طبق مطالعات چند دهه اخیر، فعالیت های کشاورزی و صنعتی منجر به آلودگی قابل ملاحظه در رودخانه ها می گردد. برای کنترل آلودگی در جریان های روباز، رهاسازی آلاینده ها باید به صورت منطقی و تنظیم شده انجام شود. این موضوع نیازمند اطلاع دقیق از توانایی حمل، پخش و پاک سازی آلودگی توسط جریان آب در طول مشخصی از مسیر خود (طول اختلاط کامل) است. آلاینده ها در جهات طولی، عرضی و عمقی تحت تاثیر فرایندهای انتقال و اختلاط منتشر می شوند. انتقال طولی آلاینده ها یکی از مراحل مهم در پروسه رقیق سازی آلاینده ها می باشد که شناخت آن از اهمیت ویژه ای برخوردار است. در این مطالعه رابطه ای جامع دربرگیرنده پارامترهای موثر بر ضریب اختلاط طولی با استفاده از آنالیز ابعادی ارائه شده است. به منظور بررسی میزان تاثیر هر یک از پارامترهای موثر از نرم افزار آماری SPSS استفاده گردید. نتایج نشان داد پارامترهای موثر بر ضریب اختلاط طولی، ضریب زبری و نسبت عرض به عمق می باشند. از آنالیز حساسیت صورت گرفته مشخص شد تاثیر ضریب زبری بر ضریب اختلاط طولی بیشتر می باشد. روش ارائه شده در این تحقیق رهیافت جدیدی در تخمین ضریب پراکندگی طولی آلودگی در رودخانه ها محسوب شده و قابلیت ترکیب با مدل های ریاضی انتقال آلودگی را دارا می باشد.

ضریب پراکندگی طولی آلودگی در رودخانه ها و مجاری طبیعی به علت پیچیده بودن فرایند حاکم، اغلب با استفاده از روابط ساده شده تجربی که دقت مطلوبی ندارند، تعیین می شود. به همین دلیل در این تحقیق با استفاده از سیستم خبره استنتاج فازی - عصبی انطباقی که قابلیت فراگیری و درک روابط حاکم بر پدیده ها بدون نیاز به معادلات حاکم را دارد، روش جدیدی برای تخمین ضریب پراکندگی طولی ارایه شده است. فرایند توسعه و ارزیابی مدل جدید با استفاده از مجموعه داده های واقعی و معیارهای آماری و گرافیکی مختلفی صورت گرفته است. طبق نتایج تحقیق، مدل در مقایسه با تمامی روابط موجود (دوازده رابطه) دقت بسیار بهتری دارد. مقادیر ریشه میانگین مربعات خطا و ضریب همبستگی مربوط به مدل در مرحله توسعه به ترتیب برابر 15.18 و 0.99 و در مرحله ارزیابی 187.8 و 0.91 به دست آمد. در حالی که مقادیر این پارامترها برای بهترین رابطه تجربی (رابطه هانگ و لی) به ترتیب برابر 295.7 و 0.48 می باشد. طبق نتایج، استفاده از مدل تطبیقی استنتاج فازی - عصبی دقت تخمین این ضریب را به میزان قابل توجهی بهبود می بخشد. روش ارایه شده در این تحقیق رهیافت جدیدی در تخمین ضریب پراکندگی طولی آلودگی در رودخانه محسوب شده و به خوبی قابلیت اتصال و ترکیب با مدل های ریاضی انتقال آلودگی و نیز بهنگام سازی با توجه به شرایط واقعی را دارد.

کارایی بالا و فضای کم مورد نیاز برای ستون های ضربه ای، باعث شده است که با وجود احتمال پرتودهی و نیاز به حفاظت در برابر اشعه، به ویژه در صنایع هسته ای مورد توجه و استفاده قرار گیرند. در این پژوهش، ضریب پراکندگی محوری فاز پیوسته در یک ستون استخراج ضربه ای دیسک و دونات برای سیستم آب-نفت بی بو با استفاده از روش ردیاب پرتوزا اندازه گیری شده است. پراکندگی که توسط پارامتر بدون بُعد عدد پکلت مشخص می شود، با عکس ضریب پراکندگی متناسب است. در روش ردیاب پرتوزا از دو آشکارساز گایگر-مولر در بالا و پایین ناحیه ی فعال ستون و نیز از ردیاب پرتوزای mTc99 به ترکیب شیمیایی 4NaTcO استفاده می شود. عوامل مؤثر بر اختلاط محوری و ضریب پراکندگی شامل تغییرات دبی فازهای پیوسته و پراکنده، دامنه و بسامد ضربه مطالعه شدند. نتایج و مشاهدات تجربی نشان می دهد با افزایش دبی فاز پیوسته، ضریب پراکندگی محوری فاز پیوسته کاهش می یابد. هم چنین با افزایش دبی فاز پراکنده، دامنه و بسامد ضربه، ضریب پراکندگی فاز پیوسته افزایش می یابند.

در مدل سازی هندسی ناپیوستگی های توده سنگ، سعی بر این است که ساختارهای اصلی زمین شناسی همچون گسل ها، شناخته شده تا به تبع آن بتوان مناطق همگن آماری با ویژگی های تقریباً یکسان درزه داری را مشخص کرد. گسل ها و بعضی دیگر از ساختارهای اصلی زمین شناسی غالباً به صورت مرزهای طبیعی یک بلوک تکتونیکی عمل می کنند و بسته به مقیاس می توانند مناطقی با ویژگی های درزه داری مختلف را در کنار یکدیگر قرار دهند؛ بنابراین سیستم درزه ها به عنوان مجموعه های محدود به ساختارهای بزرگ تکتونیکی (گسل ها، چین خوردگی ها و ...)، بهترین شاخص تفکیک مناطق همگن است. پارامترهای هندسی متعددی از قبیل شیب، جهت شیب، فاصله داری و گسترش درزه ها برای تشخیص گسل ها مؤثرند. ضریب ثابت تابع توزیع فیشر (K) به عنوان ضریبی که شیب و جهت شیب ناپیوستگی ها را نمایندگی می کند، نشان دهنده چگونگی توزیع و میزان پراکندگی درزه ها است و به عنوان پارامتر شاخص در خصوص رفتار شناسی هندسی ناپیوستگی ها محسوب می شود. بر اساس شواهد، جهت داری سیستم درزه ها در نزدیکی ساختارهای تکتونیکی به هم ریخته و با فاصله گرفتن از آنها منظم می شود. این موضوع به عنوان فرضیه این تحقیق در نظر گرفته شد و ضریب فیشر به عنوان اصلی ترین عامل تشخیص و تفکیک سیستم درزه ها مورداستفاده قرار گرفت. به منظور صحت سنجی فرضیه مطرح شده، با استفاده از داده های هندسی ناپیوستگی ها، برداشت شده از چهار معدن سه چاهون، چغارت، فسفات اسفوردی و میدوک، توزیع ضریب K در این معدن ها به دست آمد و خطوط هم ضریب فیشر رسم شدند. بدین ترتیب مناطق با تمرکز بالای ضریب K در هر معدن به عنوان مرکز سیستم درزه ها تعیین شد. با مقایسه بلوک های تکتونیکی محصورشده بین گسل های هر معدن و انطباق نسبی آن با مناطق تفکیک شده به روش پیشنهادی، کارایی این روش جهت تشخیص سیستم درزه ها و تخمین موقعیت ساختارهای بزرگ تکتونیکی به خوبی امکان پذیر شد.

ضریب پراکندگی طولی یک عنصر کلیدی در مدل سازی انتقال آلاینده در رودخانه ها می باشد. مهم ترین عامل موثر بر ضریب پراکندگی طولی، هیدرودینامیک جریان است. با توجه به متغیر بودن پارامترهای هیدرولیکی و هندسی رودخانه ها، ضریب پراکندگی طولی تابعی از زمان و مکان بوده لذا محاسبه دقیق آن در چنین شرایطی سخت و تقریبا غیرممکن می باشد. محققین زیادی طی سال های متوالی، روابط متعددی را جهت تخمین ضریب پراکندگی طولی ارائه داده اند که همه این روابط بر مبنای متوسط پارامترهای هیدرولیکی و هندسی بنا شده و هیچ کدام از آن ها از دقت قابل قبولی برخوردار نمی باشند. بنابراین با توجه به عدم قطعیتی که در برآورد ضریب پراکندگی طولی وجود دارد، این سوال مطرح است که آیا می توان در برخی موارد از برآورد دقیق ضریب پراکندگی طولی صرف نظر کرد؟ هدف از تحقیق پیش رو بررسی اهمیت ضریب پراکندگی طولی در مکان ها و زمان های مختلف در رودخانه ها تحت شرایط جریان غیریکنواخت و غیرماندگار می باشد. جهت صحت سنجی روش ارائه شده، این روش برای یک رودخانه فرضی با دو الگوی زمانی آلاینده ورودی مختلف و همچنین برای یک رودخانه واقعی (رودخانه کارون) با تابع شدت آلاینده ورودی فرضی و واقعی انجام شده است. نتایج این تحقیق نشان می دهد که برآورد دقیق ضریب پراکندگی طولی تنها در برخی از بازه های زمانی و مکانی رودخانه الزامی بوده و در بیش تر مواقع لزومی به محاسبه دقیق آن در تمام طول رودخانه نمی باشد و در این شرایط اگر ضریب پراکندگی طولی با خطای بالایی هم تخمین زده شود اثر چندانی نداشته و خطای کمی در محاسبات توزیع غلظت ایجاد می کند.

تخمین دقیق ضریب پراکندگی طولی آلاینده ها در اغلب مسائل هیدرولیکی و زیست محیطی رودخانه مانند مهندسی رودخانه، طراحی آبگیر، مدل سازی جریان در دلتاها و ارزیابی ریسک ناشی از تزریق آلاینده ها به جریان رودخانه دارای اهمیت خاصی می باشد. بررسی تحقیقات اخیر نشان می دهد که استفاده از روش های داده محور باعث افزایش دقت و صحت تخمین ضریب پراکندگی طولی آلاینده ها در رودخانه های طبیعی شده است. در این تحقیق توانایی و عملکرد روش هوشمند داده محور برخورد گروهی با داده ها (GMDH) در تخمین ضریب پراکندگی طولی مورد بررسی قرار گرفته است. مجموعه ای از 71 داده مشاهداتی از رودخانه های مختلف گردآوری شده که 51 داده برای آموزش و 20 داده باقی مانده برای آزمون مدل استفاده شده است. متغیرهای هیدرولیکی و هندسی ورودی مدل شامل عمق متوسط جریان (H)، عرض آبراهه (W)، سرعت متوسط طولی جریان (U)، سینوسیتی آبراهه (s) و سرعت برشی متوسط بستر (U*) و متغیر خروجی ضریب پراکندگی طولی (Kx) می باشند. یک برنامه کامپیوتری در محیط برنامه نویسی نرم افزار MATLAB برای مدل سازی ضریب پراکندگی طولی بر اساس رویکرد هوشمند داده محور GMDH تهیه شده است. بررسی عملکرد مدل توسعه داده شده با استفاده از معیارهای آماری  R2، RMSE،CC و DR حاکی از عملکرد بسیار بالای مدل GMDH در تخمین ضریب پراکندگی طولی در رودخانه دارد. همچنین مقایسه نتایج روش GMDH با چند رابطه تجربی و چند روش داده محور دیگر مانند شبکه های عصبی (ANN)، ماشین بردار پشتیبان (SVM) و الگوریتم ژنتیک (GA) بیانگر شناسایی صحیح الگوی حاکم بر فرایند پراکندگی طولی آلاینده ها در رودخانه های طبیعی توسط مدل توسعه داده شده می باشد. مقادیر شاخص های آماری  RMSE،R2 و CC در مدل GMDH به ترتیب برابر با 21.5، 0.99 و 0.995 به دست آمده است که حاکی از عملکرد مناسب مدل ارایه شده در تخمین ضریب پراکندگی طولی آلاینده ها در رودخانه های طبیعی می باشد.

دربرآورد تابع تولید کل، به طور معمول از دو نهاده موجودی یا انباره سرمایه و همچنین نیروی کار استفاده می شود. یکی از نهاده های مهمی که نادیده گرفتن آن در تابع تولید می تواند اریب جدی در برآورد پارامترهای تابع ایجاد کند، نهاده انرژی است.در این نوشتار، اثر نهاده انرژی، درکنار دو نهاده موجودی سرمایه و نیروی کار در بخش کشاورزی، بررسی و آزمون شده است. برای مقایسه و دستیابی به نتایج بهتر نیز، بررسی انجام که در برگیرنده تابع تولید کل اقتصاد، بخش کشاورزی و سه بخش عمده دیگر بود برآورد و تجزیه و تحلیل شد. از آنجا که ارقام مربوط به متغیر موجودی سرمایه در سالنامه های آماری محاسبه و منتشر نمی شود و سطح اشتغال نیز برای دوره های پنج ساله ارایه می شود، بنابراین ، شیوه محاسبه موجودی سرمایه و برآورد سالانه سطح اشتغال و تبدیل آن به اشتغال کامل، به بحث گذارده شد. همچنین محاسبه تولید ناخالص داخلی بالقوه به قیمت بازار برای کل اقتصاد و ارزش افزوده بالقوه برای بخشهای عمده اقتصاد، با بهره گیری از روشهای کمی انجام گرفت.برای محاسبه تولید بالقوه که برای سازگاری با تعریف تابع تولید باید جایگزین تولید جاری شود، روشهای «روند واقعی» و «خط روند بین اوجهای تعدیل شده» به کار رفته است. درباره ارقام مربوط به موجودی سرمایه نیز باید گفت: مقادیری به کار رفته که در مقاله امینی، نهاوندی و صفاری پور (1378) با بهره گیری از روش هژبرکیانی – بغزیان (1376) و بهنگام کردن اطلاعات، برآورد شده است. در زمینه اشتغال نیز برآورد سالانه امینی، نهاوندی و صفاری پور به کار رفته که البته در آن، برای جایگزینی در تابع تولید، اشتغال به اشتغال کامل تبدیل شده اشت. نتایج این بررسی نشان می دهد که عامل انرژی در کنار دو عامل مهم دیگر تولید، یعنی نیروی کار و موجودی سرمایه، بسیار با اهمیت است و تاثیر مستقیم بر سطح تولید دارد. این مطلب نه تنها درباره بخش کشاورزی، بلکه در کل اقتصاد و بخشهای نفت و گاز، صنایع و معادن و خدمات نیز صدق می کند.

این پژوهش با هدف بررسی تاثیر پراکندگی رشد درآمد و بازده سهام در پیش‎بینی تولید ناخالص داخلی به انجام رسید. شاخص‎های مالی از بورس اوراق بهادار تهران و شاخص اقتصادی پژوهش بر اساس نرخ های اعلام شده در سایت بانک مرکزی به کار گرفته شد. نمونه آماری پژوهش شامل 119 شرکت بود که در طی دوره زمانی 1388 لغایت 1397 اطلاعات به صورت فصلی از بین شرکت‎های پذیرفته شده در بورس انتخاب شده و آزمون فرضیه ها نیز با استفاده از الگوی VAR و علیت گرنجر در نرم افزار Eviews10 انجام شده است. بر اساس نتایج حاصل از تحلیل فرضیات می توان عنوان نمود که پراکندگی رشد درآمد با وقفه در دوره دوم تاثیر معناداری بر تولید ناخالص داخلی دارد و همچنین رابطه علیت دوطرفه بین پراکندگی رشد درآمد و تولید ناخالص داخلی وجود ندارد. لذا متغیر پراکندگی رشد درآمد قابلیت پیش بینی تولید ناخالص داخلی را ندارد. همچنین پراکندگی در نرخ بازده سهام با وقفه در دوره های مختلف تاثیر معناداری بر تولید ناخالص داخلی ندارد و همچنین رابطه علیت دوطرفه بین پراکندگی در نرخ بازده سهام و تولید ناخالص داخلی وجود ندارد. لذا متغیر پراکندگی در نرخ بازده سهام قابلیت پیش بینی تولید ناخالص داخلی را ندارد.