در این مقاله برای اولین بار با ساخت یک مدل شبکه عصبی مصنوعی بیزین که جزو جدیدترین روش های محاسبات نرم است، ظرفیت دورانی تیر بال پهن فولادی تخمین زده شده است. استفاده از روش های متفاوت نظیر المان محدود، روش های رگرسیونی و آماری در پژوهش های پیشین در سال های اخیر مورد بحث قرار گرفته است، لذا در این پژوهش برای تخمین دقیق تر و سریع تر ظرفیت دورانی از تکنیک شبکه های عصبی مصنوعی از نوع شبکه بیزین استفاده شده است. داده های لازم برای آموزش و آزمایش شبکه بر اساس نتایج آزمایشگاهی معتبر از تاریخچه تحقیقات به دست آمده است. ورودی های مدل ساخته شده برای این منظور شامل نصف عرض بال تیر، ارتفاع جان، ضخامت بال، ضخامت جان، طول، تنش تسلیم بال و تنش تسلیم جان است و تابع هدف نیز ظرفیت دورانی می باشد. نتایج به دست آمده از این مدل با نتایج آزمایشگاهی و دیگر مدل های ارایه شده در گذشته مورد مقایسه دقیق قرار گرفت. نتیجه این مطالعه نشان دهنده آن است که استفاده از این رویکرد جدید نسبت دیگر مدل ها دارای دقت بالاتری بوده و کاربردی خواهد بود و می توان از شبکه عصبی مصنوعی بیزین به عنوان ابزاری قدرتمند در این گونه از مسایل بهره برد.

این مقاله به بحث مساله ای درباره پیجویی تعداد چندگانه بسامدها با استفاده از تقریب اتورگرسیو منطم ساخته (RAR) می پردازد. شیوه RAR به ما اجازه کاهش تقریب را، در مقایسه با دیگر روش های آشکارسازی بسامد اتورگرسیو مبنا می دهد، در حالی که هنوز واریانس برآوردهای نمونه ای قابل قیاسی در اختیار می گذارد. نشان می دهیم که برآوردهای RAR از دوره های تناوب چندگانه در احتمال سازگارند و ساز و کار RAR را نسبت به اندازه نمونه و سهم سیگنال به نویز را به کمک شبیه سازی تشریح خواهیم کرد.