تبخیر یکی از فرایندهای مهم و تأثیرگذار در چرخه آبی است. تشت تبخیر به علت سهولت تفسیر داده­های آن در سراسر دنیا به عنوان شاخصی برای تعیین تبخیر از دریاچه­ها و مخازن استفاده می­شود. بنابراین با ثبت درست مقدار تبخیر از تشت می­توان تبخیر و تعرق گیاه مرجع را تخمین زد. روابط تجربی ارائه شده برای تخمین تبخیر از سطوح آزاد با در نظر گرفتن پارامترهای هواشناسی به عنوان ورودی، دارای تنوع زیاد است. دقت روابط تجربی در مناطق مختلف متفاوت است و در هر منطقه نیاز به واسنجی دارد. همچنین از دقت بالایی برخوردار نبوده و دسترسی به تمام پارامترهای ورودی مشکل و یا اندازه­گیری آن­ها محتاج صرف هزینه و زمان زیادی می­باشد. هدف از این تحقیق ارزیابی کارایی مدل­های ماشین بردار پشتیبان و حداقل مربعات ماشین بردار پشتیبان جهت تخمین تبخیر از سطح آزاد آب در استان گلستان می­باشد. در این تحقیق از داده­های هواشناسی روزانه سه ایستگاه سینوپتیک (کلاله، گرگان و بندر ترکمن) به مدت 17 سال (1376-1393) استفاده شد. نتایج نشان داد بین الگوهای ورودی به مدل های SVM و LSSVM، الگوی 16 با پارامترهای ورودی  رطوبت نسبی کمینه، رطوبت نسبی بیشینه، سرعت باد و ساعات آفتابی دارای بیشترین R2 و کمترین RMSE و MBE بود. مدل LSSVM در ایستگاه بندر ترکمن دارای بهترین پیش بینی نسبت به دو ایستگاه دیگر بوده است. همچنین در همه ایستگاه های موردمطالعه مدل LSSVM دارای R2 بیشتر و RMSE و MBE کمتری نسبت به مدل SVM بوده است.

امروزه نیازهای موجود در طراحی سازه ها از جمله وزن کم و استحکام بالا در علم مهندسی سازه، امکان ایجاد ارتعاشات ناخواسته و مخرب را در این سیستم ها افزایش داده است. همچنین استفاده از نرم افزار های کامپیوتری برای مدل سازی نمی تواند به تنهایی به طور دقیق رفتار دینامیکی سازه ساختمانی را پیش بینی نماید. به همین دلیل رویکردی اساسی به تکنیک های تجربی ایجاد شد و سبب ایجاد پیشرفت در زمینه آنالیز مودال گردید. در سال های اخیر آنالیز مودال به عنوان ابزاری جهت تعیین و ارتقا مشخصات دینامیکی سازه ها استفاده شده است: مدهای ارتعاشی بدست آمده از تحلیل مودال برای فهم صحیح رفتار سازه مفید می باشد. همچنین از مدهای بدست آمده از آنالیز مودال در تحلیل های تاریخچه زمانی مودال و تحلیل شبه دینامیکی طیف پاسخ نیز استفاده می گردد. نکته قابل توجه در تحلیل مودال این مطلب می باشد که در هنگام استفاده از تحلیل مودال دو نوع حالت تحلیلی با نام های حالت بردار ویژه و حالت بردار ریتز وجود دارد. یافتن بهترین روش بین دو حالت در تحلیل مودال بر روی پاسخ های سازه ها بسیار مهم می باشد، تا به امروز مطالعاتی گسترده و جامع در این زمینه صورت نگرفته است. با توجه به اهمیت این موضوع، در این پژوهش به بررسی ارزیابی دقت بین دو حالت بردار (ریتز) و (ایگن) در تحلیل مودال پرداخته خواهد شد. در انتها مشاهده شد که تحلیل مودال ناشی از بردار ایگن دقت بیشتری نسبت به بردار ریتز دارد و نتایج حاصل از تحلیل مودال ایگن به واقعیت نزدیکتر است.

هدف: هدف در این مقاله ارایه یک نوع بهبودیافته از مدل ماشین بردار پشتیبان دوگانه حاشیه-پارامتری به منظور بهبود عملکرد کلاس بندی است. روش شناسی پژوهش: با جایگزین کردن متغیر جدید در تابع هدف، نقاط یک کلاس از ابرصفحه حاشیه-پارامتری کلاس دیگر تا جای ممکن دور می شود. یافته ها: مدل بهبودیافته در هر دو حالت خطی و غیرخطی محدب است. همچنین آزمایش های عددی بر روی داده های کتابخانه ای UCI نشان دهنده عملکرد بهتر مدل پیشنهادی در مقایسه با دو مدل مشابه در مقایسه با دو مدل مشابه در حالت های خطی و غیرخطی از نظر دقت است. اصالت/ارزش افزوده علمی: مطالعات قبلی انجام شده در مدل ماشین بردار پشتیبان دوگانه حاشیه-پارامتری که از طریق روش های مانند وزن دار کردن داده ها، تبدیل کردن آن به مدل نامقید و یا اضافه کردن عبارت جدید در تابع هدف دقت مسئله را افزایش می دهند، تضمین کننده دور بودن تمام نقاط از ابرصفحه و قرار داشتن آن ها در نیم فضای منفی نیستند؛ اما این بررسی یک رویکرد جدید برای رفع این مشکل ماشین بردار پشتیبان دوگانه حاشیه-پارامتری ارایه می دهد.

حداقل زمان مانور غلت حول بردار سرعت با در نظر گرفتن سطوح کنترل آیرودینامیکی و بردار تراست ( به عنوان کنترلر) محاسبه شده است. مدل ریاضی برای حرکت هواپیما بیان شده است. شرایط لازم مرتبة اول برای بهینگی با استفاده از اصل حداقل پانتریاگن به کار رفته است. روش عددی مورد استفاده تکنیک پرتاب چند نقطه ای است. تخمینی از کاهش زمان مانور ناشی از کاربرد تراست هواپیما به دست آمده است

در این مقاله، رویکردی برای برازش مدل رگرسیون خطی بر اساس بردارهای پشتیبان، زمانی که متغیر پاسخ، پارامترهای مدل و خطاها به صورت اعداد فازی باشند، ارائه شده است. در این روش، تابع هدف بر اساس مجموع قدرمطلق فواصل بین ابرصفحه های حاشیه ای غیرموازی بنا شده است. مدل ارائه شده نسبت به وجود داده های پرت از استواری مناسبی برخوردار است. مدل پیشنهادی بر اساس سه معیار نیکویی برازش با برخی مدل های دیگر مورد مقایسه قرار گرفته است.

درماندگی مالی پیش از ورشکستگی مالی رخ می دهد و پیش بینی موثر آن یک مساله مهم و چالش برانگیز برای شرکت ها می باشد. تحقیق حاضر به پیش بینی درماندگی مالی در قالب مدل ماشین بردار پشتیبان و با استفاده از ترکیبات جریان نقد می پردازد. اهمیت ابزارهای داده کاوی، و توانایی این ابزارها در پیش بینی و طبقه بندی متغیرها، استفاده از آن ها را در مباحث مختلف مالی از جمله پیش بینی ورشکستگی، پیش بینی درماندگی مالی، کشف تقلب مدیریت، برآورد ریسک اعتباری و پیش بینی عملکرد شرکت، گسترش داده است. دراین مطالعه، ترکیبات جریان نقد شرکت های انتخاب شده برمبنای معیارهای اختصاصی درماندگی به عنوان متغیرهای ورودی مدل به کار گرفته شده است. یافته های تحقیق حاکی از آن است از میان توابع کرنلی، تابع چند جمله ای در سال درماندگی، یک و دو سال قبل از آن دارای بالاترین قدرت پیش بینی است.