشین بردار پشتیبان بر پایه الگوریتم ژنتیک نسبت به روش های متداول خطی در پیش بینی سود هر سهم است. بدین منظور، نمونه ای متشکل از 100 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1387-1398 بررسی شده است. در راستای دستیابی به اهداف پژوهش، ابتدا با مطالعه پژوهش های پیشین در حوزه پیش بینی سود 14 نسبت مالی اثرگذار بر پیش بینی سود انتخاب شده است. سپس، به منظور ارائه مدلی در زمینه پیش بینی سودآوری شرکت ها، به مقایسه مدل ترکیبی ماشین بردار پشتیبان بر پایه الگوریتم ژنتیک، ماشین بردار پشتیبان و رگرسیون خطی پرداخته شده است. نتایج پژوهش نشان داد مدل ترکیبی ماشین بردار پشتیبان بر پایه الگوریتم ژنتیک در پیش بینی روند حرکتی سود هر سهم بسیار بهتر عمل کرده و در مقایسه با مدل ماشین بردار پشتیبان بر اساس توابع کرنلی و روش رگرسیون خطی از دقت بالاتری برخوردار است. به گونه ای که با توسعه مدل ماشین بردار پشتیبان بر پایه الگوریتم ژنتیک خطای آموزش مدل به مقدار 036/0 کاهش و بر دقت مدل تا 75 درصد افزوده می شود.  
۲۷۵.

بهینه سازی شبکه زنجیره تامین زیست توده در چهار سطح(مقاله پژوهشی دانشگاه آزاد)

نویسنده:
منبع: مدیریت راهبردی در سیستم های صنعتی سال ۱۸ پاییز ۱۴۰۲ شماره ۶۵ 54 - 69

کلیدواژه‌ها: الگوریتم ژنتیک الگوریتم MOPSO خروجیهای مطلوب و نامطلوب شبکه زنجیره تامین زیست توده

حوزه های تخصصی:
تعداد بازدید : ۱۵۵ تعداد دانلود : ۹۰
آلایندگی بر اثر دفن زیست توده ها، امکان تولید انرژی پاک از زیست تودهها و تقاضای زیاد برای دریافت انرژی، بهینه سازی شبکه زنجیره تامین زیست توده را مهم و ضروری ساخته است. هدف این مقاله، بهینه سازی شبکه زنجیره تامین زیست توده در چهار سطح به منظور کاهش هزینه های اقتصادی و زیست محیطی است. مهم ترین شکاف پژوهشی برطرف شده در این مقاله، تعیین خروجیهای مطلوب و نامطلوب زیست توده ها در مراکز تفکیک سازی و در نظرگرفتن حالت چند دوره ای، چندمحصولی با وسایل حمل و نقل ناهمگن است. مدل پژوهش، دو هدفه برنامهریزی خطی عدد صحیح مختلط با عدم قطعیت و اختلال است بدین منظور چهار سناریو، طراحی گردید. مدل با روش الگوریتم ژنتیک و MOPSO و با نرم افزار پایتون حل گردید.اعتبارسنجی مدل، در یک مورد مطالعه ای واقعی در استان فارس بررسی شده است. مدل پیشنهادی توانسته است پایداری و تاب آوری را همزمان، پیاده سازی نماید که موجب کاهش هزینه ها، کاهش انتشار کربن و افزایش تجاری شدن تولید انرژی از زیست توده ها شده است از اینرو سبب افزایش تمایل سرمایه گذاران به سرمایه گذاری در این شبکه از زنجیره تامین میشود مدل پیشنهادی میزان تولید انرژی را 1/2 درصد نسبت به زمانی که خروجیهای مطلوب و نامطلوب در نظر گرفته نشوند کمتر تشان می دهد یعنی به واقعیت بسیار نزدیکتر می کند. با انجام تحلیل حساسیت بر روی داده های واقعی، کارایی مدل اثبات گردید.
۲۷۶.

بهینه سازی عملکرد انرژی و نورروز پوسته ساختمان های مسکونی با استفاده از الگوریتم ژنتیک در شهر همدان

نویسنده:
منبع: پژوهش های معماری و محیط سال دوم بهار و تابستان ۱۳۹۸ شماره ۳ 17 - 37

کلیدواژه‌ها: بهینه سازی تحلیل حساسیت ساختمان های مسکونی عملکرد انرژی و نورروز الگوریتم ژنتیک

حوزه های تخصصی:
تعداد بازدید : ۱۰۳ تعداد دانلود : ۹۲
پژوهش حاضر ارزیابی و بهینه سازی عملکرد انرژی و نورروز پوسته ساختمان های مسکونی در اقلیم سرد همدان را مد نظر قرار می دهد. برای این منظور الگوی رایج ساختمان های مسکونی در شهر همدان که آپارتمان های مسکونی 5 طبقه با همسایگی شرقی و غربی و در نتیجه نورگیری از سمت شمال و جنوب می باشد، در قالب مدل پایه انتخاب گردید و مصرف انرژی سالانه و میزان بهره گیری از نورروز به عنوان توابع هدف بهینه سازی در نظر گرفته شدند. پس از بررسی روش های مورد استفاده و شاخص های مختلف ارزیابی عملکرد انرژی و نورروز، شاخص های مصرف انرژی سالانه در واحد سطح (EUI) به منظور ارزیابی مقدار مصرف انرژی و روشنایی مفید نورروز (UDI) به عنوان شاخص ارزیابی بهره وری از روشنایی طبیعی انتخاب گشتند تا در یافتن راه حل های بهینه به منظور طراحی پوسته جبهه اصلی ساختمان های مسکونی بکار گرفته شوند. سپس مولفه های مختلف پوسته ساختمان های مسکونی شناسایی شده و تحلیل حساسیت داده ها با استفاده از روش غربالگری موریس به منظور رتبه بندی متغیرهای کلیدی موثر بر تابع هدف انجام گرفت. در ادامه مطالعات پارامتریک بر روی متغیرهای خروجی و بهینه سازی راه حل ها با استفاده از الگوریتم ژنتیک مد نظر قرار گرفت. بدین ترتیب از طریق تعامل میان نرم افزار شبیه سازی و روش بهینه سازی چند هدفه، یک سری راه حل های بهینه پارتو تولید شدند که از طریق مقایسه آنها با در نظر گرفتن هر دو جنبه انرژی و نورروز، طرح بهینه انتخاب گردید. نتایج نشان می دهد که از طریق بهینه سازی پارتو می توان در الگوهای انتخابی به میزان 17.44% و 23.72% شاخصEUI و 17.61% و 21.1% شاخص UDI را بهبود بخشید. بر این اساس طراحی پوسته ساختمان از این طریق می تواند به میزان زیادی مصرف انرژی را کاهش داده و در عین حال بهره وری از روشنایی طبیعی را افزایش دهد.
۲۷۷.

نقش طراحی و موقعیت قرارگیری ساختمان در بهینه سازی مصرف انرژی (نمونه موردی: ساختمان های مهندسی ساز شهر تهران)(مقاله علمی وزارت علوم)

نویسنده:
منبع: مطالعات هنر اسلامی سال ۱۹ تابستان ۱۴۰۲ شماره ۵۰ 186 - 212

کلیدواژه‌ها: ساختمان مسکونی بهینه سازی موقعیت ساختمان دیزاین بیلدر الگوریتم ژنتیک

حوزه های تخصصی:
تعداد بازدید : ۱۰۵ تعداد دانلود : ۹۷
ساختمان ها یکی از ارکان اصلی توسعه اجتماعی و اقتصادی کشورها می باشند که بخش زیادی از انرژی و منابع طبیعی را مصرف می کنند. سهم این بخش از مصرف انرژی، به طور میانگین، 30-50% می باشد. در ایران بر پایه ترازنامه انرژی سال های اخیر، حدود 33% از انرژی تولید شده مربوط به بخش خانگی، تجاری و عمومی، یعنی بخش ساختمانی می شود. محدوده تحقیق، ساختمان های آپارتمانی مسکونی متداول در شهر تهران می باشد. روش تحقیق بدین صورت است که 6 بلوک مسکونی مشابه و در موقعیت های نورگیری متفاوت، در نظر گرفته شده است. این 6 بلوک از لحاظ مساحت زمین، مساحت زیربنا، تعداد طبقات، سیستم های گرمایشی و سرمایشی و سایر مشخصات، کاملاً مانند هم بوده و تنها تفاوت آن ها، موقعیت قرارگیری آن ها در یک گذر می باشد. متغیرهای تحقیق عبارت اند از: جنس دیوارخارجی (سفال یا لیکا) و نمای خارجی (سنگ یا آجر)، نوع شیشه پنجره (ساده یا کم گسیل)، نوع گاز بین لایه های شیشه پنجره (هوا یا آرگون) و نسبت پنجره به سطح  جبهه های مختلف بنا و اهداف تحقیق نیز کمینه سازی مصرف انرژی و هزینه ساخت می باشند. برای بهینه سازی متغیرها از نرم افزار دیزاین بیلدر و الگوریتم ژنتیک استفاده گردید. نتایج تحقیق حاکی از این است که بهینه ترین حالات ممکن برای نمای خارجی، سنگ، جنس دیوار خارجی لیکا، شیشه پنجره ها، دوجداره کم گسیل همراه با گاز آرگون بین لایه های شیشه، و wwr  بهینه بلوکی که از جبهه های جنوب و غرب نور می گیرد، به ترتیب 60 % و 25% ،   wwr بهینه بلوکی که فقط از جبهه جنوب نور می گیرد،  55% ،  wwr  بهینه بلوکی که از جببه های جنوب و شرق نور می گیرد، به ترتیب 60% و 45%،   wwr بهینه بلوکی که از جبهه های شمال، جنوب و شرق نور می گیرد، به ترتیب 60% ، 35% و 30%، wwr  بهینه بلوکی که از جبهه های شمال و جنوب نور می گیرد، 45% و 25% و wwr بهینه بلوکی که از جبهه های شمال، جنوب و غرب نور می گیرد 40%، 35 % و 35% می باشد.اهداف پژوهش:بررسی تأثیر موقعیت قرارگیری ساختمان بر بهینه سازی مصرف انرژ.به دست آوردن نسبت بهینه پنجره به سطح از منظر صرفه جویی در مصرف انرژی، در وجوه مختلف.سؤالات پژوهش:موقعیت قرارگیری یک ساختمان نسبت به گذر و جبهه های نورگیری، چه تأثیری در بهینه سازی مصرف انرژی دارد؟نسبت های بهینه پنجره به سطح در جبهه های مختلف یک ساختمان، به منظور کمینه سازی مصرف انرژی چه درصدی می باشند؟
۲۷۸.

کاربرد هوش مصنوعی در حسابداری

نویسنده:
منبع: رویکردهای پژوهشی نوین در مدیریت و حسابداری سال ۶ زمستان ۱۴۰۱ شماره ۲۳ 108-124

کلیدواژه‌ها: هوش مصنوعی سیستم های خبره شبکه ی عصبی الگوریتم ژنتیک منطق فازی و یادگیری ماشینی

حوزه های تخصصی:
تعداد بازدید : ۱۸۱ تعداد دانلود : ۱۵۳
هدف پژوهش حاضر بررسی کاربرد هوش مصنوعی در حسابداری است. پژوهش حاضر مبتنی بر رویکرد فلسفی و علمی بر پایه روش شناخت تاریخی به موضوع تعامل حسابداری و تکنولوژی هوش مصنوعی می پردازد. در حقیقت بر اساس این رویکرد محقق قصد دارد به بیان فلسفی، نقش تکنولوژی هوش مصنوعی و مدیریت آن در دانش حسابداری را ارائه دهد و به سؤالاتی که در خصوص ارتباط بین این دو رشته که در تئوری و عمل مطرح می باشد به سوأل اصلی پژوهش یعنی "کاربرد هوش مصنوعی در حسابداری چیست" را تبیین کرد. همچنین چگونه می توان همسو با تحولات تکنولوژی باعث ارتقاء جایگاه حسابداری در سازمان ها و جامعه گردید، پاسخ دهد. برای جمع آوری منابع مورد نیاز، اسناد و مدارک آرشیوی که نتیجه تحقیقات تجربی است، بررسی گردید و مبانی نظری و پیشینه تحقیق به روش کتابخانه ای شناسایی و مورد استفاده قرار گرفت. در پژوهش حاضر با توجه به گسترده بودن مباحث فوق، پنج عاملی که نقش عمده تری در تشریح کاربرد هوش مصنوعی در حسابداری دارند، شامل سیستم های خبره، شبکه عصبی، الگوریتم ژنتیک، منطق فازی و یادگیری ماشینی مورد توجه و بررسی قرار گرفته است. با توجه به بررسی های صورت گرفته، استفاده از هریک از عوامل فوق به تنهایی نتایج کامل و دقیقی را ارائه نمی دهد. لیکن پیشنهاد می گردد محققین این حوزه، عوامل ارائه شده فوق را جهت ارائه الگوی واحد بکار گرفته تا از این طریق بتوان استفاده بهینه را از هوش مصنوعی برد.
۲۷۹.

طرح یک نظام آزمایشگاهی هماهنگ برای آشنایی دانشجویان دانشگاه های ایران با روش های کنترل هوشمند

نویسنده:
منبع: آموزش مهندسی ایران سال ۴ زمستان ۱۳۸۱ شماره ۱۶ 89 - 101
تعداد بازدید : ۶۳ تعداد دانلود : ۴۲
با توجه به اهمیت و وجود زمینه های مساعد برای پژوهش و تحقیقات در سیستم های هوشمند، ایجاد یک حرکت روبه رشد و هماهنگ در دانشگاه های ایران ضروری به نظر می رسد. در این مقاله سعی شده است تا با طرح یک نظام جامع، فضای مناسب برای برداشتن اولین قدم به سمت تحقیقات فراگیر فراهم شود، زیرا تا زمانی که حرکت هماهنگ و منسجم در دانشگاه های کشور به سمت روش های کنترل خبره انجام نشود، شاهد رشد چندانی نخواهیم بود. این مقاله ابتدا به بیان عکس العمل جامعه علمی در برابر روش های جدید کنترل می پردازد، سپس شاخه های مختلف در مباحث کنترل را نام می برد و به صورت جزیی تر به مباحث مهم در روش های کنترل هوشمند توجه می کند. آن گاه با مقایسه ای کوتاه جایگاه روش های سنتی و جدید را مشخص می کند. همچنین، مقدمات یک برنامه دوازده هفته ای برای یک آزمایشگاه کنترل هوشمند بیان می شود که قسمت عمده این طرح انجام دادن چند پروژه کنترلی است و در انتها به عنوان نمونه چند پروژه قابل کنترل با روش های جدید شرح داده می شود.
۲۸۰.

کمی سازی مفهوم تولید صیانتی از مخازن نفت با استفاده از بهینه سازی الگوریتم ژنتیک(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهشنامه اقتصاد انرژی ایران سال ۱۳ تابستان ۱۴۰۲ شماره ۴۷ 129 - 154

کلیدواژه‌ها: تولید صیانتی بهینه سازی الگوریتم ژنتیک

حوزه های تخصصی:
تعداد بازدید : ۱۱۲ تعداد دانلود : ۱۰۴
علی رغم کاهش سهم نفت در سبد انرژی دنیا مقدار مطلق مصرف نفت رو به افزایش است و همچنان نفت در کانون تحولات اقتصادی و سیاسی است و کشورهای دارای ذخایر نفت و گاز تلاش می کنند حداکثر بهره برداری را از این ذخایر بنمایند. در کشور ما نیز سیاست گذاری ها و قانون گذاری ها متعددی در ارتباط با نفت و گاز صورت گرفته و تأکیدات فراوانی بر حداکثر سازی بهره برداری بهینه از این منابع شده است که به طور نمونه می توان به سیاست های کلی اقتصاد مقاومتی و اصلاح قانون نفت 1390 اشاره کرد که به موضوع بهره برداری بهینه از منابع، تولید صیانتی و حداکثر سازی ارزش اقتصادی مخزن تأکید شده است. عبارت تولید صیانتی پیش ازاین نیز در ادبیات قانون گذاری و سیاست گذاری نفت و گاز کشور بیان شده بود، بااین حال هنوز الگوسازی کافی برای تبیین و بیان مقداری آن صورت نگرفته است. در این پژوهش تلاش شده است که با استفاده از داده های واقعی یک مخزن نفتی (دارای دوره های تخلیه طبیعی، بهبود بازیافت اولیه، ثانویه و ثالثیه)، توابع هدف متفاوت (ارزش اقتصادی مخزن و ضریب بازیافت نهایی) و اثر تغییر در دوره بهینه سازی (بین دوره ای یا تمام دوره ای) مدل سازی شود و مفهوم تولید صیانتی به صورت مقداری محاسبه شود. نتایج نشان داده است که تغییر در تابع هدف و دوره های بهینه سازی (که حاکی از نگاه بلندمدت یا کوتاه مدت به مخزن است) می تواند تأثیر قابل توجهی بر مسیر تولید بگذارد.