در این مقاله مساله تخمین تطبیقی پارامترهای سیستم های دوبعدی تعریف شده و یک روش برای حل آن مبتنی بر مدل شناسایی (مدل مرجع) ارایه می گردد. بر اساس این روش پارامترهای سیستم دوبعدی مورد نظر به دو دسته به نامهای دسته افقی و دسته قائم تقسیم بندی شده بطوریکه تخمین دسته افقی که بخشی از پارامترهای قابل تنظیم مدل شناسایی است در جهت افقی و تخمین دسته قائم که بخش دیگر پارامترهای قابل تنظیم مدل شناسایی می باشد در جهت قائم تنظیم می شوند. در نهایت این شیوه منجر به یک الگوریتم تخمین تطبیقی دوبعدی می گردد. با ارایه یک تابع لیاپانوف دوبعدی جدید، پایداری الگوریتم مذکور تحلیل شده و همچنین شرایط پایداری مجانبی آن بر حسب خواص سیستم دوبعدی مورد نظر و غنای سیگنال ورودی و شرایط مرزی سیستم بدست می آید. در پایان مقاله نیز با ارایه شبیه سازی کامپیوتری توانایی عملی روش ارایه شده به تصویر کشیده می شود.

در این مقاله یک آلگوریتم جدید با استفاده از روش بازگشتی کمترین مربعات برای تخمین پارامترهای سیستم های دو بعدی، که در آن ابعاد می توانند نامحدود باشند، ارایه می شود. از آنجا که این الگوریتم بر مدل یک بعدی پیشرفته موجی مبتنی است. ابتدا این مدل به اختصار معرفی شده و مساله تخمین پارامترهای سیستم های دو بعدی از دیدگاه این مدل تعریف می شود. بدین ترتیب مساله تخمین پارامترهای سیستم های صورت یک مساله یک بعدی فرمول بندی می شود. با اجرای روش بازگشتی کمترین مربعات در مورد یک بعدی پیشرفته موجی، یک آلگوریتم تطبیقی برای تخمین پارامترهای آن و در نتیجه برای تخمین پارامترهای سیستم دو بعدی مورد نظر به دست می آید. همگرایی آلگوریتم مورد نظر ثابت شده و سرعت همگرایی آن بررسی می شود. به منظور نشان دادن قابلیت و توانایی روش ارایه شده، دو مثال شبیه سازی آورده می شود.

دبی جریان در سرریزها به طور مستقیم با طول تاج سرریز متناسب است، در صورتی که عرض کانال یا مخزنی که سرریز بر روی آن اجرا می شود محدود باشد، یکی از راهکارهای افزایش ظرفیت، افزایش طول تاج سرریز با زیگزاگ کردن سرریز در پلان می باشد. در این تحقیق تعداد 196 آزمایش بر روی 9 مدل فیزیکی با تغییر پارامترهای هندسی از جمله زاویه دیواره سرریز (α)، ارتفاع سرریز (P)، شکل دماغه ها، فرم تاج سرریز و شیب دهانه های ورودی جهت بررسی عملکرد هیدرولیکی سرریزهای کنگره ای انجام گردید. ضریب دبی سرریزهای کنگره ای با زاویه دیواره (o12=α) کمتر از زوایای دیگر (o20و o35=α) بدست آمده است. علت آن را می توان چنین بیان کرد که با افزایش زاویه دیواره سیکل ها، زاویه نزدیک شدن جریان با دیواره سیکل ها به حالت عمودی نزدیک تر شده و این سرریزها شبیه سرریزهای خطی عمل می کنند و در نتیجه ضریب دبی جریان بیشتر می شود. شیب دار کردن دهانه-های ورودی بدلیل کاهش افت جریان ورودی به سرریز و همچنین افزایش 10 درصدی ارتفاع سرریز و تغییر فرم تاج سرریز به فرم ربع دایره ای، ضریب دبی را افزایش داده ولی با نیم دایره ای کردن دماغه های بالادست تاثیر چندانی در ضریب دبی مشاهده نگردید. کارایی سیکل سرریزهای کنگره ای با افزایش زاویه دیواره ها کاهش می یابد بطوریکه در 2/0=H t/p کارایی سیکل سرریزهای کنگره ای با زوایای دیواره 35، 20 و 12 درجه به ترتیب برابر 1، 2 و 3 بدست آمده است.

مطالعه حاضر به منظور استفاده از حداقل پارامترهای هواشناسی در پیش بینی تبخیر تعرق گیاه مرجع در منطقه همدان برای سال های 1376 و 1377 صورت گرفته است. بدین منظور، با استفاده از آزمون پیرسون، شش پارامتر هواشناسی مورد نیاز در روش پنمن مانتیث فایو-56 که شامل دماهای حداکثر و حداقل، مقادیر رطوبت نسبی حداقل و حداکثر، سرعت باد در ارتفاع دو متری و ساعت آفتابی روزانه می شوند، به صورت چهار سناریوی اطلاعاتی با یکدیگر ترکیب و به کاربرده شدند (که تحت عنوان شماره 1، 2، 3 و 4 نام گذاری شدند). با اعمال این سناریوها بر مدل های هوشمند شبکه عصبی مصنوعی (ANN) و سیستم استنتاج تطبیقی عصبی- فازی (ANFIS) در محیط نرم افزاری MATLAB، تبخیر تعرق گیاه مرجع منطقه تخمین گردید. به منظور ارزیابی نتایج هر یک از سناریوهای مورد استفاده، از مقادیر واقعی تبخیر تعرق مرجع (لایسیمتری) استفاده شد. نتایج نشان داد که افزایش تعداد اطلاعات در لایه ورودی لزوما منجر به بهبود نتایج مدل های هوشمند نمی شود. سناریوی اطلاعاتی شماره 2 که شامل سه پارامتر دمای حداقل و حداکثر هوا و ساعت آفتابی روزانه بود، در هر دو مدل ANN و ANFIS برآوردهای معقول و یکسانی در بر داشت. در این سناریو مقادیر حداقل معیار مجذور میانگین مربعات خطا (RMSE)، میانگین مطلق خطا (MAE) و حداکثر ضریب تعیین (R2) در مرحله آزمایش به ترتیب معادل 09/0 و 07/0 میلی متر بر روز و 90/0 بودند. در مجموع بین نتایج شبکه عصبی مصنوعی و سیستم استنتاج تطبیقی عصبی- فازی از نظر آماره های خطاسنجی اختلاف قابل ملاحظه ای مشاهده نشد. ضمن آن که این دو نسبت به نیاز اطلاعاتی در لایه ورودی خود دارای حساسیت یکسان بودند. مدل شبکه عصبی پس از 26 تکرار محاسباتی در مقایسه با سیستم استنتاج تطبیقی عصبی- فازی که با 40 تکرار محاسباتی بود، سریع تر به جواب مناسب دست یافت. همچنین برآوردهای شبکه های عصبی با روش استاندارد پنمن مانتیث نیز مقایسه گردید، که نشان دهنده دقت و توانمندی قابل ملاحظه مدل های هوشمند (RMSE معادل 09/0 میلی متر بر روز) نسبت به روش استاندارد (RMSE معادل 34/0 میلی متر بر روز)، برای تخمین تبخیر تعرق گیاه مرجع می باشد.

در این مقاله یک الگوریتم تطبیقی مبتنی بر توصیف یک بعدی (wave Advanced Model) WAM و مدل شناسایی (مرجع) برای تخمین پارامترهای سیستم های دو بعدی در فرم فضای حالت ارائه می گردد. پایداری الگوریتم ارائه شده به روش لیاپانوف بررسی شده و همچنین شرایط پایداری مجانبی آن بر حسب خواص سیستم دو بعدی مورد نظر و غنای بردار ورودی سیستم به دست می آید در پایان مقاله نیز با ارائه شبیه سازی کامپیوتری توانایی عملی آلگوریتم به تصویر کشیده می شود.

این مقاله ضمن مرور روشهای ارایه شده جهت تخمین پارامترهای هدف، دو روش را که به دسته روشهای تخمین پارامترهای هدف بر مبنای تخمین ورودی (مانور) استوار است مورد بررسی دقیقتری قرار داده و میزان کارایی آنها را در تخمین پارامترهای اهداف با مانور زیاد مورد ارزیابی قرار می دهد.با توجه به ضعف نسبی هر دو الگوریتم در تخمین پارامترهای اهداف با مانور زیاد، راهکاری بر اساس باز نشانی ماتریس کواریانس خطا ارایه می گردد که بهبود قابل ملاحظه ای در تشخیص پارامترهای اهداف با مانورهای زیاد بهمراه می آورد.

در این مقاله به طراحی استراتژی کنترلی برای یک ربات پرنده بدون سرنشین چهار پره برای ردیابی مسیر مطلوب پرداخته شده است. ابتدا معادلات دینامیکی توسط فرمول اویلر- لاگرانژ استخراج شده است. سپس از روش کنترلی خطی پیش بین بر مبنای خطای فضای حالت برای ردیابی حرکات انتقالی و از کنترل غیر خطی مقاوم H¥ برای پایدارسازی حرکات چرخشی کوادروتور و رد اغشتاش خارجی استفاده شده است. در هر دو روش کنترلی از انتگرال خطای موقعیت استفاده شده است، که باعث دستیابی به یک خطای حالت ماندگار پوچ در برابر اغتشاش پایدار ورودی به سیستم می شود. اغتشاش خارجی به صورت گشتاورهای آیرودینامیکی در نظر گرفته شده است. با افزایش نامعینی در جرم و ممان های اینرسی سیستم کنترل طراحی شده، به صورت کامل قادر به ردیابی و پایدارسازی نمی باشد، لذا برای حذف آثار نا معینی پارامتری و افزایش قوام سیستم در برابر این نامعینی ها از روش حداقل مربعات بازگشتی برای تخمین پارامترهای جرم و اینرسی که خطی می باشند، استفاده شده است. نتایج شبیه سازی نشان می دهد، که سیستم کنترلی طراحی شده با وجود تخمین پارامترهای سیستم، عملکرد مناسبی در پایدارسازی و ردیابی مسیر مطلوب و رد اغتشاش خارجی و نامعینی های پارامتری دارد.

به منظور تعیین تداخل اثرات غلبه در برآورد پارامترهای ژنتیکی، از دو مدل افزایشی و افزایشی-غلبه برای برآو رد پارامترهای ژنتیکی صفات مختلف کیفیت 631 لاشه گاو گوشتی نر دورگ استفاده شد. داده ها با استفاده از نرم افزار های Plink (نسخه 1/9) و GVCBLUP (نسخه 3/9) تجزیه شدند. نتایج نشان داد که بیشتر صفات کیفی لاشه وراثت پذیری بالایی داشتند، اما دو صفت ماهیچه چشمی دنده اولتراسوند و وزن لاشه گرم دارای وراثت پذیری پایینی (به ترتیب 0/15 و 0/11) بودند. واریانس غلبه برای صفات وزن لاشه گرم، ماهیچه چشمی دنده اولتراسوند، چربی پشت اولتراسوند و ماهیچه چشمی دنده (به ترتیب 0/13، 0/440، 0/89 و0/33) بالا بود ولی برای سایر صفات (تولید گوشت لخم، درجه ماربلینگ، چربی پشت، ماهیچه چشمی دنده اولتراسوند و درجه لاشه) اثر غلبه مشاهده نشد یا بسیار جزئی برآورد گردید. هنگامی که واریانس غلبه صفات پایین بود، تاثیری بر برآورد GBLUP نداشت. برآورد وراثت پذیری صفات مورد بررسی به مقدار کم تحت تاثیر افزودن اثر غلبه در مدل قرار گرفت. مهم ترین نواحی ژنومی موثر بر صفات کیفی لاشه مربوط یه ژن-های LAP3، THBS4 و PCDH9 بود. پیشنهاد می گردد، برای درک بهتر از ساختار ژنتیکی صفات و برنامه ریزی بهتر اصلاح نژادی، اثرات غلبه در مدل برآورد پارامترهای ژنتیکی اضافه شود.

در این تحقیق اطلاعات هواشناسی شامل: دمای بیشینه و کمینه، سرعت باد، ساعت آفتابی، ابرناکی، بارندگی، فشار هوا و رطوبت در شش ایستگاه هواشناسی همدیدی مشهد، اصفهان، رامسر، زاهدان، ارومیه و شیراز جمع آوری گردید. با استفاده از آزمون گاما پارامترهای هواشناسی موثر بر تابش خورشیدی در هر ایستگاه تعیین شد. نتایج نشان داد در تمام ایستگاه ها دمای بیشینه و ساعت آفتابی، در پنج ایستگاه ابرناکی و در چهار ایستگاه فشار هوا و سرعت باد جزء پارامترهای تاثیرگذار بر تابش خورشیدی است. پس از تعیین پارامترهای هواشناسی موثر در هر ایستگاه، تابش خورشیدی با استفاده از ماشین بردار پشتیبان (SVM) و سه روش تجربی آنگسترم، هارگریوز و عبداله پیش بینی گردید. در ایستگاه های مورد بررسی دقت روش های آنگستروم و عبداله روند خاصی ندارد، در بعضی از ایستگاه ها روش آنگستروم و در برخی دیگر روش عبداله تابش را با دقت بیشتری پیش بینی کردند. روش هارگریوز تابش خورشیدی را نسبت به دو روش تجربی دیگر با دقت کمتری پیش بینی کرده است. SVM توانسته تابش خورشیدی را در مرحله آزمون در ایستگاه های اصفهان، مشهد، ارومیه، رامسر، شیراز و زاهدان به ترتیب با ریشه میانگین مربع خطای (RMSE) 1.38، 1.28، 1.36، 1.51، 1.21 و 1.58 MJm-2d-1 و خطای 3.59 MEF، 5.50، 4.18، 7.96، 3.26 و 5.17 درصد پیش بینی کند. SVM توانسته در تمام ایستگاه ها با استفاده از هوش مصنوعی تابش خورشیدی را با دقت بالاتری نسبت به روش های تجربی پیش بینی نماید. تابش خورشیدی در ایستگاه اصفهان با کمترین مقدار خطا و در ایستگاه رامسر با بیشترین مقدار خطا پیش بینی شده است.

حرکت آب به داخل خاک تحت تاثیر رطوبت اولیه، درجه اشباع و خصوصیات مختلف فیزیکی خاک از جمله بافت خاک، رطوبت اشباع، جرم مخصوص ظاهری خاک قرار می گیرد. در این مطالعه از داده های حاصل از مطالعات ماهشواری (1996) که در خاک های بدون درز و ترک مناطق مختلف استرالیا به دست آمده است استفاده گردید. میانگین قطر هندسی انحراف معیار هندسی، ضریب پراکندگی برای هر خاک محاسبه گردید و سعی شد پارامترهای سه معادله نفوذ معتبر: کوستیاکوف، فیلیپ و هورتون توسط این آماره ها و ترکیب آنها با خصوصیات فیزیکی توسط رگرسیون چندگانه خطی تخمین زده شود. نتایج نشان داد که این پارامترها می توانند توسط ترکیبی از آماره های محاسبه شده و خصوصیات فیزیکی، که به آسانی قابل اندازه گیری هستند، تخمین زده شوند. توابع انتقالی برای تمام پارامترهای معادلات کوستیاکوف و فیلیپ به دست آمد ولی رابطه معنی داری بین ضریب نمایی در معادله هورتون و خصوصیات خاک مشاهده نشد. در نهایت نفوذ تجمعی محاسبه شده و تخمین زده شده بر اساس معادلات کوستیاکوف و فیلیپ مورد بحث و مقایسه قرار گرفت. همچنین نتایج نشان داد که معادله کوستیاکوف تخمین زده شده با داده های واقعی رابطه نزدیک تری از معادله فیلیپ تخمین زده شده دارد.