نخبگان علوم و مهندسی
سال:1404 | دوره:10 | شماره:1 (فروردین) |تعداد مقالات:21

عوامل موثر بر پذیرش تجارت الکترونیک در بخش های کشاورزی از طریق بنگاه های کوچک بر افزایش صادرات غیر نفتی، تقویت اشتغال زایی، کارآفرینی و ارزآوری است. در این رابطه تجارت الکترونیک باعث توانا تر شدن تجار محصولات کشاورزی خواهد شد. شناسایی عوامل موثر بر گسترش و پذیرش در رونق تجارت الکترونیک در محیط تجارت جهانی بر محصولات کشاورزی و هدف برای پایداری کشاورزی و محیط زیستی و با همین منظور با بکارگیری شاخص های اقتصادی و اجتماعی و محیط زیستی و کشاورزی به شناسایی عوامل تاثیرگذار بر تجارت الکترونیک بر محصولات کشاورزی در سال 97-99 پرداخته شده. نتایج نشان میدهند تجارت الکترونیک منافع زیادی در شیوه های متنوعی تامین خدمات بهتر برای مصرف کننده، یافتن تامین کنندگان و مصرف کنندگان جدید محصولات در امر صادرات است.

اختلالات طیف اتیسم زیر مجموعه ای از اختلالات عصبی-رشدی بوده که از جمله مهم ترین نشانگان آن وجود نواقصی در ارتباط و تعامل اجتماعی، علایق، رفتارها و فعالیت های محدود و تکراری است. شناسایی اختلالات طیف اتیسم از دو جهت حائز اهمیت است: غربالگری جهت کاهش هزینه ها و تشخیص برای ارائه مداخلات بهنگام. از این رو پژوهش حاضر مرور نظامند بر ابزارهای شناسایی اختلالات طیف اتیسم با تاکید بر نظام تشخیصی ایران بود. هنر درمانی یکی از رویکرد های مداخلاتی برای این اختلال است و هدف این مقاله بررسی کاربست هنر درمانی برای اختلالات طیف اتیسم و ویژگی ها و منطق درمانی این رویکرد است.

پژوهش حاضر با هدف مقایسه کمال گرایی و راهبردهای کنترل فکر در بیماران مبتلا به اختلال وسواس فکری-عملی و افراد بهنجار صورت گرفته است. جامعه آماری پژوهش شامل کلیه افراد مبتلا به اختلال وسواس فکری-عملی مراجعه کننده به مراکز درمانی شهر تهران شامل 30 نفر و افراد بهنجارشامل 30 نفر براساس نمونه گیری در دسترس و با در نظر گرفتن همتاسازی انتخاب شدند. براساس یافته های پژوهش حاضر می توان گفت که کمال گرایی و راهبردهای کنترل فکر دو سازه شناختی هستند که ممکن است بر علایم اختلال وسواس فکری-عملی تأثیر گذاشته و موجب تشدید و تداوم این اختلال شوند. سالکوسکیس معقتد است عامل شناختی محوری در این اختلال، احساس مسئولیت افراطی است که شخص در قبال افکار نافذ خود دارد و این احساس مسئولیت سبب ایجاد فعالیت های خنثی ساز می شود. در نظریه راچمن سوگیری فراشناختی چون آمیختگی فکر-عمل نقش مهم تری دارند که این سوگیری سبب افزایش احساس مسیولیت و گناه می شود و انجام اعمال اجباری برای کاهش این احساس ها می شود. در نظریه ولز نیز بر نقش باورهای فراشناختی تاکید ده است. براساس نظریه کنترل تفکر شناختی کلارک، وجود برخی عوامل آسیب پذیر موجب ایجاد افکار مزاحم و تلاش ناموفق فرد در کنترل آنها موجب تشدید این افکار می شود.

ضد شکنندگی را می توان مفهومی نوین در روانشناسی در نظر گرفت که فراتر از تاب آوری عمل کرده و توانایی افراد را برای تبدیل چالش ها و ناملایمات به فرصت های رشد و توسعه فراهم می آورد. برخلاف تاب آوری که بیشتر به بازگشت به وضعیت اولیه پس از بحران اشاره دارد، ضد شکنندگی به افراد این امکان را می دهد که در مواجهه با استرس و بحران ها نه تنها آسیب نبینند، بلکه قوی تر شوند و به سطح جدیدی از توانایی دست یابند. مفهوم ضد شکنندگی اولین بار توسط نسیم نیکلاس طالب در سال 2012 معرفی شد تا مجموعه ای از سیستم هایی را توصیف کند که در مواجهه با عوامل استرس زا، اشتباهات و یا شکست ها رشد می کنند. فردی با ذهنیت ضد شکننده کسی را توصیف می کند که در مواجهه با ناملایمات قوی تر و بهتر می شود، کسی که می تواند به سطوح بالاتر انعطاف پذیری، تاب آوری برسد. در چارچوب تعمق در این موضوعات است که این مقاله مفهوم ضد شکنندگی را معرفی می کند و بررسی می کند که چگونه روانشناسی می تواند از گنجاندن ضد شکنندگی در رویکردها و دیدگاه های خود برای تغییر و رشد انسانی سود ببرد و اینکه آیا می توان به رویدادهای غیر قابل پیش بینی، تصادفی، نوسانات و بی نظمی ها نگاهی مثبت داشت.

استفاده از شبکه های اجتماعی در سال های اخیر به طور گسترده افزایش یافته است. انسان ها تمایل دارند در این شبکه ها گروه هایی را بر اساس علایق مشابه خود تشکیل دهند. چنین گروه هایی به عنوان جوامع یا خوشه ها شناخته می شوند. تشخیص چنین ساختاری به ما درک استثنایی از سازمان و عملکرد شبکه های اجتماعی می دهد. علم مدرن شبکه ها پیشرفت چشمگیری در مدل سازی سیستم های پیچیده دنیای واقعی داشته است. یکی از مهم ترین ویژگی ها در این شبکه ها وجود ساختار جامعه است. در سال های اخیر، الگوریتم های تشخیص جامعه زیادی برای آشکار کردن ویژگی های ساختاری و رفتارهای دینامیکی شبکه ها پیشنهاد شده اند. در این مطالعه، ما سعی می کنیم به بررسی روش های تشخیص جامعه و کاربردهای آن در حوزه های مختلف زندگی واقعی بپردازیم. چالش های پیش روی الگوریتم های تشخیص جامعه نیز فرض شده اند. هدف اصلی این مقاله ارائه مروری بر الگوریتم های تشخیص جامعه رایج است که از الگوریتم های سنتی تا الگوریتم های پیشرفته برای تشخیص جامعه همپوشانی می باشد.

ML. یادگیری ماشینی (ML) فرآیندی است که به طور خودکار از مطالعه یا تجربه یاد می گیرد و بدون برنامه ریزی صریح عمل می کند. ML فرآیندهای محاسباتی ما را کارآمدتر، قابل اعتمادتر و مقرون به صرفه تر می کرد. با تجزیه و تحلیل داده های پیچیده تر به صورت خودکار، سریع و دقیق تر، مدل هایی را تولید می کند. عمدتاً به یادگیری نظارت شده، یادگیری بدون نظارت، یادگیری نیمه نظارتی و یادگیری تقویتی طبقه بندی می شود. قدرت ML در توانایی آنها برای ارائه راه حل های تعمیم یافته از طریق معماری است که می تواند بهبود عملکرد خود را یاد بگیرد. الگوریتم K-Nearest Neighbors (KNN) یکی از روش های یادگیری نظارت شده است که می تواند برای طبقه بندی و رگرسیون استفاده شود. اصل ترین موضوع روش های نزدیک ترین همسایه، یافتن تعداد از پیش تعریف شده نمونه های آموزشی در نزدیک ترین فاصله به نقطه جدید و پیش بینی برچسب از روی آن ها است. یکی از موضوعات مهم بررسی کاربرد الگوریتم های یادگیری ماشین در شبکه حسگر بی سیم (WSN) می باشد. WSN یکی از امیدوارکننده ترین فناوری ها برای برخی کاربردهای بلادرنگ به دلیل اندازه، مقرون به صرفه و ماهیت قابل استقرار آسان است. وظیفه WSN نظارت بر یک زمینه مورد علاقه و جمع آوری اطلاعات خاص و ارسال آنها به ایستگاه پایه برای تجزیه و تحلیل داده های پستی است. استفاده از ML نه تنها عملکرد WSN ها را بهبود می بخشد و همچنین مداخله یا برنامه مجدد انسانی را محدود می کند. دسترسی به حجم وسیعی از داده های جمع آوری شده توسط حسگرها و استخراج اطلاعات مفید از داده ها بدون ML چندان آسان نیست. این مقاله به بررسی این الگوریتم و کاربرد آن در شبکه های حسگر بی سیم پرداخته است.

اینترنت اشیاء به مجموعه فرآیند های هوشمند، پیشرفته و پیچیده که در راستای تسهیل در کلیه امور کشاورزی و آبیاری گرد هم آمده اند و فناوری جدیدی است که به عنوان یک شبکه جهانی از ماشین آلات و دستگاه های قادر به تعامل با یکدیگر، تصور می شود. همچنین به عنوان یکی از مهم ترین زمینه های فناوری آینده شناخته شده است. این سیستم از سه قسمت انواع حسگرها، شبکه ارتباطی، واحدهای پردازش اطلاعات و درگاه های هوشمند و واحد مدیریت داده و پردازش تشکیل شده که احساس، توانایی فکر کردن، تصمیم گرفتن و واکنش به محیط فیزیکی را از مغز انسان الهام می گیرد. در این مطالعه از پیشینه تا کاربردهای اینترنت اشیاء بررسی شده و سپس کاربرد این مفهوم در علوم آبیاری به ویژه در خودکارسازی و هوشمند سازی سامانه های آبیاری در مزرعه و ابزارهای رایج نظیر حسگرهای درون مزرعه ای، شبکه حسگرهای بی سیم، ماهواره ها و استفاده از پهپادها که به عنوان یک وسیله در جهت نیل به هدف ارتباط بین اینترنت اشیاء و سامانه های هوشمند آبیاری در مزارع به شمار می روند معرفی گردیده است.

این پژوهش در نظر دارد بررسی کند سرباره های فولادی که از نوعی ماده جدید به همراه آهن سیلیکات و اکسیدها به موجود می آیند و یا به عبارت دیگر سرباره نوعی فلز جدید که با عناصر مختلف غیر فلزی همراه شده است. همچنین سرباره ها نوعی فلز بازیافتی هستند که نسبت به آهن خالص بازیافتی از وزن کمتری برخوردار شده اند. همین امر باعث شده است که این سرباره ما در قسمت فوقانی کوره های ذوب جمع گردند و به راحتی از کوره های ذوب استخراج شوند. سرباره ها از آن جهت که فضای زیادی را اشغال می کنند و با خود مشکلات زیست محیطی را همراه دارند یک ماده اضافی شناخته شده اند. اصلی ترین و مهم ترین کاربرد سرباره ها را می توان در آسفالت و بتن و به عنوان کود شیمیایی اشاره کرد. میزان تولید این محصول در کشور ما بسیار زیاد می باشد و اصلی ترین دلیل آن رونق زیاد بازاریابی مناسب در سال های اخیر تا میزان عامل توجهی افزایش پیدا کرده است و ایران توانسته سهم بالای از صادرات این نوع محصول در بازارهای جهانی را به خود اختصاص دهد. و ما درصدد هستیم با انجام این تحقیق و به کارگیری این سرباره ها به عنوان کاتالیست در اگزوز خودروها جهت جلوگیری و کاهش آلودگی هوا و تبدیل گازهای مضر به گازهای بی خطر از حجم انبوه این سرباره ها به عنوان ضایعات در محیط زیست کاسته و همچنین نسبت به کاهش آلاینده های محیط زیست حاصله از گازهای خروجی از اگزوز خودروها اقدام نمائیم. نتایج پژوهش و آزمایشات به ما نشان دادکه سرباره قابلیت این را دارد که به عنوان کاتالیزور جهت کاهش آلاینده های ناشی از احتراق در خودروها استفاده شود.

مدیریت عملکرد بر مبنای رویکرد 360 درجه، یک روش جامع برای ارزیابی عملکرد کارکنان است که از طریق جمع آوری بازخورد از منابع مختلف در سازمان انجام می شود. این رویکرد با استفاده از نظرات و بازخوردهای افرادی که در سطوح و نقش های مختلف سازمان هستند، تصویری کامل و چند بُعدی از عملکرد فرد ارائه می دهد. منابع بازخورد در این رویکرد معمولاً شامل مدیران، همکاران، زیردستان، مشتریان و خود فرد است. هدف از انجام مقاله حاضر شناسایی و تبیین عمیق تر ابعاد و مؤلفه های مدیریت عملکرد بر مبنای رویکرد 360 درجه با توجه به بررسی دقیق مبانی نظری و پیشینه پژوهش و نظرسنجی از 25 خبره مسلط به مفاهیم ارزیابی عملکرد و مدل ها با تکنیک دلفی فازی پرداخته شده است. بدین منظور ابتدا از مبانی نظری پژوهش 11 بُعد و 35 مؤلفه شناسایی شد. سپس با استفاده از پنل خبرگی طی دو مرحله تعداد ابعاد به هفت و مؤلفه ها به 23 مؤلفه تقلیل یافت. نتایج پژوهش حاضر می تواند دید جامعی رو به مدیران منابع انسانی و محققین علاقه مند به این حوزه در راستای ارزیابی عملکرد با رویکرد 360 درجه ارائه نماید.

یادگیری ماشین (Machine Learning) یک زیر مجموعه از هوش مصنوعی است. با استفاده از تکنیک های یادگیری ماشین، کامپیوتر، الگوهای موجود در داده ها(اطلاعات پردازش شده) را یادگرفته و می تواند از آن استفاده کند. شبکه های حسگر اغلب برای از بین بردن نیازهای خود از روش های یادگیری ماشین استفاده می کنند. یادگیری ماشین برای طراحی های غیرضروری نیز روش هایی راپیشنهاد می کند. ML فرآیندهای محاسباتی ما را کارآمدتر، قابل اعتمادتر و مقرون به صرفه تر می کند. با تجزیه و تحلیل داده های پیچیده تر به صورت خودکار، سریع و دقیق تر، مدل هایی را تولید می کند. عمدتاً به یادگیری نظارت شده، یادگیری بدون نظارت، یادگیری نیمه نظارتی و یادگیری تقویتی طبقه بندی می شود. قدرت ML در توانایی آنها برای ارائه راه حل های تعمیم یافته از طریق معماری است که می تواند بهبود عملکرد خود را یاد بگیرد. Clustering K-Means یک الگوریتم یادگیری بدون نظارت است که برای حل مسائل خوشه بندی در یادگیری ماشین یا علم داده استفاده می شود. الگوریتم K-Means یک الگوریتم تکراری است که مجموعه داده بدون برچسب را به k خوشه های مختلف تقسیم می کند به گونه ای که هر مجموعه داده فقط به یک گروه تعلق دارد که دارای ویژگی های مشابه است. خوشه بندی k-means یکی از ساده ترین و رایج ترین الگوریتم های خوشه بندی است. سعی می کند مراکز خوشه ای را بیابد که نماینده مناطق خاصی از داده ها هستند. استفاده از ML نه تنها عملکرد WSN ها را بهبود می بخشد و همچنین مداخله یا برنامه مجدد انسانی را محدود می کند؛ دسترسی به حجم وسیعی از داده های جمع آوری شده توسط حسگرها و استخراج اطلاعات مفید از داده ها بدون ML چندان آسان نیست. این مقاله به بررسی این الگوریتم و کاربرد آن در شبکه های حسگر بی سیم پرداخته است.

یادگیری ماشین (Machine Learning) یک زیر مجموعه از هوش مصنوعی است. یادگیری ماشین برای طراحی های غیرضروری نیز روش هایی راپیشنهاد می کند. ML فرآیندهای محاسباتی ما را کارآمدتر، قابل اعتمادتر و مقرون به صرفه تر می کند. با تجزیه و تحلیل داده های پیچیده تر به صورت خودکار، سریع و دقیق تر، مدل هایی را تولید می کند. قدرت ML در توانایی آنها برای ارائه راه حل های تعمیم یافته از طریق معماری است که می تواند بهبود عملکرد خود را یاد بگیرد. خوشه بندی سلسله مراتبی یکی دیگر از الگوریتم های یادگیری ماشینی بدون نظارت است که برای گروه بندی مجموعه داده های بدون برچسب در یک خوشه استفاده می شود و همچنین به عنوان تحلیل خوشه سلسله مراتبی یا HCA شناخته می شود. در این الگوریتم سلسله مراتب خوشه ها را به شکل درخت توسعه می دهیم و این ساختار درختی شکل به دندروگرام معروف است. استفاده از ML نه تنها عملکرد WSN ها را بهبود می بخشد و همچنین مداخله یا برنامه مجدد انسانی را محدود می کند؛ دسترسی به حجم وسیعی از داده های جمع آوری شده توسط حسگرها و استخراج اطلاعات مفید از داده ها بدون ML چندان آسان نیست. این مقاله به بررسی این الگوریتم و کاربرد آن در شبکه های حسگر بی سیم پرداخته است.

از عوامل مهمی که در دکل های بی سیم مخاطره می سازد صاعقه می باشد. تعداد صاعقه در هر سال یا احتمال برخورد صاعقه به دکل های بی سیم بستگی به شرایط جغرافیایی و سطح ایزوکرونیک منطقه دارد. تجربه ها نشان می دهند که درصد عمده ای از صاعقه ها که به دکل های بی سیم برخورد می کنند مستقیماً به برج ها و مابقی به سیم محافظ اصابت می کنند به همین دلیل نحوه حفاظت از دکل ها اهمیت بسیار بالایی دارد. که برای حفاظت مناسب یک سیستم زمین پای دکل های بی سیم ایجاد می کنند. نقش سیستم زمین دکل ها وقتی پررنگ تر می شود که این دکل ها در ایستگاه های آتش نشانی قرار داشته باشد که در صورت بروز اتصالی فاز به زمین یا برخورد صاعقه به دکل ولتاژ های گام و تماس ایجاد شده در نزدیکی دکل ها باعث بروز حادثه برای افراد می گردد. در این پروژه به طراحی یک سیستم زمین حفاظتی برای دکل های بی سیم ایستگاه های آتش نشانی اراک می پردازیم. در سیستم زمین مهم ترین مسئله ای که وجود دارد مقاومت آن است، که باید طبق استاندارد باشد. عوامل بسیار زیادی روی مقاومت تاثیر دارد از جمله انتخاب نوع خاک است که در این طراحی از خاک رسی نرم استفاده شده که مقاومت مخصوص پایینی دارد و خاک مناسبی است، از جمله عوامل موثر دیگر جنس الکترودهای استفاده شده در سیستم زمین است، که استفاده از فلز مس به علت رسانایی الکتریکی بالا و مقاوم بودن در برابر خوردگی و اکسید شدن می-تواند برای ایجاد یک سیستم زمین مطلوب، مناسب باشد. در این طراحی روش اجرای سیستم زمین استفاده از ترکیب کانترپویزهای شعاعی با روش حلقه ای است. این طراحی در نرم افزار کامسول مولتی فیزیکس و در زمینی به ابعاد 1000 مترمربع انجام شده است.

شبکه های حسگر بی سیم (WSN) به دلیل کاربردهای گسترده به یک فناوری مهم و امیدوارکننده تبدیل شده اند. در WSN ها، مسیریابی نقش مهمی در تأخیر تحویل، مصرف انرژی و نسبت تحویل بسته ایفا می کند. علاوه بر این، از آنجایی که این برنامه ها در عملیات های حیاتی با باتری های غیرقابل تعویض محدود استفاده می شوند، پروتکل های مسیریابی باید بی عیب و نقص و همچنین انرژی کارآمد باشند. تئوری بازی به طور گسترده برای طراحی پروتکل های مسیریابی در WSN ها برای دستیابی به نه تنها کاهش مصرف انرژی بلکه افزایش نسبت تحویل بسته استفاده می شود. ویژگی های اصلی پروتکل های مسیریابی مبتنی بر تئوری بازی طراحی شده شامل انتخاب بهینه سر خوشه در مسیریابی سلسله مراتبی، کشف مسیر بهینه و آگاه از تاخیر، تحویل داده ها با تحمل خطا، و تشکیل ائتلاف و گروه بندی در میان گره ها برای انتقال داده های دقیق است. در این جا پروتکل های مسیریابی مختلف مبتنی بر انواع بازی ها به طور گسترده بررسی می شوند که تاکنون برای بهبود مصرف انرژی، تاخیر، زمان ایجاد مسیر، نسبت تحویل بسته و طول عمر شبکه گزارش شده اند. به علت کارساز بودن نظریه بازی در محیط های توزیع شده و چند عاملی، این نظریه می تواند ابزار مناسبی برای به کارگیری در شبکه های حسگر بوده که تاثیر قابل ملاحظه ای در کاهش مصرف انرژی شبکه های حسگر و افزایش طول عمر آن ها داشته باشد.

مدیریت کارایی زنجیره تأمین در صنعت نفت با توجه به پیچیدگی ها و پویایی های خاص این حوزه، به یکی از چالش های مهم برای شرکت های نفتی تبدیل شده است. زنجیره تأمین صنعت نفت شامل مراحل مختلفی مانند اکتشاف، استخراج، پالایش، حمل و نقل و توزیع است که هر یک دارای ویژگی ها و نیازهای خاصی برای بهینه سازی است. از آنجایی که نوسانات بازار، تغییرات محیط زیست، و ناپایداری های جغرافیایی و سیاسی می توانند تأثیر قابل توجهی بر عملکرد این زنجیره ها داشته باشند، استفاده از ابزارهای پیشرفته تحلیلی برای ارزیابی و بهبود کارایی زنجیره تأمین امری ضروری است. در این مقاله یک رویکرد نوین برای مدیریت کارایی زنجیره تأمین در صنایع نفتی با استفاده از تحلیل پوششی داده ها (DEA) ارائه شده است. تحلیل پوششی داده ها (DEA) یک روش ناپارامتریک مبتنی بر برنامه ریزی خطی است که به ارزیابی کارایی نسبی واحدهای تصمیم گیری (DMUs) می پردازد. این روش به ویژه برای واحدهایی که دارای چندین ورودی و خروجی هستند، مناسب است. DEA به طور گسترده در ارزیابی کارایی سازمان ها و فرآیندهای مختلف، از جمله زنجیره های تأمین، استفاده شده است. این روش قادر است به شناسایی نقاط ضعف و قوت عملکردی، تخصیص منابع بهینه، و تعیین راهبردهای بهبود کارایی کمک کند. در این مطالعه، DEA به عنوان ابزاری برای تحلیل و بهینه سازی کارایی زنجیره تأمین در صنعت نفت معرفی می شود.

تجزیه و تحلیل انرژی و اکسرژی تولید برق بر بخشهای مختلف صنعت برق اثر گذاشته و سیستم قدرت را از یک ساختار یکنواخت به بخشهای جدا از هم تبدیل می. کند هر بخش تحت مالکیت خود بوده به طور مستقل عمل کرده و با دیگر بخشها نیز ارتباط دارد یکی از مهمترین پیامدهای این حرکت استفاده عادلانه تمامی متقاضیان از شبکه یعنی دسترسی آزاد است دسترسی آزاد به شبکه متضمن تحقق رقابتی سالم در تبادل است اما به دلیل امکان ایجاد تراکم در، شبکه ممکن است خود به مشکل اصلی در دستگاههای جدید تبدیل شود لذا یکی از مهمترین و حساسترین وظایف بهره بردار، شبکه مدیریت گرفتگی هنگام وقوع تراکم در برنامه ریزی بهره برداری دستگاههای قدرت. است روشهای مختلفی برای مدیریت تراکم و رفع آن ارائه و مورد اجرا گذاشته شده است. در این تحقیق با استفاده از قابلیت پاسخگویی بار و قیمت تراکم روشی جهت مدیریت تراکم در شبکه های توزیع ارائه می شود. روش پیشنهادی بر روی یک شبکه توزیع شعاعی 22 شین اعمال می شود نتایج نشان می دهد که روش پیشنهادی در بهبود تراکم در شبکههای توزیع کارآمد هست.

تبدیل انرژی های تجدید پذیر به انرژی الکتریکی توسط مبدل های الکترونیک قدرت، به کمک علم کنترل اجرا می شود. انتخاب مبدل مناسب و روش کنترلی مطلوب و تضمین شده در عمل حائز اهمیت است. ساختار مبدل افزاینده درجه دوم و پیاده سازی روش کنترل تطبیقی-مقاوم برای این مقاله انتخاب شده است. از مزایای این مبدل می توان به اندازه کوچک، حجم کم، کاربرد وسیع و تلفات کلید زنی کم اشاره کرد. برای مدل سازی این مبدل، از قضیه جعبه خاکستری استفاده شده است. سپس با استفاده از روش شناسایی حداقل مربعات، معادلات سیستم به صورت گسسته استخراج می شود. توجه به وجود نویز، اغتشاش و تغییرات ولتاژ ورودی سیستم و خصوصیات غیرخطی سیستم، محدودیت هایی برای تعیین و انتخاب کنترل کننده ای مناسب ایجاد می کند. کنترل کننده های کلاسیک، کارایی مطلوبی برای پوشش نکات ذکرشده در بالا از خود نشان نمی دهند. به همین منظور سیستم از کنترل تطبیقی به روش خود تنظیم گر غیر مستقیم برای دستیابی به کنترل ولتاژ مطلوب خروجی استفاده شده است. در ادامه برای بهبود و تضمین شرایط مطلوب سیستم در مقابل عواملی از قبیل نویز و اغتشاش، کنترل مقاوم به کنترل تطبیقی اضافه می شود. درنهایت با توجه به نتایج شبیه سازی ها، میزان کارا بودن استراتژی کنترلی نشان داده می شود.

نفت خام مخلوط بسیار پیچیده ای از ترکیبات آلی است که سالانه حدود 3/1 میلیون لیتر آن وارد محیط زیست می شود، همچنین سالانه حدود سه میلیون تن نفت وارد دریا می شود. رسوب موم پارافین در نفت خام مشکلی است که در صنعت نفت و گاز مشاهده می شود. برای جایگزین کردن افزودنی های شیمیایی که بسیار گران و سمی هستند از باکتری های گرمادوست که به عنوان یک جایگزین سازگار با محیط زیست هست استفاده می شود. این میکرواورگانیسم ها نقش های مهمی در پاکسازی پس ازنشت نفت دارند و مبنای بیولوژیکی ظرفیت تخریب طبیعی نفت اکوسیستم راتشکیل می دهند. استفاده از این سویه ها منجر به افزایش زنجیره کوتاه نسبت به زنجیره بلند هیدروکربنی شده و متعاقبا باعث بهبود کیفیت نفت می شوند.

اولین تحویل ژن بالینی که شامل قرار دادن یک ژن نشانگر در لنفوسیت های بیماران سرطانی بود، 25 سال پیش منتشر شد. بیماران مبتلا به برخی از نقایص تک ژنی ارثی اکنون می توانند با سلول های بنیادی مغز استخوان خود که با یک ناقل ویروسی حامل ژن از دست رفته مهندسی شده اند، درمان شوند. بیماران مبتلا به رتینوپاتی ارثی و هموفیلی B نیز می توانند با تزریق موضعی یا سیستمیک ناقلین ویروسی درمان شوند. حوزه ژن درمانی بیش از هر زمان دیگری در تلاش است تا مسیری را به سمت کلینیک و بازار تعریف کند. بیست محصول ژن درمانی قبلا تایید شده است و بیش از دو هزار آزمایش بالینی ژن درمانی انسانی در سراسر جهان گزارش شده است. این پیشرفت ها امید زیادی را برای درمان بیماری های ویرانگر نادر و ارثی و همچنین بیماری های صعب العلاج ایجاد می کند. درک پاتومکانیسم های دقیق بیماری ها و همچنین توسعه ابزارهای کارآمد و خاص هدف قرار دادن و تحویل ژن، انقلابی در بازار جهانی ایجاد کرده است. در حال حاضر، سرطان های انسانی و اختلالات تک ژنی نشانه های شماره یک هستند.

یکی از مشکلات مهم آلودگی محیطی و سلامت می تواند فلزات سنگین باشد. آلوده بودن برنج به کادمیم خطری جدی برای کیفیت و امنیت این محصول به حساب می آید. این پروژه بیانگر احتمال آلودگی خاک و دانه برنج برخی از شالیزارهای اطراف اصفهان به فلزهای سنگین است که به منظور این پروژه 105 نمونه خاک از 6 منطقه برنجکاری این استان برداشته و غلظت فلزات سنگین های مس آهن کادمیم و سرب در نمونه ها اندازه گیری شده است. برای تعیین آلودگی خاک به فلزهای سنگین از فاکتور آلودگی CF استفاده می شود. غلظت کادمیم در ریشه ساقه و دانه برنج اندازه گیری می شود و شاخص های ضریب خطر HQ فاکتور تجمع زیستی BAF و فاکتور انتقال TF کادمین محاسبه می شود. نتایج نشان می دهند که غلظت فلزهای سنگین مس روی و سرب از حد مجاز ارائه شده توسط سازمان محیط زیست کشور برای خاک های کشاورزی کمتر بوده در حالی که غلظت کادمیم حدوده 21 درصد از نمونه های بیشتر از نمونه های مجاز سازمان محیط زیست به دست آمده است.