پیش آگاهی

بارش یکی از مهمترین داده های ورودی به سیستم های هیدرولوژیکی محسوب می شود که مطالعه و اندازه گیری آن در اکثر موارد برای مطالعات رواناب، خشکسالی، آبهای زیرزمینی، سیلاب، رسوب و ... لازم و ضروری است. هدف این مقاله پیش آگاهی مقادیر بارش ماهانه یزد با استفاده از شبکه های عصبی مصنوعی است. در این تحقیق از داده های بارش ماهانه طی دوره آماری 53 سال (1950-2003) و شبکه های عصبی مصنوعی به عنوان یک روش غیر خطی جهت پیش بینی بارش استفاده شده است. نتایج این تحقیق بعد از آزمون شبکه با لایه های پنهان و با ضرایب یادگیری مختلف نشان داد که استفاده از شبکه های عصبی مصنوعی با یک پرسپترون 2 لایه پنهان با ضریب یادگیری 1/0 و مومنتم 7/0 مدل نسبتاً بهتری را ارائه می کند و همچنین بعد از آموزش مجدد شبکه و آزمون شبکه با لایه های پنهان و ضرایب مختلف یادگیری در ترکیب با الگوریتم ژنتیک نشان داد که ترکیب شبکه با ویژگی های مذکور با الگوریتم ژنتیک باعث کاهش خطا و افزایش سرعت محاسبات شده و مدل بهتری را ارائه می کند. لازم به ذکر است که تصادفی کردن داده ها برای آموزش شبکه باعث افزایش دقت و بهتر بودن مدل می شود.

هدف اصلی این مطالعه بررسی تأثیر سیگنال های اقلیمی بر دبی دو ایستگاه منتخب و نوسان آب دریاچه ارومیه، طیّ دوره ی 22 ساله (2007-1986) می باشد. برای این کار ازداده های دو ایستگاه منتخب، داده های ماهانه شاخص نوسان جنوبی SOI، نوسان اطلس شمالی NAO و شاخص ENSO در مناطق NINO1+2, NINO3, NINO4و NINO3.4 استفاده شد. داده های مربوط به سیگنال های بزرگ مقیاس اقلیمی از مرکز داده های NCEP تهیه گردید. داده های مربوط به میانگین دبی ماهانه ایستگاه های داشبند و ساریقمیشنیز از مرکز داده های وزارت نیرو تهیه گردید. ابتدا به منظور بررسی اولیه داده ها و همبستگی بین آنها برای تهیه مناسب ترین مدل پیش بینی دبی، گام های زمانی 0، 3 و 6 ماهه مد نظر قرار گرفت. در بررسی دبی در بازه های زمانی مختلف، ایستگاه های مورد مطالعه، نتیجه شد، همبستگی در بازه ی زمانی تأخیری شش ماهه بیشتر از بازه های زمانی همزمان و تأخیری سه ماهه است.پس از تبیین ارتباط و نوع آن، مدل پیش بینی با استفاده از شبکه ی عصبی مصنوعی طراحی گردید و نتایج حاصل از این مدل مورد ارزیابی و تجزیه و تحلیل قرار گرفت. با توجه به همبستگی های معنی دار در بازه های زمانی این نتیجه گرفته شد، که شاخص های بزرگ مقیاس اقلیمی از نظر گردش عمومی جو و متأثر نمودن سیستم های بزرگ جوی در منطقه ی مورد مطالعه بر دما، بارش و دبی و نوسان آب دریاچه ی ارومیه تأثیر معنی داری می گذارند. بررسی مدل های خروجی از نرم افزار شبکه ی عصبی مصنوعی نشان داد، که مؤثرترین سیگنال ها بر دبی به ترتیب NINO3.4, NINO3, NINO1+2 و کم اثرترین سیگنال ها به ترتیب NAO ,SOIمی باشند. با توجه به یافته های تحقیق حاضر می توان این طور نتیجه گیری کرد که ارتباط معنی داری بین دبی با سیگنال های اقلیمی و جود دارد.

پژوهش حاضر با هدف بررسی مفهوم «حزم» (آینده نگری) در روان شناسی و منابع اسلامی و تعیین مؤلفه ها و مقوله های این سازه انجام شده است. یافته های روان شناختی از طریق بررسی و تبیین منابع روان شناسی به صورت «کتابخانه ای» جمع آوری و تحلیل شد. مؤلفه ها و مقوله های «حزم» نیز به روش «توصیفی- تحلیلی» بر اساس رتبه بندی کتب روایی با استفاده از رتبه «الف» و «ب» استخراج و تبیین گردید. یافته های این بررسی نشان می دهد که مفهوم جامع سازة «حزم» عبارت است از: مهارت شناختی(کیاست) که فرد با استفاده از ظرفیت های گذشته و حال به پیامدهای آینده رویدادها توجه نموده(سیر زمانی) و در زمان حال آگاهانه به اقدامات منطقی(اقدام آگاهانه) روی می آورد. همچنین سازة مذکور مشتمل بر سه مؤلفة اصلی «کیاست»، «سیر زمانی» و «اقدام آگاهانه» و 10 مقوله با عنوان خرده مؤلفه هاست. یافته های مذکور قابلیت بهره برداری به منظور طراحی بسته های اموزشی و تربیتی را دارد.