توزیع لاپلاس چندمتغیره یک مدل تصادفی مهم است که عدم تقارن و دم های سنگین تر از توزیع گاوسی را به حساب می آورد. در این مقاله، مدل رگرسیون فضایی خودبازگشتی و میانگین متحرک مرتبه دو برای مدل بندی برآمدهای یک میدان تصادفی فضایی که از توزیع چوله-لاپلاس تعمیم یافته چندمتغیره پیروی می کنند ارائه خواهد شد. پارامترهای مدل با روش های ماکسیمم درستنمایی و حداکثر فاصله و استفاده از معیار واگرایی کولبک-لایبلر برآورد می شوند. آنگاه براساس مدل ارائه شده پیشگوی فضایی بهینه ارایه خواهد شد. سپس یک مطالعه شبیه سازی برای اعتبارسنجی و ارزیابی عملکرد مدل پیشنهادی انجام می شود. آنگاه نحوه کاربست این مدل در تحلیل مجموعه داده های واقعی زمین شناسی نشان داده می شود.

امروزه به علت عدم قطعیت محیط و توسعه سریع تکنولوژی نوین معمولا باید موقعیت های آینده را با استفاده از داده های کم و در بازه زمانی کوتاه مدت پیش بینی کرد. بنابراین به روش هایی برای پیش بینی نیاز است که به داده های کمتری احتیاج داشته باشد. مدل میانگین متحرک خودرگرسیون و روش شبکه عصبی مصنوعی برای دست یابی به نتایج دقیق نیاز به داده های زیادی دارند اما مدلهای رگرسیون فازی، مدل های مناسبی برای پیش بینی با استفاده از داده های کمتری نسبت به دیگر روشها می باشند. در این مقاله به منظور برطرف ساختن مشکل مذکور و حصول نتایج دقیق تر به بررسی سه روش میانگین متحرک خود رگرسیون انباشته، رگرسیون فازی و میانگین متحرک خود رگرسیون انباشته فازی که از ترکیب دو روش قبل بدست آمده، پرداخته شده است. مقایسه میزان صحت پیش بینی مدل های مذکور بر اساس دو معیار خطای ریشه متوسط مربعات(RMSE)  و ضریب تعیین (R2) حاکی از آن است که مدل میانگین متحرک خود رگرسیون انباشته فازی به عنوان الگوی برتر جهت پیش بینی مقادیر شاخص قیمت بوده است.

رشد روزافزون جمعیت و محدودیت منابع آب سطحی در کشور، لزوم پیش بینی دقیق تر مقدار آورد و رودخانه را به دلیل اهمیت در برنامه ریزی و مدیریت منابع آب از جمله بهره برداری از مخازن و طراحی سازه های کنترل سیلاب با استفاده از ابزارها و روش های نوین مدلسازی می طلبد. در این راستا، مدل های سری زمانی از دیرباز مورد توجه هیدرولوژیست ها بوده اند. هدف این تحقیق، ارزیابی کارآیی دو رهیافت کلی مدل سری زمانی و رگرسیون فازی در پیش بینی جریان سالانه رودخانه می باشد. در مدل خود همبسته تجمعی میانگین متحرک از رهیافت سری زمانی، کارآیی روش های درست نمایی شرطی و درستنمایی غیرشرطی در تخمین پارامترهای مدل مورد بررسی قرار گرفت. در مدل رگرسیون فازی، به منظور در نظر گرفتن عدم قطعیت حاکم بر سیستم های طبیعی، از تابع عضویت مثلثی متقارن و نامتقارن استفاده شد. به منظور مقایسه کارآیی دو مدل مذکور در پیش بینی جریان سالانه، آمار آبدهی برخی از ایستگاه های حوضه آبریز دریاچه ارومیه بکار گرفته شد. نتایج نشان دادند که در بین روش های تخمین پارامترها، روش درستنمایی غیرشرطی به عنوان روش کارآمد در تخمین پارامترهای مدل ARIMA می باشد. مقایسه جریان های سالانه پیش بینی شده توسط مدل های ARIMA و رگرسیون فازی بر اساس معیارهایی مانند RMSE، دلالت بر عملکرد بهتر رهیافت رگرسیون فازی نسبت به مدل سری زمانی داشت. عملکرد بهتر تابع عضویت مثلثی متقارن نسبت به نوع نامتقارن آن از حیث در نظر گرفتن عدم قطعیت حاکم بر مساله مدلسازی از دیگر نتایج این تحقیق می باشد.

پیش بینی دقیق هیدرولوژیکی یک ابزار کلیدی در برنامه ریزی های منابع آب است. از این رو در این مقاله با بهره گیری از مدل-های رگرسیون بردار پشتیبان (SVR)، رگرسیون چند متغیره ی خطی (MLR)و خود همبسته ی میانگین متحرک (ARMA)، جریان ورودی به سدهای بختیاری و رودبار لرستان پیش بینی شده است. به منظور پیش پردازش داده های ورودی مدل ها از رویکرد میانگین متحرک استفاده شد. برای ارزیابی کارایی مدل ها از معیارهای ارزیابی نش ساتکلیف (NSE)، جذر میانگین مربعات خطا (RMSE)، ضریب همبستگی (R) و دیاگرام تیلور استفاده شد. نتایج نشان داد که استفاده از روش پیش پردازش میانگین متحرک باعث بهبود عملکرد مدل های مورد استفاده شده است. بطوری که مقادیر NSE مربوط به مدل SVR با پیش-پردازش میانگین متحرک در پیش بینی جریان ورودی به سدهای بختیاری و رودبار لرستان نسبت به مدل SVR بدون پیش-پردازش به ترتیب 4/13 و 6/6 درصد بهبود داشته است.

1باد یک کمیت برداری است که از مراکز پرفشار به طرف مراکز کم فشار به حرکت در می آید و با دو فاکتورسنجیده می شود، جهت باد که مبدأ آن شمال جغرافیایی بوده و در جهت عقربه های ساعت درجات آن افزایش می یابد و سرعت باد که جریان افقی هوا  است که در واحد زمان سنجیده می شود. سرعت حرکت باد می تواند با تفکیک ذرات کلوئیدی شامل رس وسلیت را از محل تخریب تا فاصله صدها کیلومتر منتقل کند . مطالعات نشان می دهد که بیشترین روزهای گرد و غباری در مناطق شرقی کشور به وقوع می پیوندد به طوری که در محدوده وزش بادهای120 روزه  سیستان،فراوانی وقوع گرد و غبار در سال به بیش از150 روز می رسد.لذا با توجه به اهمّیت موضوع بررسی و پیش بینی  میانگین عددی حداکثر سرعت باد سالیانه با استفاده از روش رگرسیون فضایی-زمانی در این تحقیق مد نظر قرارگرفت بررسی پارامتر هایی همچون: خود همبستگی ، ایستایی ، نرمال بودن خطاها ، عدم همبستگی آنها، همسانی واریانس خطاها و بررسی هم خطی با استفاده از شاخص تورم واریانس نشان داد  که مدل های عددی رگرسیون فضایی-زمانی داده ها ، این قابلیت را دارند که می توانند میانگین حداکثرسرعت باد را در طی سالهای آینده پیش بینی کنند نتایج نیز نشان می دهد که رگرسیون فضایی-زمانی تا سال 2022 می تواند سرعت باد را پیش بینی کند مدل عددی بیانگر آنست که کمترین میانگین سالیانه سرعت باد طی سال های 2019 تا 2022 مربوط به ایستگاه قاین است و روند پیش بینی آن نشان می دهد تا سال 2022 از میانگین سالیانه سرعت باد کاسته می شود. بیشترین میزان میانگین سالیانه سرعت باد مربوط به ایستگاه زابل است که روند پیش بینی این ایستگاه نشان می دهد از میانگین سالیانه سرعت باد تا 2022 کاسته می شود.

امروزه فرایند تولید بیشترمحصولات به گونه ای است که محصولات طی مراحل مختلف به هم وابسته ای بوجود می آیند. بدلیل وجودخاصیتی در این گونه فرایندها موسوم به خاصیت آبشاری، پایش جداگانه ی مراحل بدون در نظر گرفتن رابطه ی بین مشخصه های کیفی در مراحل مختلف و با استفاده از نمودارهای کنترل مرسوم، باعث افزایش خطا در نتایج می شود. یکیازنمودارهایکنترل پرکاربردوتخصصی کهبرایپایشفرایندهایچندمرحله ای استفاده می شود، نمودارهایانتخابعاملانحرافمی باشد. این گونهازنمودارهایکنترلبیشتربرایمشخصه هایکیفینرمالتوسعه داده شده و مورداستفادهقرارگرفته اند. در این مقاله، دو نمودار کنترل براساس الگوهای خطی تعمیم یافته به منظور پایش یک فرایند دو مرحله ای با مشخصه کیفی دو جمله ای در مرحله دوم پیشنهاد شده است. در رویکرد پیشنهادی به منظور پایش متغیر دو جمله ای، یک نمودار کنترل جمع تجمعی و یک نمودار کنترل میانگین متحرک موزون نمایی دوگانه با در نظر گرفتن رابطه بین مشخصه های کیفی در دو مرحله طراحی شده است. نمودارهای کنترل پیشنهادی براساس مقادیر باقی مانده انحراف بنا نهاده شده اند که به منظور برقرار کردن رابطه بین مشخصه های کیفی مرحله اول و دوم از یک تابع رابط جدید در چارچوب الگوی خطی تعمیم یافته استفاده شده است. عملکرد نمودارهای کنترل پیشنهادی با استفاده از شبیه سازی و براساس معیار متوسط طول دنباله ارزیابی شده است. نتایج نشان دهنده آن است که توانایی کشف نمودارهای کنترل جمع تجمعی و میانگین متحرک موزون نمایی دوگانه پیشنهادی به مراتب بهتر از نمودارهای کنترل موجود در ادبیات موضوع می باشد.

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

روش های ژئوفیزیکی برای مطالعه ویژگی های میدان های فیزیکی قابل انتشار ناشی از بی هنجاری های داخل زمین بنیان نهاده شده اند. در مطالعات ژئوفیزیکی معمولاً هدف آشکارسازی ناهمگنی های داخل زمین با استفاده از کمیت های فیزیکی اندازه گیری شده در سطح زمین است. ژئوفیزیک می کوشد ساختمان داخلی زمین و ویژگی های آن را با استفاده از چنین داده هایی بازسازی کند. تحقیق حاضر که به روش میانگین متحرک مرتبه سوم معروف است، حل یک مسئله وارون برای برآورد همزمان شکل و ژرفای بی هنجاری های مغناطیسی باقی مانده می باشد که با مدل سازی مصنوعی بر روی اشکال هندسی مختلف کارایی این روش را نسبت به روش میانگین متحرک مرتبه دوم نشان می دهد. همچنین عملکرد این روش با نمونه ای از عملیات برداشت صحرایی در سایت ژئوفیزیک سازمان زمین شناسی اعتبارسنجی می شود. این روش، یک رابطه غیرخطی بین ژرفا و فاکتور شکل بی هنجاری با طول پنجره های متوالی در هفت نقطه محاسبه می کند. نتایج نشان داد، با توجه به تعداد جملات ریاضی بیشتر، برای داده های بدون نوفه بسیار دقیق و برای داده های نوفه ای با درصد خطای کمتر و آستانه نوفه بالاتر، از دقت بیشتری نسبت به روش میانگین متحرک مرتبه دوم برخوردار است. همچنین این روش برای داده های مغناطیسی واقعی نیز تطابق خوبی (5 درصد خطای برآورد ژرفا) از خود نشان داد.

مدیریت و اخذ تصمیمات موثر در بسیاری از حوزه های علمی و اجرایی نیازمند سطوح پیوسته و دقیق از داده های مکان مرجع است. معمولا چنین داده هایی مستقیما قابل اخذ نیستند و از داده هایی که به صورت نقطه ای جمع آوری می گردند، تولید می شوند. علاوه بر هزینه قابل توجه جمع آوری داده های نقطه ای، این داده ها به ویژه در مناطق وسیع یا صعب العبور به صورت پراکنده و نامنظم برداشت می شوند و در بسیاری از موارد با تغییرات زیاد در مقادیر مواجهند. گمانه های تحقیقاتی مربوط به اندازه گیری عیار مواد معدنی از جمله داده های مکان مرجع نقطه ای هستند که دارای ویژگی های پراکندگی، بی نظمی و همچنین تغییرات قابل توجه در مقادیر (شکستگی) هستند. با وجود اینکه پراکندگی و شکستگی داده ها در کارایی روش های درونیابی تاثیرگذار است ولی از روش های متداول، برای درونیابی انواع داده های معدنی استفاده می گردد. در این مطالعه، از تلفیق دو روش کمترین مربعات متحرک و کمترین مربعات بازگشتی یک روش درونیابی دقیق، قابل اعتماد و انعطاف پذیر برای درونیابی مواد معدنی پیشنهاد شده است. در روش پیشنهادی برای کشف شکستگی از مقادیر خطاهای ظاهری محاسبات کمترین مربعات استفاده شده است. در این روش، برای نقاط مرکزی یک آستانه پیوستگی (عدم شکستگی) بر اساس انحراف معیار مقادیر مشاهداتی تعیین می گردد، تا نقاط دارای شکستگی کشف و از محاسبه ارزش مقدار مرکزی حذف شوند. علاوه بر این، با استفاده از ویژگی بازگشتی، اندازه دامنه تاثیر به صورت دینامیک تعیین می گردد. در این روش برای هر نقطه مرکزی یک شعاع دامنه تاثیر منحصر به فرد متناسب با مقادیر و ساختار نقاط پیرامونی نقطه مرکزی تعیین می شود. دینامیک بودن اندازه شعاع دامنه تاثیر این امکان را فراهم می نماید که مقادیر ضرایب چندجمله ای و به تبع آن مقدار مرکزی با دقت و قابلیت اعتماد مطلوب تعیین شوند. کارایی روش پیشنهادی از طریق اعمال آن بر روی داده های شبیه سازی شده و همچنین مقایسه نتایج آن با نتایج حاصل از اجرای روش های متداول درونیابی بر روی داده های معدنی واقعی مورد ارزیابی قرار گرفته است. RMSE روش پیشنهادی با استفاده از روش اعتبارسنجی متقابل 10تایی برای عنصر کروم معادل 28. 020 و برای آهن معادل 1. 074 است. مقایسه این نتایج با روش های متداول درونیابی نشان می دهد در شرایط توزیع نامناسب و پراکنده داده ها، کارایی روش پیشنهادی در مورد هر دو دسته عناصر دارای غلظت و تغییرات قابل توجه و عناصر دارای غلظت پایین و سطوح تقریبا یکنواخت بالاتر است.

در این نوشتار به منظور بهبود عملکرد نمودارهای کنترل ترکیبی میانگین متحرک موزون نمایی جمع تجمعی و جمع تجمعی میانگین متحرک موزون نمایی، از روش نوین نمونه گیری مجموعه ی رتبه دار به جای روش عمومی نمونه گیری ساده ی تصادفی استفاده شده است. علاوه بر این عملکرد نمودارهای کنترل ترکیبی پیشنهادی براساس الگوی نمونه گیری مجموعه ی رتبه دار با عملکرد نمودارهای کنترل کلاسیک مشابه بر اساس الگوی نمونه گیری ساده ی تصادفی با استفاده از شبیه سازی و معیار متوسط طول دنباله مقایسه شده است. نتایج نشان می دهد که استفاده از روش نمونه گیری مجموعه ی رتبه دار باعث حساسیت بیشتر نمودارهای کنترل ترکیبی در کشف تغییرات کوچک در فرایند می شود. همچنین عملکرد نمودارهای کنترل ترکیبی با روش نمونه گیری مجموعه ی رتبه دار بهتر از عملکرد نمودارهای کنترل جمع تجمعی و میانگین متحرک موزون نمایی با روش نمونه گیری مشابه است.