امروزه یکی از بزرگترین مشکلات آلودگی هوا در کلان شهرهایی نظیر تهران بزرگ، ذرات معلق ناشی از تردد خودروها، ترافیک سنگین جاده ای و همچنین فعالیت های صنعتی مختلف می باشد. ذرات معلق می تواند طی فرآیندهای مختلف تولید شده و گروه های مخلوط از آلاینده های هوا را بوجود آورند. فرآیند تشکیل ذرات معلق در ابعاد و ترکیب های ساختاری متفاوت به دو پارامتر مکان و زمان انتشار در منبع تولید آلاینده بستگی دارد. با استفاده از مدل سازی ریاضی به منظور پیش بینی نحوه انتشار آلاینده ها می توان اطلاعات مفیدی را برای اجرای آتی استراتژی های کنترل آلودگی و کاهش هزینه های آن فراهم نمود.در این تحقیق مدل ADMS-Urban پس از بررسی 30 مدل به عنوان مدلی با قابلیت های منحصر به فرد انتخاب گردیده است. این مدل برای نخستین بار در رابطه با مدلسازی نحوه انتشار ذرات در شهر تهران با شرایط پیچیده توپوگرافی مورد استفاده قرار گرفته است. توسط این مدل پیشرفته می توان غلظت آلاینده های منتشره از منابع آلاینده به صورت نقطه ای، خطی، حجمی، سطحی را محاسبه و نتایج را در محیط GIS ارایه نمود.با توجه به اندازه گیری های میدانی انجام شده در رابطه با انتشار ذرات در منطقه 22 شهرداری تهران بعنوان مطالعه موردی، برای مدت یکسال، هر ماه به مدت یک هفته، هر روز در دو نوبت صبح و بعد از ظهر در 13 ایستگاه اندازه گیری سیار، مقادیر غلظت ذرات معلق و پارامترهای هواشناسی منطقه نظیر سرعت و جهت باد، دما، پوشش ابر ... به عنوان داده های ورودی به مدل ADMS-Urban مورد استفاده قرار گرفته و نتایج حاصل از اجرای مدل در محیط GIS منطقه 22 ارایه گردیده است. مقایسه نتایج حاصل از اجرای این مدل ریاضی با مدل اینونتوری (بانک اطلاعاتی) آلاینده های هوای منطقه 22 نشانگر همخوانی بسیار مناسب حاصل از مدلسازی ریاضی با داده های واقعی اندازه گیری شده می باشد. نتایج نشان می دهد به علت حجم بالای وسایل نقلیه عبوری و ترافیک جاده ای اتوبان تهران- کرج و ورودی شرقی منطقه 22 بیشترین غلظت ذرات معلق را دارا می باشند. توسط این مدل می توان نحوه توزیع انتشار ذرات را در مناطق شهری (که از ناهمواری های پیچیده ای برخوردارند) با لحاظ نمودن کلیه اثرات در رابطه با مشخصات زبری سطح، موانع و ساختمانها و ناهمواری های کوهستانی بخوبی پیش بینی نمود.

با توجه به اینکه سهم حمل و نقل در تولید و نشر آلاینده های هوا، از دیگر منابع انتشار در شهرها بیشتر است، لذا این موضوع، شناسایی دقیق این منابع انتشار را برای مدیران شهری حائز اهمیت کرده است. در این مقاله به مطالعه اثر ترکیبی انتشار منابع آلایندگی ناشی از حمل و نقل در مطالعه موردی بخشی از منطقه 9 و قسمتی از منطقه 21 کلانشهر تهران پرداخته می شود. بطوریکه فرودگاه مهرآباد بعنوان منبع انتشار حجمی، پایانه مسافربری بعنوان منبع انتشار سطحی و راه های این منطقه بعنوان منبع انتشار خطی در نظر گرفته شده اند. برای این مطالعه ابتدا ضرائب انتشار برای فرودگاه مهرآباد با استفاده از روش پیشنهادی ICAO بدست آمده است. برای مدلسازی پخش آلاینده ها در خیابان ها و پایانه غرب، ابتدا ضرائب انتشار با استفاده از مدل IVE بدست آمده است که این مدل برای ایران با چرخه رانندگی بدست آمده توسعه داده شده است. در ادامه با ضرائب انتشار بدست آمده برای فرودگاه، پایانه و راه های موردنظر، مدل پراکنش آلاینده ها با استفاده از سیستم مدلسازی پراکنش آلاینده های هوا (ADMS) بصورت ترکیب منابع انتشار بدست آمده است. در مجموع این مقاله با دو روش ترکیبی IVE-ADMS برای راه های و پایانه ها و نیز مدل ICAO-ADMS برای فرودگاه ها به مدلسازی می پردازد. نتایج نشان داد که نشر آلاینده SOX بصورت غالب در فرودگاه مهرآباد اتفاق افتاده است. همچنین نشر انواع آلاینده ها در محدوده مورد مطالعه و تاثیر 24 ساعته آن بر مناطق اطراف با مختصات جغرافیایی آن نمایش داده شده است.

سابقه و هدف: اراک یکی از هشت کلان شهرآلوده ایران به ­حساب می آید که آلودگی آن به­ طور عمده تحت تأثیر فعالیت صنایع مختلف مستقر در شهر یا حومه آن می باشد. با استفاده از مدل‏سازی آلودگی هوا می‏ توان اثر انتشار ذرات معلق و گازهای ناشی از فعالیت‏ های صنایع مختلف را بر محیط زیست منطقه برآورد نمود. این تحقیق سعی در بررسی تأثیر صنایع موجود و در دست احداث شهر اراک بر کیفیت هوای این شهر با استفاده از مدل ADMS به ­عنوان مدل پرکاربرد و مورد وثوق سازمان حفاظت محیط زیست دارد. مواد و روش ها: با توجه به اینکه در شهر اراک منابع کانونی از منابع اصلی آلودگی هوا می باشند، برای مدل‏سازی آلودگی هوای این شهر از مدل ADMS-5. 2 استفاده و 17 صنعت بزرگ (شامل 98 دودکش) واقع در محدوده شهر به­ عنوان نقاط آلاینده در نظر گرفته شدند. افزون بر اطلاعات انتشار، اطلاعات هندسی دودکش شامل ارتفاع و قطر دهانه آن و درجه حرارت هوای خروجی نیز وارد مدل شد. به ­منظور صحت­ سنجی نتایج به­ دست آمده از مدل­سازی، نتایج اندازه گیری­ های ایستگاه های محیطی با مقادیر برآورد شده از مدل­سازی با استفاده از ضریب همبستگی خطی پیرسون مورد مقایسه قرار گرفت. نتایج و بحث: نتایج به ­دست آمده گویای آن بود که غلظت گازهایCO، SO2 و NO2 در همه ایستگاه ­ها در حد مجاز استاندارد سازمان حفاظت محیط زیست است. پراکنش ذرات معلق (خطوط هم مقدار) در شهر اراک به سمت غرب و جنوب غربی تا شعاع 3 کیلومتری در جهت باد غالب و نیمه غالب و در محدوده شازند به سمت غرب تا شعاع 1 کیلومتری در جهت باد غالب و به سمت جنوب غرب تا 5 کیلومتری در جهت باد نیمه غالب صورت گرفته است. سپس به غلظت زمینه منطقه یعنی 1/19 میکروگرم رسیده است. تجمع خطوط هم مقدار گاز SO2 در کانون آلودگی شازند تا شعاع 7 کیلومتری در جهت غرب و تا شعاع 10 کیلومتری در جهت جنوب غرب مشاهده می شود. تجمع خطوط هم مقدار گاز NO2 مشابه گاز SO2 می باشد. شعاع تأثیر گاز CO از اراک به سمت شازند کشیده شده است. تجمع خطوط هم مقدار گاز CO در اراک تا شعاع 5 کیلومتری در جهت غرب و و جنوب غرب صورت گرفته است. تجمع خطوط هم مقدار گاز H2S در شازند تا شعاع 5 کیلومتری در جهت غرب و جنوب شرق و غربی می باشد. به­ طور کلی بخشی از اختلاف بین نتایج نمونه‏برداری و مدل‏سازی نشان دهنده وجود منابع آلاینده­ای است که در مدل دیده نشده و خارج از منابع آلاینده کارخانه ها است. در بیشتر ایستگاه ها نتایج مدل‏سازی و اندازه گیری گاز SO2 اختلاف زیادی نداشت و ضریب همبستگی داده­ ها بالاست که بیانگر دقت محاسبات و نقش پررنگ صنایع در نظر گرفته شده بر غلظت این آلاینده گازی است. همچنین، در بیشتر ایستگاه ها نتایج اندازه گیری محیطی گاز NO2 نسبت به مدل‏سازی کمتر بود که نشان می داد صنایع، سهم بیشتری در انتشار این گاز در آن نقاط داشته است. احتمالا به ­دلیل در نظر گرفتن صنایع در دست احداث، انتشار این آلاینده بیشتر از مقدار موجود تخمین زده شده است. غلظت اندازه گیری محیطی گاز CO در همه ایستگاه ها بیشتر از نتایج مدل‏سازی است. صنایع، سهم کمی در بار آلودگی این آلاینده دارند و در منطقه ­های شهری غلظت گاز مونوکسیدکربن به منابع متحرک و بار ترافیکی وابسته است. نتیجه گیری: در مجموع، منحنی میزان های آلایندگی شهر نشان داد که کانون آلایندگی در جنوب شرقی اراک و در مجموعه پالایشگاه، پتروشیمی و نیروگاه حرارتی قرار گرفته است. با توجه به اورلی کانتور پراکنش گاز و ذرات، تعدادی از نقاط که در تمام کانتورها در نزدیکترین فاصله به کانون آلودگی بوده است، به ­عنوان نقاط حساس و دو نقطه به­ عنوان ایستگاه شاهد و 4 نقطه نیز به ­عنوان ایستگاه های در معرض آلودگی در هر دوره پیشنهاد شد.

با توجه به محدودیت منابع آب زیرزمینی در ایران، محاسبه دقیق، استفاده صحیح، تنظیم و نگهداری این منابع از اهمیت بالایی برخوردار است. یکی از روش های مؤثر برای مدیریت و بهره برداری بهینه از این منابع در حال و آینده، استفاده از مدل سازی است. در این پژوهش مدل سازی تغییرات تراز آب زیرزمینی به صورت ماهانه در دورۀ 2022-2013 با مدل های MLP، WNN و MLPSSO-Wavelet انجام شد که از داده های نه سال اول برای آموزش و سال آخر جهت اعتبارسنجی استفاده شد و بهترین مدل با استفاده از معیارهای ضریب تبیین (R2)، ریشه میانگین مربعات خطا (RMSE) و میانگین خطای مطلق (MAE) تعیین گردید. بارش و دمای ایستگاه سینوپتیک شبستر در دوره آینده (2040-2021) با استفاده از مدل CanESM2 تحت سناریوهای RCP2.6 و RCP8.5 که ارتباط منطقی و مناسبی با ویژگی های اقلیمی مشاهداتی دارند پیش بینی و با استفاده از مدل LARS -WG ریزمقیاس سازی شدند. در دورۀ آتی، تحت هر دو سناریو و در ماه های فوریه ، جولای و اکتبر میانگین بارش کاهش و در نه ماه دیگر افزایش خواهد یافت. برای دما نیز به جز سناریو RCP8.5 و ماه ژوئن، در 11 ماه دیگر و تحت هر دو سناریو، افزایش دما پیش بینی می شود و بیش ترین افزایش دما (43/37 درصد)، در ماه ژانویه و تحت سناریو RCP2.6 خواهد بود. تراز آب زیرزمینی آبخوان دشت شبستر با افت 42/4 متری، از 64/1303 متر در سال 2003 به 22/1299 متر در سال 2022 رسیده است. مطابق نتایج، مدل MLPOSSO-Wavelet با 83/0R2=، 74/0RMSE= و 71/0MAE= در مرحلۀ اعتبارسنجی، دقت بیشتری نسبت به مدل های دیگر دارد. تراز آب زیرزمینی دشت شبستر تحت سناریو RCP2.6 در شش ماه ابتدایی کاهش و در شش ماه دوم نسبت به شش ماه اول افزایش خواهد یافت. تحت سناریو RCP8.5 فقط در ماه های ژانویه، فوریه و دسامبر کاهش تراز آب زیرزمینی پیش بینی می شود و بیش ترین کاهش در ماه ژانویه اتفاق خواهد افتاد.

محاسبه وزن مواد بار کوره های ذوب، اغلب از راه موازنه جرم ساده عناصر آلیاژی در مواد ورودی و مذاب خروجی انجام می شود. اما در فرایندهای ذوب، پیچیدگی ها و پدیده های گوناگونی هست که اغلب در محاسبات موازنه جرم نادیده گرفته می شود و سبب عدم اطمینان در محاسبه بار کوره می گردد. خطای محاسبه، باعث اصلاح چندباره ذوب، تأخیر در تخلیه، افزایش هزینه و کاهش کیفیت مذاب می شود. در پژوهش حاضر تلاش بر این بوده که پیچیدگی ها و جنبه های مهم مساله ذوب، که اغلب نادیده گرفته شده، در کوره شناسایی و در یک مدل ریاضی مناسب درنظر گرفته شود. هدف پژوهش حاضر توسعه مدلی است، که نه تنها وزن مواد اولیه برای ترکیب شیمیایی ذوب هدف را بهینه سازی کند، بلکه هدررفت ناهمگن عناصر آلیاژی، ناخالصی های غیرفلزی مواد بار، و اصلاح ذوب اولیه در کوره را نیز درنظر بگیرد. این مقاله، یک مدل بهینه سازی استاندارد و یک الگوریتم حلقه ی تکرار برای موازنه جرم غیرخطی مساله ذوب ارایه می کند. یک مساله ذوب آلیاژ برنج با 7 عنصر آلیاژی و 8 نوع مواد بار در مقیاس صنعتی طرح و بررسی گردید، تا کارکرد مدل را مورد آزمایش قرار دهد. نتایج عددی مدل کسر وزنی مواد اولیه، و وزن و ترکیب شیمیایی ذوب اصلاح شده را با کمترین هزینه مواد نشان می دهد. تحلیل بهینه بودن جواب، تایید کرد که کمترین مقدار هزینه به دست آمده است. مدل استاندارد غیرخطی، ابزاری قابل اعتماد و سریع برای بهینه سازی هزینه و محاسبه بار کوره است که پتانسیل های قابل توجهی برای کاهش هزینه و تسهیل اتوماسیون صنعتی فرایند ذوب ایجاد می کند.

با توجه به اهمیت قیمت نفت، پیش بینی صحیح قیمت سبد نفت خام کشورهای عضو اوپک می تواند نقش به سزایی در ایمن سازی اقتصاد این کشورها در مقابل اثرات ناشی از این نوسانات داشته باشد. این پژوهش تلاشی در جهت معرفی یک الگوی مطلوب، به منظور مدل سازی و پیش بینی نوسانات قیمت نفت خام اوپک خواهد داشت. در این راستا از داده های روزانه قیمت نفت خام، طی دوره زمانی 02/01/1986 الی 13/02/2017 استفاده شده است. بر این اساس، وجود ویژگی حافظة بلندمدت در معادلات میانگین و واریانس قیمت نفت خام، مورد ارزیابی و مدل سازی قرار گرفت و نتایج مدل «ﻣﻴﺎﻧﮕﻴﻦ ﻣﺘﺤﺮک اﻧﺒﺎﺷﺘﻪ ﺟﺰﺋﻲ خودهمبسته»، مؤید وجود ویژگی حافظه بلندمدت در هر دو معادله میانگین و واریانس سری مذکور است. اما آزمون‏های انجام شده، رفتاری غیرخطی و نمایی را در واریانس قیمت نفت خام تایید می‏نمایند. از این رو نتایج به ویژه براساس معیارهای اطلاعات و نیز معیار درصد میانگین مطلق خطا حاکی از انتخاب مدل ترکیبی از الگوی ﻣﻴﺎﻧﮕﻴﻦ ﻣﺘﺤﺮک اﻧﺒﺎﺷﺘﻪ ﺟﺰﺋﻲ ﺧﻮدهمبسته و الگوی واریانس ناهمسانی شرطی نمایی یعنی مدل (1,1)EGARCH - (3,09/0,4) ARFIMA، به عنوان بهترین مدل جهت مدل سازی و پیش بینی نوسانات قیمت نفت خام اوپک است و عدم توجه به رفتار غیرخطی نمایی واریانس در حافظه بلندمدت قیمت نفت خام می‏تواند تحلیل‏گران و به ویژه تصمیم‏سازان اقتصادی را دچار خطای محاسباتی نموده و از سیاست بهینه منحرف سازد.

در این مطالعه پارامترهای اکسیژن محلول، اکسیژن خواهی بیوشیمیایی و شیمیایی رودخانه عباس آباد همدان با استفاده از مدل QUAL2KW در فصل های بهار (تر) و تابستان (خشک) بررسی گردید. پس از آنالیز حساسیت مدل، داده های اردیبهشت، خرداد و مردادماه سال های 1390 و 1391 برای واسنجی و داده های مشابه 1394 برای صحت­سنجی استفاده گردید. دقت مدل از طریق محاسبه شاخص های آماری ضریب تعیین، خطای استاندارد و ریشه میانگین مربعات خطای نرمال بررسی شد. خطای استاندارد اکسیژن محلول، اکسیژن خواهی بیوشیمیایی و شیمیایی در مرحله واسنجی، به ترتیب در محدوده 038/0 تا 092/0، 058/0 تا 180/0 و 075/0 تا 156/0، در مرحله صحت سنجی به ترتیب در محدوده 007/0 تا 040/0، 225/0 تا 385/0، 166/0 تا 216/0 محاسبه شد. نتایج نشان داد روند تغییرات اکسیژن محلول در فصول تر و خشک تقریباً یکنواخت و خطی بوده که ناشی از شیب زیاد و هوادهی بالای رودخانه است. همچنین تغییرات اکسیژن خواهی بیوشیمیایی و شیمیایی نسبتاً مشابه و دارای روند افزایشی است.

در دنیای پیشرفته امروز، به ویژه در حوزه های مهندسی مکانیک و صنایع هوافضا، کامپوزیت ها به دلیل ویژگی منحصربه فرد استحکام بالا در کنار وزن کم، جایگاه برجسته ای یافته اند. با این حال، رفتار پیچیده این مواد، تحلیل دقیق و ابزارهای پیشرفته ای را برای مدل سازی و پیش بینی آسیب های ساختاری آن ها می طلبد. پژوهش حاضر با بهره گیری از ترکیب مدل های چندمقیاسی مزو-ماکرو و مفاهیم مکانیک آسیب پیوسته، رویکردی نوین برای تحلیل و ارزیابی خرابی در ساختارهای کامپوزیتی ارائه می کند. این مطالعه از چارچوب مدل های چندمقیاسی شبه همزمان بهره می گیرد که با استفاده از روش های پیشرفته شبیه سازی المان محدود و ابزارهای پردازش تصویر، امکان تحلیل جامع ترک خوردگی زمینه و شکست الیاف را فراهم می سازد. افزون بر این، زیربرنامه ای مبتنی بر مفاهیم مکانیک خرابی پیوسته در نرم افزار المان محدود میتوان توسعه داد که قادر باشد تکامل آسیب ها، از جمله پیشرفت ترک ها، شکست الیاف و پیش بینی بار نهایی شکست سازه های کامپوزیت را به صورت پیش رونده تحلیل کند. از سوی دیگر، به کارگیری روش های هوش مصنوعی، به ویژه در پردازش تصویر، سبب کاهش زمان و هزینه های محاسباتی شده و دقت تحلیل های مکانیکی را به طرز چشمگیری افزایش داده است. این رویکردهای چندمقیاسی هوشمند نقشی کلیدی در بهینه سازی طراحی و پیش بینی دقیق مکانیزم های خرابی ایفا می کنند. این روش ها، به ویژه در کاربردهای پیچیده و حساس هوافضایی، ابزارهای مؤثری برای ارتقای عملکرد و قابلیت اطمینان ساختارهای کامپوزیت ها به شمار می روند.