پرسپترون

یکی از پیشرفته ترین مدلهای پیش بینی کننده ورشکستگی، مدل «شبکه عصبی مصنوعی» است. مطابق نتایج تحقیق ساختار اصلی پرسپترون سه و چهار لایه برای پیش بینی ورشکستگی شرکتها به مدلهایی شبیه یکدیگر منتهی می شود که در این میان شبکه سه لایه از قدرت پیش بینی بیشتری نسبت به شبکه چهار لایه برخوردار است. این تحقیق نشان می دهد که «به کارگیری مدلهای مبتنی بر شبکه عصبی توانایی مدیریتهای مالی را برای مقابله با نوسانهای اقتصادی و ورشکستگی نسبت به مدلهای رقیب افزایش می دهد». پیش بینی ورشکستگی اقتصادی شرکتهای بازار بورس در سالهای 1385 و 1386 و ترسیم روند ورشکستگی این شرکتها در دورة 1369- 1386 از دیگر بخشهای این مقاله است. نتایج نشان می دهد که در سال 1385 تحت تأثیر سیاستهای شفاف سازی روند ورشکستگی اقتصادی شرکتها به طور چشمگیری افزایش خواهد یافت که با سازگارشدن شرکتها با شرایط جدید، تا حدی این روند در سال 1386 تعدیل می شود.

یکی از مهمترین فرآیندهای حرکات دامنه ای زمین لغزش می باشد. زمین لغزش جابجایی حجم زیادی از توده های خاک ، سنگ ویا ترکیبی از آنها به طرف پایین شیب ، در اثر نیروی ثقل می باشد و علاوه بر تلفات جانی بسیار ، موجب زیان های اقتصادی فراوانی خواهد شد. چون پیش بینی زمان و محل دقیق وقوع زمین لغزشها مشکل می باشد شناسایی نقاط حساس و پهنه بندی این مناطق بر اساس پتانسیل خطر ناشی از زمین لغزش اهمیت فراوانی دارد . تهیه نقشه پهنه بندی زمین لغزش به شناسایی مناطق آسیب پذیر در برنامه ریزی های محیطی کمک فراوانی می نماید. حوضه ی آبریز الموت رود ، در شمال شرقی استان قزوین واقع شده است و به علت کوهستانی بودن ،اختلاف ارتفاع بسیار زیاد ، لیتولوژی و سازند های مختلف زمین شناسی ، استعداد بسیار زیادی در ایجاد حرکات دامنه ای ، خصوصا زمین لغزش را دارا می باشد.  هدف از این پژوهش شناسایی عوامل موثر و پهنه بندی پتانسیل این خطر در حوضه ی آبریزالموت رود استان قزوین با استفاده از شبکه عصبی مصنوعی ( ANN)  می باشد. برای انجام این تحقیق ابتدا از طریق عکس های هوایی55000/1و 40000/1 و تصاویر ماهواره   سنتینل2 زمین لغزشها شناسایی و با بازدید های میدانی وتصاویر گوگل ارث مختصات وصحت آنها بررسی ونقشه پراکنش زمین لغزشها تهیه شد و با توجه به موقعیت زمین لغزشها ، 7 عامل موثر در وقوع آنها بررسی و به کمک GIS لایه های اطلاعاتی تهیه شد و در محیط متلب   ساختار مناسب برای پهنه بندی زمین لغزشهای حوضه با استفاده از مدل شبکه عصبی مصنوعی با ساختار پرسپترون چند لایه نوشته شد. بر اساس نتایج حاصله از این مدل به ترتیب 84/26، 36/31، 32/21، 91/16و 49/3 درصد از مساحت منطقه در کلاس های خطر خیلی کم، کم، متوسط، زیاد و خیلی زیاد قرار دارند. همچنین ضریب کاپای 72/ محاسبه شد که مورد قبول می باشد.