معادلات غیرخطی شیرهای کنترل جریان اسپولی، دبی های کنترلی را از طریق پورت های شیر به پارامترهای آن مرتبط می سازند. این معادلات حالات شیرهای مرکز بحرانی، فراانطباقی و فروانطباقی را پوشش می دهند. عدم تساوی عرض اسپول ها و موقعیت خنثای نامتعارف اسپول های شیر نیز می تواند با استفاده از این مدل شبیه سازی شود. علاوه بر این، مدل ساده شده شیر کنترل جریان اسپولی با فرضیاتی می تواند برای سهولت تحلیل مورد استفاده قرار گیرد. در این مقاله دقت مدل کاملا غیرخطی در مقایسه با مدل ساده شده متعارف مورد تحلیل قرار -می گیرد. بر اساس مدل خطی مرتبه دوم یک سیستم سروهیدرولیک، آنالیز ابعادی مدل کاملا غیرخطی شیر نشان می دهد که دقت مدل مستقل از انتخاب یک دسته خاص از پارامترهای آن است. در واقع، خطای مدل برای یک مقدار معین از ضریب میرائی هیدرولیکی به مقادیر پارامترهای مدل وابسته نیست، به گونه ای که ترکیب این پارامترها منجر به یک ضریب میرائی ثابت می شود. بنابراین دقت مدل می تواند از قبل به کمک شبیه سازی تعیین شود. این نکته می تواند انعطاف پذیری بالایی را در اختیار طراح سیستم کنترل هیدرولیک قرار دهد تا از امکان استفاده از مدل ساده شده شیر بدون تعیین خطاهای مدل سازی اطمینان حاصل نماید. به دلیل اینکه سیستم های هیدرولیکی به ندرت فراتر از محدوده فرکانسی مورد نظر به حرکت در می آیند، می توان نتیجه گرفت که برای بسیاری از کاربردها، مدل ساده شیر بیان دقیقی ازدینامیک شیر را می تواند فراهم سازد.

پیش زمینه و هدف: استفاده از مدل های امتیازبندی مختلف جهت ارزیابی کیفیت عملکردی مراقبت های ویژه (ICU)، پیش بینی هزینه های مراقبت های ویژه و تجهیزات لازم جهت بیمار انجام می گیرد. سیستم های مختلفی تاکنون معرفی شده اند که مزایا و معایبی نسبت به هم دارند. در مطالعه حاضر به مقایسه Simplified Acute Physiology Score-III(SAPS-III) و Mortality Probability Model-III(MPM-III) پرداخته شد. مواد و روش کار: مطالعه مقطعی حاضر، بر روی 240 بیمار که به علل غیرتروما بستری شده در ICU بیمارستان الزهرا (س) در سال 95-1394 انجام گرفت. اطلاعات بیماران شامل مشخصات دموگرافیک، میانگین فشار سیستولی، دیاستولی و شریانی، نبض، تعداد تنفس، تب، GCS، شمارش لکوسیتی، هماتوکریت، بیلیروبین، کراتینین، آنالیز گاز شریانی و وجود بیماری زمینه ای از پرونده بیمار جهت محاسبه MPM-III و SAPS-III استخراج و مقایسه شد. یافته ها: مطالعه حاضر بر روی 240 بیمار غیرترومایی انجام گرفت. قدرت تشخیص (discrimination) تست MPM-III در نقطه برش 17/0 برابر با 83/0(898/0-765/0: CI95%، 001/0P<)، حساسیت و اختصاصیت این تست در پیش بینی مرگ و میر به ترتیب 82 درصد و 73 درصد می باشد. در بیماران غیرترومایی بر اساس سیستم امتیازبندی SAPS-III قدرت تشخیص (discrimination) در نقطه برش 5/48 برابر با 78/0(001/0P<، 84/0-72/95: 0%CI)، حساسیت 83 درصد و اختصاصیت 70 درصد به دست آمد. مدت زمان بستری در ICU (002/0 و 028/0P=) و مدت زمان انتوباسیون (001/0>و 001/0P=) ارتباط مستقیمی با مرگ و میر در هر دو سیستم امتیازبندی داشت اما کل مدت بستری (002/0P=) فقط در SAPS-III معنادار شد. بحث و نتیجه گیری: مقایسه دو سیستم امتیازبندی SAPS-III و MPM-III در بیماران غیرترومایی، قدرت تشخیصی بالاتری را برای MPM-III نشان داد. همچنین بررسی ها نشان داد که مرگ و میر در سیستم امتیازبندی MPM-III به مدت زمان بستری در ICU و انتوباسیون بستگی دارد درحالی که در سیستم SAPS-III علاوه بر موارد فوق کل مدت زمان بستری نیز موثر بود.

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.

Automatic topic detection seems unavoidable in social media analysis due to big text data which their users generate. Clustering-based methods are one of the most important and up-to-date categories in topic detection. The goal of this research is to have a wide study on this category. Therefore, this paper aims to study the main components of clustering-based-topic-detection, which are embedding methods, distance metrics, and clustering algorithms. Transfer learning and consequently pretrained language models and word embeddings have been considered in recent years. Regarding the importance of embedding methods, the efficiency of five new embedding methods, from earlier to recent ones, are compared in this paper. To conduct our study, two commonly used distance metrics, in addition to five important clustering algorithms in the field of topic detection, are implemented by the authors. As COVID-19 has turned into a hot trending topic on social networks in recent years, a dataset including one-month tweets collected with COVID-19-related hashtags is used for this study. More than 7500 experiments are performed to determine tunable parameters. Then all combinations of embedding methods, distance metrics and clustering algorithms (50 combinations) are evaluated using Silhouette metric. Results show that T5 strongly outperforms other embedding methods, cosine distance is weakly better than other distance metrics, and DBSCAN is superior to other clustering algorithms.