مدل های پیش بینی تقاضای سفر فعالیت مبنا
مدلسازی تقاضای سفر روند رشد و توسعه ی خود را در پاسخ به نیاز مدیران و برنامه ریزان عرصه ی حمل ونقل جهت درک رفتار سفر و بررسی اثربخشی و امکان سنجی سرمایه گذاریها از ابتدای دهه ی 0591 آغاز کرد . با تغییر نگرش برنامه ریزان صنعت حمل و نقل از برنامه ریزی منطقه ای
به تحلیل استراتژیها و سیاست گذاریها و توجه به نیاز تک تک مسافران از اواسط دهه ی 1950 تلاش برای اصلاح مدلهای موجود و ساخت مدلهای
جدید به نحوی که پاسخگوی نگرش جدید باشند، آغاز شد . آخرین حلقه از مدلهای تقاضا، مدلهای فعالیت - مبنا است که به بررسی الگوهای فعالیت - سفر افراد پرداخته و سفر را نتیجه ی مشارکت فرد در فعالیتها می بیند و با توجه به ویژگی های خود امکان برخورد پویا با تقاضای سفر را فراهم
نموده و قادر به تحلیل استراتژیها و بررسی تغییرات در محیط حمل و نقلی میباشد . مقاله ی حاضر پس از مروری کوتاه بر راهی که مدلسازی
تقاضای سفر تا به امروز طی نموده است به بررسی مدلهای فعالیت - مبنا، ویژگی ها و توانایی های آنها پرداخته و امروزه در بسیاری از شهرهای
بزرگ کشور با مشکلاتی در زمینه مدیریت تقاضای ترافیک مواجه هستیم ، که نیازمند روش مطمئن برای پیش بینی نتایج سیاستگزاریها میباشد
پیش بینی مصرف انرژی در ایران با استفاده از رهیافت سیستم دینامیکی و اقتصاد سنجی
عنوان مقاله: پیش بینی مصرف انرژی در ایران با استفاده از رهیافت سیستم دینامیکی و اقتصاد سنجی
قالب بندی: word
قیمت: 2300 تومان
شرح مختصر:
انرژی به عنوان یکی از مهمترین عوامل تولید و همچنین به عنوان یکی ازضروریترین محصولات نهایی، جایگاه ویژه ای در اقتصاد کشور داراست. ازسوی دیگر با توجه به گستردگی منابع انرژی در ایران و همچنین تأثیرات سوءمصرف انرژی بر آلودگی هوا و تغییرات آب و هوایی، برنامه ریزی برای مصرف انرژی اهمیت فراوان داشته و باید با دقت بسیار انجام گیرد. این مقاله، با توجه به شکاف مصرف بین ایران و کشورهایOECD و چگونگی تعدیل این شکاف در آینده با استفاده از ابزارهای لازم جهت سیاست گذاری برای کاهش مصرف انرژی در بخش های غیره مولد با بکارگیری تجزیه و تحلیل رگرسیونی با استفاده از روش گشتاور خود تعمیم یافته (GMM)به برآورد تابع تقاضای مصرف انرژی درایران طی سالهای 89-68 بر اساس متغیرهای اجتماعی-اقتصادی پرداخته و با استفاده از مدل سیستم دینامیکی(SD) مقدار انرژی مورد نیاز کشور را تا افق 1404 پیش بینی کرده است. نتایج حاصل از این مطالعه تاثیر منفی و معنادار درآمد بر مصرف انرژی و تاثیر مثبت و معنادار متغیرهای صادرات و جمعیت بر انرژی و روند نزولی مصرف انرژی را نشان می دهد.
پیش بینی میزان لجن برگشتی در تصفیه خانه فاضلاب با استفاده از شبکه عصبی مصنوعی
عنوان مقاله: پیش بینی میزان لجن برگشتی در تصفیه خانه فاضلاب با استفاده از شبکه عصبی مصنوعی
قالب بندی: word
تعداد صفحات: 23
چکیده:
وجود مشکلاتی از قبیل: ارتباط علت و معلولی پیچیده و غیر خطی بین پارامترهای مختلف تصفیه خانه، فقدان تجهیزات اندازه گیری پارامترهای شیمیایی بلادرنگ[1] در اکثر تصفیه خانه ها، عدم بهره برداری مناسب از آنالایز کننده های نصب شده و در نتیجه کاهش کارایی و کالیبراسیون آنها به مرور زمان، و زمان بر بودن انجام آزمایشهای فاضلاب باعث شده است که عملیات کنترلی و بهره برداری از تصفیه خانه ها به نحو احسن انجام نشود. از طرفی شبکه های عصبی دارای مزایایی از قبیل: قدرت یافتن روابط علت و معلولی پیچیده و غیر خطی توسط ابزار های محاسباتی ساده ریاضی، داشتن قدرت تعمیم بالا و همچنین سرعت بالا در مرحله آزمایش می باشند.نتایج این مطالعه نشان میدهد که شبکه عصبی مصنوعی پس از آموزش با دیتای صحیح میتواند با دقت بیش از 90 درصد میزان لجن برگشتی مورد نیاز در سیستم های متداول بیولوژیکی تصفیه فاضلاب بروش لجن فعال را پیش بینی نماید. در نتیجه شبکه های عصبی مصنوعی، ابزار مناسبی جهت پیش بینی بهتر میزان لجن برگشتی مورد نیاز تصفیه خانه می باشند.
بررسی مدل های ترمودینامیکی موجود برای پیش بینی تشکیل رسوب واکس در نفت خام
این مقاله به بررسی مدل های ترمودینامیکی موجود برای پیش بینی تشکیل رسوب واکس در نفت خام می پردازد
بررسی و پیاده سازی موازی روش جستجوی مارپیچ برای پیش بینی ساختار پروتئین
پیش بینی ساختار پروتئین، به عنوان پیش بینی ساختار سوم آن با استفاده از اطلاعات ساختار اول )توالی اسیدهای آمینه( آن
تعریف میشود. در مقایسه با تعداد بسیار زیاد توالیهای شناخته شده، ساختار تعداد کمی از پروتئینها شناخته شده است. با
رشد بیشتر شکاف بین توالیها و ساختارهای شناخته شده، نیاز به توسعه روشهای پیشبینی ساختار که قابل اعتماد باشند،
افزایش یافته است. تعداد زیادی از الگوریتمهای جستجوی فرا ابتکاری موجود تلاش میکنند تا مسئله را با جستجو در
ساختارهای ممکن و یافتن ساختاری با انرژی کمینه، حل کنند. در این مقاله، روش جستجوی مارپیچ برمبنای الگوریتم فرا
ابتکاری تابو را بررسی و پیاده سازی به صورت موازی انجام میشود و نتایج حاصل از آن برای پیشبینی ساختار پروتئین براساس
مدل انرژی HP با استفاده از شبکه سه بعدی FCC ارائه میگردد.