مقاله حاضر با هدف افزایش دقت شبیه سازی رواناب با استفاده از مدل WAPABA و مقایسه کارایی آن با مدل SALAS در ایستگاه های هیدرومتری شمال استان مرکزی برای سال آبی 90-89 انتخاب شده است. کاربست مدل ها با استفاده از داده های تاریخی مربوطه واسنجی شدند. سپس ارزیابی عملکرد هر یک از مدل ها با استفاده از معیارهای مختلف دقت سنجی (CE، RMSE، R2و MAE) انجام شد. برای محاسبه معیارهای کارایی از مقادیر شبیه سازی شده مدل ها و اندازه گیری شده در ایستگاه های هیدرومتری استفاده شد. نتایج نشان داد که مدل SALAS رواناب را در ایستگاه ها بیشتر از میزان واقعی برآورد کرده که علت برآورد بیشتر این مدل وزن دهی بیشتر به بارش و وزن دهی کمتر به سایر پارامترها است. درحالی که مدل WAPABA مقدار رواناب را با در نظر گرفتن وزن های یکسان برای هریک از پارامترها با دقت بهتری شبیه سازی کرده ولی در ایستگاه قطعه چهار شبیه سازی مدل مناسب نبوده است.

نمو، عبارت است از تغییرات کیفی برنامه ریزی شد ه که گیاه را به سمت رسید گی هد ایت می نمایند و محققان آن را پد ید ه شناسی می نامند . شناخت زمان وقوع هر یک از این مراحل به منظور اعمال مد یریت مناسب برای افزایش عملکرد ضروری است. تعیین زمان وقوع مراحل نموی د ر سطح وسیع که د ربرگیرند ه اقلیم ها، ژنوتیپ ها و تاریخ های کاشت متفاوت می باشد ، کار بسیار د شواری است. پیش بینی مراحل پد ید ه شناسی به روش های معمول میسر نمی باشد و تنها از طریق بکارگیری مد ل های شبیه سازی، که با تلفیق عوامل موثر بر نمو می توانند زمان وقوع مراحل نمو را پیش بینی نماید ، امکان پذیر است. این مد ل بر مبنای معاد له خطی پاسخ د مایی نمو گیاه ساخته شد . به منظور ارزیابی مد ل، د و آزمایش مزرعه ای د ر سال های زراعی 83- 1382 و 84- 1383 اجرا گرد ید . مراحل نموی گند م بر مبنای مقیاس کربی و اپلیارد و به کمک میکروسکوپ تشریح مشخص و میزان د رجه- روز رشد تجمعی مورد نیاز هر مرحله نموی تعیین گرد ید . سپس با استفاد ه از د اد ه های آزمایشهای مذکور، مد ل واسنجی و ارزیابی گرد ید . مقایسه نتایج حاصل از شبیه سازی با نتایج واقعی (مشاهد ه شد ه) نشان د اد که مد ل با توانایی بالایی مراحل نمو گند م را پیش بینی می نماید .

با توجه به اهمیت لایه بندی حرارتی و اثر آن بر روی کیفیت آب مخازن، و بدلیل پیچیدگی هیدرودینامیک مخزن لایه بندی شده، یک مدل صریح با چگالی متغیر جهت حل همزمان معادلات پیوستگی، حرکت و انرژی در سیستم مختصات منحنی الخط متعامد ارائه گردیده است. مدل ارایه شده بصورت دو بعدی در قائم و با استفاده از معادلات منحنی الخط متعامد متوسط گیری شده در عرض، که برای مخازن نسبتا باریک، بلند و مستقیم قابل استفاده می باشد، ارایه شده است. با توجه به اینکه معادله اندازه حرکت در جهت قائم حل گردیده، لذا از تقریب فشار هیدرواستاتیک استفاده نمی شود و معادلات به روش علامت گذاری و سلول MAC و تکنیک گسسته سازی حجم محدود بر روی شبکه متعامد حل شده است. در این شبکه محور افقی مختصات بر سطح آب و کف مخزن سد منطبق می باشد. مدل فوق با نتایج فلوم جانسون مقایسه و نتایج به دست آمده نمایانگر ان است که این مدل می تواند پیش بینی هیدرودینامیک جریان با چگالی متغیر را بخوبی انجام دهد. به علاوه در این شبیه سازی، جریان ناشی از تغییرات چگالی در طول فلوم با داده های جانسن و کارپیک همخوانی و سازگاری خوبی را نشان می دهد.

ورشکستگی آخرین مرحله از حیات اقتصادی شرکت است و بر همه ذی نفعان شرکت تاثیر می گذارد. بنابراین پیش بینی ورشکستگی از اهمیت برخوردار می باشد با توجه به اینکه فرایند حقوقی به منظور شناسایی شرکت های ورشکسته امری زمان بر است بنابراین در این تحقیق از مفهوم آستانه ورشکستگی برای شناسایی شرکت های ورشکسته در بورس اوراق بهادار تهران استفاده شد. سوال اصلی تحقیق این است که کدام یک از مدل های پس انتشار خطا، الگوریتم ژنتیک و بهینه سازی تجمعی ذرات با دقت بالاتری ورشکستگی شرکت ها را پیش بینی می کند. همچنین تاثیر داده های بازار و نسبت های مالی در پیش بینی ورشکستگی با یکدیگر مقایسه گردید. نتیجه نشان داد که استفاده از الگوریتم ژنتیک در افزایش دقت پیش بینی ورشکستگی موثر است اما مقایسه مدل های الگوریتم ژنتیک و بهینه سازی تجمعی ذرات نشان داد که از نظر آماری نمی توان اثبات نمود که یکی از این روش ها بر دیگری برتری دارد. همچنین نتایج نشان دهنده این بود که استفاده از داده های بازار برای پیش بینی ورشکستگی موثرتر از استفاده از نسبت های مالی و یا اسفاده همزمان از داده های بازار و نسبت های مالی است. همچنین نتایج نشان داد مدلی که از داده های بازار استفاده کرده و از طریق الگوریتم بهینه سازی تجمعی ذرات آموزش ببیند می تواند تا 92.6 درصد ورشکستگی شرکت ها را به درستی پیش بینی نماید.

برای پیش بینی ورشکستگی مالی روش های متعددی وجود دارد. یکی از این روش ها، روش های آماری یا به عبارت بهتر، روش های اقتصادسنجی است. چون متغیر وابسته، یعنی ورشکسته شدن و ورشکته نشدن، متغیری گسسته و کیفی است، باید از مدل های گسسته برای پیش بینی استفاده کرد. در این مطالعه، از روش لوجیت مرکب استفاده شده است که یکی از روش های انعطاف پذیر در مدل های گسسته است. اساس این مدل، تابع مطلوبیت تصادفی با ضرایب تصادفی است و با استفاده از روش حداکثر راست نمایی شبیه سازی شده است. متغیرهای توضیحی، نسبت های مالی شرکت ها هستند که از مدل زیمسکی استخراج شده است. جامعه آماری، شرکت های فعال در بورس در بازه 1383 تا 1386 است که دو نمونه تصادفی، یکی برای تخمین و دیگری برای سنجش درصد موفقیت مدل انتخاب شده است. درصد موفقیت مدل، بیشتر از 90 درصد مشاهده شد.