Evaluating the cutting rate (CR) of stones is important in the cost estimation and the planning of the stone processing plants. This research used Regression models to estimate the stones’ CR based on their physico-mechanical characteristics. Stone processing factories in Mahallat City (Markazi province, Iran) were visited, and the CR of diamond circular saws was recorded on six different travertine stones. Next, the stone block samples were collected from the quarries for laboratory tests. Stones’ porosity (n), uniaxial compressive strength (UCS), and Schmidt hammer hardness (SH) were determined in the laboratory as their physico-mechanical characteristics. Correlation relationships of CR with physico-mechanical characteristics were evaluated using simple and multiple Regression analyses, and estimator models were developed. Results showed that multiple Regression models are more reliable than simple Regression for estimating the stones’ CR. The validity of the developed multiple Regression models was verified with the published data of one researcher. The findings indicated that these models are accurate enough for estimating the CR of stones. Consequently, the multiple Regression models provide practical advantages for estimating the CR and save time and cost during the planning and design of the stone processing factories.

آسیب پذیری طبیعی آبخوان را می توان امکان رسیدن آلاینده به آب زیرزمینی و انتشار در آن پس از آلوده شدن سطح زمین تعریف کرد. این ویژگی، خصوصیتی نسبی، بدون بعد و غیر قابل اندازه گیری بوده و نه ففط به ویژگی های آبخوان بلکه به خصوصیات زمین شناسی و هیدرولوژی منطقه نیز بستگی دارد. در زمینه بررسی آسیب پذیری آب زیرزمینی روشهای مختلفی ابداع شده اند که در این میان، روش شاخص و بویژه DRASTIC به دلیل سهولت اجرا جزء پراستفاده ترین روشها هستند. در روش DRASTIC هر مشخصه ای را که به طور بالقوه بر احتمال آلودگی تاثیرگذار باشد در یک مقیاس طبقه بندی کرده و پس از اعمال ضرایب مشخصه ها، نمره ای جهت ارزیابی آسیب پذیری ارائه می کند. نکته قابل توجه در این روش سلیقه ای بودن رتبه بندی و وزن دهی مشخصه هاست و می تواند سبب کاهش کیفیت نتایج شود. برای بهبود و اصلاح مدل DRASTIC پیشنهادهای زیادی را محققان ارائه داده اند. اکثر این محققان حذف مشخصه های کم اهمیت و یا اضافه کردن مشخصه های موثر، اصلاح ضرایب مدل و رتبه بندی مشخصه ها را پیشنهاد کرده اند.این تحقیق به منظور برطرف کردن ایرادهای ذکر شده و انتخاب مدل مناسب برای ارزیابی آسیب پذیری آبخوان به بررسی و مقایسه سه روش ترکیبی رگرسیون لجستیک، DRASTIC اصلاح شده و AHP-DRASTIC پرداخته و پس از جمع آوری مشخصه های ورودی، آسیب پذیری بر اساس مدل های مذکور محاسبه شد. در پایان به منظور انتخاب مدل مناسب از محاسبه ضریب همبستگی اسپیرمن بین غلظت نیترات و کلاس های آسیب پذیری استفاده شد. نتایج مبین دقت بالای روش AHP-DRASTIC نسبت به روشهای ترکیبی مطالعه شده در این تحقیق بود.

This study aimed to estimate the genetic parameters of body weight traits in Markhoz goats, using B-spline random Regression models. The data used in this study included 19549 records collected during 29 years (1992-2021) in Markhoz goat Breeding Research Station, located in Sanandaj, Iran. The model used to analyze data included fixed effects (year of birth, sex, type of birth and age of dam) and random effects including direct additive genetic, maternal additive genetic, permanent environmental and maternal permanent environmental assuming homogeneous and heterogeneous residual variance during the time. Akaike (BIC) and Bayesian (BIC) information criteria were used to compare the models and bspq.4.4.4.4 was selected as the best model. The direct heritability values for birth, 3-month, 6-month, 9-month and 12-month weights were estimated to be 0.14, 0.16, 0.08, 0.28 and 0.26, respectively. Genetic correlation between body weights at birth and 3-month, birth and 6-month, birth and 9-month, birth and 12-month, 3-month and 6-month, 3-month and 9-month, 3-month and 12-month, 6-months and 9-month and 9-month and 12-month were 0.22, 0.38, 0.21, 0.56, -0.26, 0.30, 0.62, 0.86 and 0.77, respectively. The highest phenotypic correlation was between the weight of 9-month and 12-month (0.82) and the lowest correlation was between birth weight and 3-month and 6-month (0.12). The results showed that the 9-month weight is a good criterion for selection in Markhoz goats.

لطفا برای مشاهده چکیده به متن کامل (pdf) مراجعه فرمایید.

تحلیل داده های با بعد بالا با استفاده از روش های رگرسیون کلاسیک انجام پذیر نیست و ممکن است نتایج آن گمراه کننده باشد. در این تحقیق سعی شده است با معرفی تکنیک های جدید و قدرتمندی مانند رگرسیون بردار پشتیبان، رگرسیون تابعی، رگرسیون ستیغی و لاسو، به واکاوی این گونه داده ها پرداخته شود. در این راستا، با تحلیل دو مجموعه داده بعد بالا (داده های مربوط به تولید ریبوفلاوین و شبیه سازی شده) با روش های معرفی شده، به ارزیابی کاراترین مدل با استفاده از سه معیار (مجذور همبستگی، میانگین توان دوم خطا و میانگین انحراف درصد خطای مطلق) با توجه به نوع داده ها پرداخته می شود.