دانلود مقالهISI مدیریت پیش بینی درآمد و تحلیلگر پیش بینی: شواهد از سیستم افشای اجباری

اختصاصی از فی ژوو دانلود مقالهISI مدیریت پیش بینی درآمد و تحلیلگر پیش بینی: شواهد از سیستم افشای اجباری دانلود با لینک مستقیم و پر سرعت .

موضوع فارسی : مدیریت پیش بینی درآمد و تحلیلگر پیش بینی: شواهد از سیستم افشای اجباری

موضوع انگلیسی : Management earnings forecasts and analyst forecasts: Evidence from mandatory disclosure system

تعداد صفحه : 14

فرمت فایل :pdf

سال انتشار : 2014

زبان مقاله : انگلیسی

چکیده

متمایز از ادبیات در جلوه FF که پیش بینی های مدیریت سود
(MEFs) خواص، مانند نقطه، دامنه و برآورد کیفی، داشته
پیش بینی تحلیلگران، این مطالعه به بررسی جلوه FF افشای انتخابی از MEFs.
تحت سیستم افشای اجباری در چین، این مطالعه پیشنهاد می کند که
مدیران پیش بینی های مکرر را به استفاده از تغییرات مناسب در
درآمد پیش بینی کرد. بحث در اینجا این است که این افشای انتخابی
MEFs را افزایش می دهد عدم تقارن اطلاعات و عدم قطعیت، منفی در FL uenc-
نشستند پیش بینی درآمد تحلیلگر. شواهد تجربی نشان می دهد که فی RMS این موضوع
پیش بینی مکرر و قابل توجهی تغییر نمی تونم در MEFs کمتر احتمال دارد
برای جذب یک تحلیلگر زیر، که می تواند به تحلیل دقیق کمتر منجر شود
پیش بینی. نتایج حاکی است که افشای انتخابی از MEFs خسارت
انتقال اطلاعات و الکترونیک بازار راندمان FFI، که می تواند روشن
تنظیم کننده به دنبال افزایش بیشتر سیاست های علنی

کلمات کلیدی: پیش بینی درآمد مدیریت
افشای انتخابی
پیش بینی تحلیلگران

دانلود مقالهISI مدیریت پیش بینی درآمد و تحلیلگر پیش بینی: شواهد از سیستم افشای اجباری

اختصاصی از فی ژوو دانلود مقالهISI مدیریت پیش بینی درآمد و تحلیلگر پیش بینی: شواهد از سیستم افشای اجباری دانلود با لینک مستقیم و پر سرعت .

موضوع فارسی : مدیریت پیش بینی درآمد و تحلیلگر پیش بینی: شواهد از سیستم افشای اجباری

موضوع انگلیسی : Management earnings forecasts and analyst forecasts: Evidence from mandatory disclosure system

تعداد صفحه : 14

فرمت فایل :pdf

سال انتشار : 2014

زبان مقاله : انگلیسی

چکیده

متمایز از ادبیات در جلوه FF که پیش بینی های مدیریت سود
(MEFs) خواص، مانند نقطه، دامنه و برآورد کیفی، داشته
پیش بینی تحلیلگران، این مطالعه به بررسی جلوه FF افشای انتخابی از MEFs.
تحت سیستم افشای اجباری در چین، این مطالعه پیشنهاد می کند که
مدیران پیش بینی های مکرر را به استفاده از تغییرات مناسب در
درآمد پیش بینی کرد. بحث در اینجا این است که این افشای انتخابی
MEFs را افزایش می دهد عدم تقارن اطلاعات و عدم قطعیت، منفی در FL uenc-
نشستند پیش بینی درآمد تحلیلگر. شواهد تجربی نشان می دهد که فی RMS این موضوع
پیش بینی مکرر و قابل توجهی تغییر نمی تونم در MEFs کمتر احتمال دارد
برای جذب یک تحلیلگر زیر، که می تواند به تحلیل دقیق کمتر منجر شود
پیش بینی. نتایج حاکی است که افشای انتخابی از MEFs خسارت
انتقال اطلاعات و الکترونیک بازار راندمان FFI، که می تواند روشن
تنظیم کننده به دنبال افزایش بیشتر سیاست های علنی

کلمات کلیدی: پیش بینی درآمد مدیریت
افشای انتخابی
پیش بینی تحلیلگران

پایان نامه رشته کامپیوتر پیش بینی دما با استفاده از روش های هوشمند

اختصاصی از فی ژوو پایان نامه رشته کامپیوتر پیش بینی دما با استفاده از روش های هوشمند دانلود با لینک مستقیم و پر سرعت .

دانلود پایان نامه رشته کامپیوتر پیش بینی دما با استفاده از روش های هوشمند با فرمت ورد و قابل ویرایش تعداد صفحات 110

دانلود پایان نامه آماده

مقدمه

تابش های مستقیم و غیر مستقیم منشا اصلی انرژی حرارتی کره ی زمین است بازتاب آن ها توسط زمین موجب گرم شدن هوا می گردد. اندازه گیری دما در محیط باز نشان دهنده ی دمای هوا ، دمای ناشی از تابش های اجسام مجاور و تابش های مستقیم خورشید است به همین دلیل دماسنج ها را در پناهگاههای هواشناسی قرار می دهند به طوریکه مخزن آن ها از سطح زمین در ارتفاع مشخصی در حدود 135 سانتی متری قرارداشته باشند. به این ترتیب دمای هوای بدست آمده در نقاط مختلف با یکدیگر قابل مقایسه هستند و تحت تاثیر تابش های مستقیم یا غیر مستقیم نمی باشند. از جمله عوامل موثر در دمای یک منطقه عرض جغرافیایی، ارتفاع، جریان های دریایی، فاصله از دریا، باد، جهت و پوشش ابری می باشند.

فهرست مطالب

عنوان    صفحه
مقدمه    1
فصل یکم -  منطق فازی و ریاضیات فازی     
1-1- منطق فازی    2
1-1-1-     تاریخچه مختصری از منطق فازی    2
1-1-2-  آشنایی با منطق فازی    4
1-1-3-  سیستم های فازی     7
1-1-4-  نتیجه گیری     10
1-2-  ریاضیات فازی    11
1-2-1- مجموعه های فازی    11
1-2-2- مفاهیم مجموعه های فازی    14
1-2-3- عملیات روی مجموعه های فازی    14
1-2-4- انطباق مجموعه های فازی       19
1-2-5- معیار های امکان و ضرورت    19
1-2-6- روابط فازی    21
1-2-6-1- رابطه ی هم ارزی فازی    23
1-2-6-2- ترکیب روابط فازی    23
1-2-7- منطق فازی    24
1-2-7-1- عملیات منطقی و مقادیر درستی فازی    25
1-2-7-2- کاربرد مقادیر درستی فازی    27
1-2-8- نتیجه گیری    27
فصل دوم-  الگوریتم ژنتیک    
2-1-  چکیده    28
2-2- مقدمه     29
2-3- الگوریتم ژنتیک چیست؟    32
2-4-  ایده اصلی الگوریتم ژنتیک    35
2-5-  الگوریتم ژنتیک    37
2-6- سود و کد الگوریتم    38
2-7- روش های نمایش    39
2-8- روش های انتخاب    40
2-9-  روش های تغییر    41
2-10-  نقاط قوت الگوریتم های ژنتیک    42
2-11-  محدودیت های GA ها    43
2-12-  چند نمونه از کاربردهای الگوریتم های ژنتیک    43
2-13- نسل اول    45
2-14-  نسل بعدی    46
2-14-1- انتخاب    47
2-14-2- تغییر از یک نسل به نسل بعدی(crossover)    47
2-14-3- جهش (mutation)    48
2-15- هایپر هیوریستیک    48
فصل سوم-  بررسی مقالات    
3-1- یک روش رویه‌‌‌ای پیش بینی دمای هوای شبانه  برای پیش بینی یخبندان    
3-1-1- چکیده    51
3-1-2- مقدمه     51
3-1-3- روش شناسی    53
3-1-3-1- مجموعه اصطلاحات    53
3-1-3-2-نگاه کلی    53
3-1-3-3-  یادگیری    54
3-1-3-4- تولید پارامتر های ساختاری    55
3-1-3-5- پیش بینی    57
3-1-3-6- متناسب سازی ضعیف، متوسط و دقیق    59
3-1-4- نتایج    60
3-1-4-1- واقعه ی یخبندان شپارتون    64
3-1-4-2- بحث    65
3-1-5- نتیجه گیری    66
3-2- پیش بینی دما و پیش گویی بازار بورس بر اساس روابط منطق فازی و الگوریتم ژنتیک    
3-2-1-  چکیده     67
3-2-2- مقدمه    67
3-2-3- سری های زمانی فازی و روابط منطق فازی    69
3-2-4- مفاهیم اساسی و الگوریتم های ژنتیک      70
3-2-5- روش جدید پیش بینی دما و بازار بورس بر اساس روابط منطقی فازی و الگوریتم های ژنتیک    71
3-2-6- نتیجه گیری    93
3-3-پیش بینی روند دمای جهانی بر اساس فعالیت های خورشیدی پیشگویی شده در طول دهه های آینده    
3-3-1- چکیده     94
3-3-2- مقدمه    94
3-3-3- داده و روش بررسی    96
3-3-4- نتایج    99
3-3-5- نتیجه گیری    100
    

دانلود پایان نامه روشهای پیش بینی ضریب بهره وری

اختصاصی از فی ژوو دانلود پایان نامه روشهای پیش بینی ضریب بهره وری دانلود با لینک مستقیم و پر سرعت .

پایان نامه روش های پیش بینی ضریب بهره وری TBM 138

لینک پرداخت و دانلود *پایین مطلب* 

فرمت فایل:Word(قابل ویرایش و آماده پرینت)

تعداد صفحه:142

حجم پایان نامه : 19mb

فهرست مطالب :

مقدمه

فصل اول

1- اشنایی و سابقه.............................................................................. 1

     1-1- نرخ پیشروی.......................................................................... 3

     1-2- نرخ نفوذ.............................................................................. 3

فصل دوم

2- آزمون های مورد نیاز برای پیش بینی بهره وری TBM ........................... 11

   2-1- آزمون تعیین تردی................................................................... 11

   2-2- آزمایش اندیس جی سیورز.......................................................... 12

   2-3- آزمون سایش......................................................................... 12

   2-4- آزمون اندیس سوشار................................................................ 13

   2-5- آزمون های برش ازمایشگاهی..................................................... 14

     2-5-1- آزمون برش خطی............................................................. 14

     2-5-2- آزمون برش دورانی........................................................... 16

   6-2- آزمون پانچ........................................................................... 16

     2-6-1- تاریخچه آزمون................................................................ 18

   7-2- آزمون های تعیین سختی............................................................ 18

   8-2- آزمون های مقاومت سنگ.......................................................... 19

   9-2- خواص توده سنگ.................................................................. 19

فصل سوم

3- تحلیل مکانیسم برش سنگ توسط برش دهنده های دیسکی......................... 21

   3-1- فرضیات پایه......................................................................... 22

   3-2- توزیع فشار و فرایند برش......................................................... 26

   3-3- طراحی ماشین و محاسبات......................................................... 33

   3-4- پیش بینی نرخ نفوذ................................................................. 33

فصل چهارم

4- پیش بینی نرخ نفوذ بر اساس تردی................................................... 37

   4-1- ارزیابی برخی داده های حاصل از آزمایش...................................... 38

فصل پنجم

5- پیش بینی نرخ نفوذ با استفاده از نتایج آزمون پانچ................................. 48

   5-1- تعیین نرخ نفوذ..................................................................... 48

   5-2- رده بندی سنگ با استفاده از آزمون پانچ....................................... 51

   5-3- آزمون پانچ ابزاری جهت ارزیابی پارامترهای ماشین......................... 54

فصل ششم

6- پیش بینی نرخ نفوذ بر مبنای مدل فازی – عصبی و نرخ پیشروی با بهره گیری از

شبکه عصبی............................................................................... 56

   6-1- روش فازی – عصبی............................................................. 56

     6-1-1- اجزاء منطقی................................................................ 58

     6-1-2- اجزاء عددی................................................................. 59

   6-2- مدل نرخ نفوذ ( روش عصبی – فازی).......................................... 60

     6-2-1- ویژگیهای توده سنگ........................................................ 60

     6-2-2- ویژگیهای ماشین............................................................. 60

     6-2-3- هندسه تونل................................................................... 61

     6-2-4- تحلیل داده ها................................................................. 62

     6-2-5- مدلهای عصبی – فازی ( روش تاکاگی – سوگنو)....................... 64

   6-3- مقایسه با روشهای مختلف........................................................ 68

   6-4- مدل نرخ پیش روی ( بر مبنای شبکه عصبی)................................. 69

     6-4-1- انتخاب ساختار مدل و کاهش متغییرها.................................... 69

     6-4-2- الگوریتم آموزش شبکه عصبی............................................ 71

     6-4-3- توپولوژی شبکه عصبی.................................................... 71

     6-4-4- بهبود قابلیت تعمیم شبکه عصبی.......................................... 71

     6-4-5- نتایج – تفسیر – اعتبار و توان تعمیم مدل............................... 73

     6-4-6- مقایسه با مدلهای آماری.................................................... 73

فصل هفتم

7- پیش بینی بهره وری TBM با استفاده از.................................. 74

7-1- و ....................................................................... 74

   7-2- سایش برش دهنده............................................................... 81

   7-3- رابطه میان نرخ نفوذ و نرخ پیشروی با .............................. 82

   7-4- تخمین زمان اتمام تونل......................................................... 84

فصل هشتم

8- پیش بینی بهره وری TBM براساس فاکتور پایداری تونل..................... 85

   8-1- تخمین ضریب بهره وری....................................................... 86

   8-2- تخمین نرخ پیشروی............................................................ 87

   8-3- مثالی از کاربرد مدل............................................................ 89

8-4- تخمین زمان اتمام تونل........................................................ 92

فصل نهم

9- پیش بینی بهره وری TBM برمبنای روش NTH............................. 94

فصل دهم

10- پیش بینی بهره وری TBM بر مبنای روش CSM......................... 106

   10-1- نیروهای عمودی روی برش دهنده ............................... 108

   10-2- نیروهای غلتشی ....................................................... 109

   10-3- رابطه مدرسه عالی معدن کلرادو جهت تعیین نیروهای روی برش دهنده در

             یک نفوذ مشخص.......................................................... 113

   10-4- تصحیح نرخ نفوذ.......................................................... 116

     10-4-1- شاخص دشواری زمین (GDI )................................... 116

     10-4-2- انرژی ویژه........................................................... 117

     10-4-3- اصلاحات پیشنهادی روش CSM جهت تخمین نرخ پیشروی... 117

نتیجه گیری............................................................................ 122

منابع................................................................................... 124

چکیده :

در طول چند دهه گذشته تکنولوژی TBM های سنگ توسعه زیادی پیدا کرد. این ماشین ها

اکنون به مرحله ای رسیده اند که می توانند در هر نوع سنگ یا خاکی حفر کنند ولی به هر

حال حفر با ماشین پر خطر بوده زیرا همیشه امکان روبرو شدن با زمینی که ماشین توانایی

حفردر آن را ندارد وجود دارد. پیش بینی ضریب بهره وری بخش مهمی از هر پروژه حفر

مکانیزه است. تعداد برش دهنده های مورد نیاز هزینه های آزمایشگاهی – هزینه های

سرمایه ای و عملیاتی همه از دوره ساخت پروژه و دوره ساخت پروژه از ضریب بهره

وری و نرخ نفوذ تاثیر می پذیرد که تخمین این دو بسیار مشکل ا ست. تاکنون تلاش های

زیادی جهت گسترش روشهای پیش بینی بهره وری و پیش بینی دقیق نرخ پیشروی در یک

شرایط زمین شناسی شده است. در کشورهای مختلف و توسط شرکت های مختلف سازنده

TBM دامنه وسیعی از روشهای پیش بینی ضریب بهره وری استفاده می شود.

اصولا" این روشها بر مبنای تحلیل نظری و داده های تجربی بنا نهاده شده اند. در حالت

کلی می توان روشهای ارائه شده را به دو گروه تقسیم کرد. روشهای کاملا" تجربی و

روشهای تئوری/ تجربی. گروه اول بر مبنای داده های جمع اوری شده از زمین و استفاده

از تحلیل رگرسیون میان پارامترهای ماشین خواص سنگ و نرخ نفوذ حاصل شده اند

روش NTH یک نمونه از این روشها است. گروه های دیگر بر جزئیات فرایند برش

در سنگ تحلیل نظری فرایند شکست سنگ با ابزار مکانیکی و نیروهای وارد بر هر برش

دهنده به منظور دستیابی به یک نرخ نفوذ مشخص متمرکز شده اند.

روش CSM و برخی از روشها که توسط کارخانه های سازنده TBM توسعه داده شده اند

در این گروه قرار می گیرند. این روشها می توانند در بهینه کردن طرح تاج حفار به کار

گرفته شوند. نیروهای اعمال شده بر برش دهنده که توسط این روشها تعیین می شوند میتواند

در تخمین نیروی محوری گشتاور و توان مورد نیاز نیز استفاده شود.

در حالت عمومی روشهای پیش بینی بهره وری بر مبنای قواعد زیر پایه گذاری شده اند:

1) داده های حاصل از زمین یا آزمایش

2) آزمایشهای کوچک مقیاس ( ازمونهای شاخص)

3) آزمایشهای بزرگ مقیاس

4) روشهای تجربی

5) مدلهای تئوری

به عنوان مثال روش پیش بینی NTH ترکیبی از قواعد 1- 2- 4 است و روش CSM

شامل تمامی قواعد ذکر شده می شود.

در تمام روشهای پیش بینی بهره وری نمونه گیری صحیح یک عامل کلیدی است. اگر نمونه

های مورد ازمایش معرف ( نماینده شرایط واقعی زمین) نباشند نتایج پیش بینی قا بل اعتماد

نخواهد بود. تخمین بهره وری TBM در سنگهای سخت یک فرایند بسیار پیچیده است که به

شرایط زمین شناسی خواص توده سنگ و جزئیات ماشین( مانند اندازه برش دهنده ها-

فاصله و بار اعمالی بر آنها) مربوط می شود. فرایند برش و نفوذ در سنگ توسط برش

دهنده مستلزم شکست کششی- برشی و فشاری سنگ است.

درزه ها و شکستگی ها تا حدودی نرخ نفوذ ماشین را بهبود می بخشند.

بر اساس مطالعات صورت گرفته میان و نرخ نفوذ همبستگی خوبی در TBM های

سنگ سخت وجود دارد.

در این رابطه میزان تنش های برجا و مقاومت فشاری

توده سنگ می باشد

1-1- نرخ پیشروی:

نرخ پیشروی ماشین از دو پارامتر عمده حفر و نگهداری تاثیر می پذیرد. گاهی اوقات

هنگام نصب پوشش امکان حفر وجود ندارد( مثلا" TBM های سپردار) یا وجود مناطق

برشی که حفر درون آنها بدون تحکیم – امکان گیر افتادن ماشین را زیاد می کند باعث

کاهش ضریب بهره وری می شود. عاملی که در حفر سنگ نقش کلیدی را بازی می کند

نرخ نفوذ است. نرخ پیشروی به صورت زیر تخمین زده می شود.

                                           نرخ نفوذ ضریب بهره وری = نرخ پیشروی

2-1- نرخ نفوذ:

نرخ نفوذ TBM های به صورت تیپیک با توجه به خوا ص ماده سنگ تخمین زده می شود.

وابستگی نرخ نفوذ به فاصله داری و شرایط درزه ها کاملا" شناخته شده است. تنها روشی

که تاثیر ناپیوستگیها را لحاظ کرده است روش انسیتو تکنولوژی نروژ است.

در ادامه به برخی از معادلات تجربی که بر مبنای داده های آزمایشگاهی برای تعیین نرخ

نفوذ ارائه شده اند اشاره می شود.

تارکی در سال 1973 روشی را برای پیش بینی نرخ نفوذ تنها بر مبنای سختی سنگ

پیشنهاد کرد که در آن سختی سنگ با استفاده از بازگشت چکش اشمیت و سختی سایشی

سنگ محاسبه می شد.

بزرگترین عیب روش تارکی عدم منظور کردن ویژگی های ماشین و توده سنگ که در

ضریب بهره وری TBM بسیار موثر می باشد.

گراهام در سال 1976 برای سنگ های که مقاومت فشاری انها در دامنه 140- 200 مگا

پاسکال می باشد رابطه زیر را ارائه کرد:

1-1                                               

که در آن:

میزان نفوذ تاج حفار به میلی متر وقتی تاج حفار یک دور می زند.

نیروی عمودی اعمال شده بر هر برش دهنده بر حسب KN

UCS مقاومت فشاری تک محوره بر حسب MPa

رگسبوروگ و فیلیپس در سال 1975 بر مبنای تحلیل عددی مدلی را ارائه کردند که

قطر برش دهنده های دیسکی و نیروی محوری روی آنها مقاومت فشاری تک محوره و

زاویه لبه دیسکها را منظور می کرد. در این مدل ویژگیهای توده سنگ از قبیل نا پیوستگیها

در نظر گرفته نمی شود.

ساختار این مدل دقیقا شبیه مدل گراهام می باشد با این تفاوت که زاویه لبه کاترها نیز در

مدل منظور شده است.

ازدمیر در سال 1978 مدلی را ارائه کرد که بر مبنای آن با توجه به قطر- موقعیت- نفوذ

و فاصله داری برش دهنده های دیسکی – مقاومت فشاری تک محوره – مقاومت برشی و

زاویه لبه دیسکها- نیروی نرمال و نیروی غلتشی دیسکها محاسبه می شد. این مدل تاثیر

نا پیوستگی ها را منظور نمی کرد.

فارمر و گلوسوپ در سال 1980 رابطه زیر را برای سنگ های رسوبی ارائه کردنند.

1-2                                                                          

که در آن:

میزان نفوذ تاج حفار به میلی متر وقتی تاج حفار یک دور می زند.

مقاومت کششی برزیلی بر حسب MPa

نیروی محوری اعمال شده بر هر برش دهنده بر حسب KN

هاگس برای معدن کاری در معادن زغال رابطه زیر را ارائه کرد:

1-3

که در آن :

میزان نفوذ تاج حفار به میلی متر وقتی تاج حفار یک دور می زند.

D قطر دیسک بر حسب میلی متر ( فرض شده است که تنها یک دیسک در هر شیار

وجود داشته باشد)

نیروی اعمال شده بر هر برش دهنده بر حسب KN

UCS مقاومت فشاری تک محوره می باشد.

بامفورد در سال 1984 یک مدل چند خطی به صورت زیر ارائه کرد که در ان نرخ

نفوذ به عنوان تابعی از سختی چکش اشمیت- نیروی محوری ماشین – اندیس نفوذ

مخروطی و زاویه مقاومت برشی بیان شده بود.

این مدل تنها بر مبنای داده های حاصل از یک تونل حاصل شده بود لذا تاثیر تغییرا ت

قطر تونل را نمی توا نست منظور کند.

1-4                         

که در آن:

P نرخ نفوذ بر حسب متر در ساعت

S سختی چکش اشمیت

T نیروی محوری ماشین بر حسب تن

N شاخص نفوذ مخروطی بر حسب نیوتن بر میلی متر

زاویه مقاومت برشی بر حسب درجه

سانیو در سال 1985 مدلی را برای تخمین نرخ نفوذ به صورت غیر مستقیم ارائه کرد.

سانیو نشان داد که نسبت بین نرخ نفوذ عمود بر لایه بندی و موازی لایه بندی برابر با نسبت

بین اندیس بار گذاری نقطه ای عمود بر لایه بندی و موازی لایه بندی است.

روش سانیو می تواند به عنوان یک فاکتور تصحیح در سنگهای با نا پیوستگی نزدیک به

هم استفاده شود.

بوید در سال 1986 مدلی متفاوت با مدلهای اشاره شده ارائه کرد.

در مدل فرض شده بود که هر متر مکعب توده سنگ به مقدار انرژی خاصی بر حسب

KWh برای خردایش نیاز دارد که به ان انرژی ویژه می گویند.

اگر سطح مقطع تونل و انرژی ماشین مشخص باشد نرخ نفوذ به راحتی با دانستن انرژی

ویژه سنگ محاسبه می شود.                                                                                                      6

این مدل معمولا" برای پیش بینی نرخ نفوذ ماشین های حفار بازویی استفاده می شود

رابطه ارائه شده توسط بوید به صورت زیر می باشد:

1-5

که در آن:

نرخ نفوذ بر حسب متر بر ساعت

توان تاج حفار بر حسب کیلووات

انرژی ویژه بر حسب کیلووات ساعت بر متر مکعب

مقطع تونل

مک فیت – اسمیت و فاول در سال 1977 روابطی را برای پیش بینی انرژی ویژه سنگها

ارائه کردنند.

از معایب این روش این ا ست که انرژی ویژه تنها به خواص سنگ بستگی نداشته و به ابعاد

تراشه های ایجاد شده بستگی زیادی دارد بعلاوه انرژی منتقل شده به سنگ ا لزاما" همان

انرژی ماشین نیست. لذا این روش هنگامی می تواند مناسب باشد که هم ویژگیهای ماشین

و هم ویژگیهای سنگ شناخته شده باشد.

در جدول 1-1 مقادیر انرژی ویژه برای چند سنگ آورده شده است.

   ماسه سنگ هوازده شده         دولومیت – اهک – سنگهای         گرانیت- گنیس – کوارتزیت  

 نوع سنگ

     لای سنگ - شیل                 رسوبی سخت                         سخت - شیست

هاگس در سال 1986 مدلی شبیه مدل گراهام که نیروی عمودی وارد بر برش دهنده های

دیسکی – مقاومت فشاری تک محوره – دور – تعداد و شعاع برش دهنده ها را منظور

می کرد ارائه کرد. این مدل تاثیرات ناپیوستگی ها را منظور نمی کرد.

مدل ارائه شده توسط هاگس به صورت زیر می باشد و کاربرد ان در لایه های زغال

معتبر است.

1-6

که در آن:

نرخ نفوذ بر حسب متر برساعت

نیروی محوری وارد بر هر برش دهنده بر حسب کیلو نیوتن

سرعت چرخش تاج حفار بر حسب

تعداد برش دهنده های دیسکی در هر شیار

مقاومت فشاری تک محوره بر حسب مگا پاسکال

شعاع متوسط برش دهنده های دیسکی بر حسب متر

ایناراتو در سال 1991 مدلی ارائه کرد که در آن با استفاده از RSR به پیش بینی نرخ نفوذ

پرداخت . ایناراتو در مدل خود مقاومت فشاری تک محوره را به عنوان یک فاکتور مستقل

از RSR در نظر گرفت.

ساندین و واستد در سال 1994 مدلی را ارائه کردند که در آن از شاخص نفوذ و قابلیت حفر

استفاده شده بود. این مدل نا پیوستگی های توده سنگ – نیروی وارد بر برش دهنده ها و

سرعت چرخش تاج حفار را منظور می کند.

این مدل بر مبنای سه مطالعه موردی در سوئد بر روی سنگهای دگرگونی و آذرین بدست

آمده است.

با توجه به مدلهای ارائه شده می توان دریافت که مدل یا روش واحدی برای پیش بینی نرخ

نفوذ وجود ندارد. جهت مقایسه مقادیر مربوط به ویژگی های سنگ نرخ نفوذ ماشین در عمل

و نرخ نفوذ پیش بینی شده توسط برخی مدلهای ارائه شده برای تعدادی از سنگها در جدول

1-2 آورده شده است.

در تمامی موارد میزان نفوذ TBM و نیروی محوری توسط گشتاور یا ظرفیت ترابری

سیستم محدود می شود.

و...

NikoFile

دانلود پایان نامه ایجاد یک مدل مناسب QSPR برای پیش بینی دمای انتقال شیشه ای (Tg ) دسته ی وسیعی از پلیمرهای پلی اتیلنی

اختصاصی از فی ژوو دانلود پایان نامه ایجاد یک مدل مناسب QSPR برای پیش بینی دمای انتقال شیشه ای (Tg ) دسته ی وسیعی از پلیمرهای پلی اتیلنی دانلود با لینک مستقیم و پر سرعت .

تعداد  صفحات :  86 
فرمت فایل: word(قابل ویرایش)  
 فهرست مطالب :
چکیده
    1
فصل اول : مقدمه ای بر روشهای کمومتریکس،پارامتری وPCR    
1-1-مقدمه    3
    1-1-1-کمومتریکس    4
    1-1-2- بررسی کمی ارتباط بین ساختار وخاصیت (QSPR)    5
1-2-دمای انتقال شیشه ای(Tg)     6
1-3-پلیمرهای پلی اتیلنی
1-4- روش های پارامتری                                                                                6
7
    1-4-1- انتخاب سری داده ها    8
    1-4-2- انتخاب و محاسبه توصیف کننده ها    9
        1-4-2-1- توصیف کننده های توپولوژیکی    11
        1-4-2-2- توصیف کننده های الکترونی    16
        1-4-2-3- توصیف کننده های هندسی    20
        1-4-2-4- توصیف کننده های خواص فیزیکو- شیمیایی    24
        1-4-2-5- توصیف کننده های توسعه یافته    25
    1-4-3- تجزیه و تحلیل و ارزیابی توصیف کننده ها    26
    1-4-4- آنالیز مدل های آماری و انتخاب مدل مناسب    27
        1-4-4-1- رگرسیون خطی چندگانه    27
        1-4-4-2- انتخاب متغیر    27
    1-4-5- تجزیه و تحلیل آماری مدل    30
    1-4-6- نرم افزارهای مورد استفاده
   1-5- روش PCR
 فصل دوم : مروری بر کارهای گذشته
2-1-مطالعات QSPR                                                                                     
2-2- ارتباط کمی ساختار و خاصیت(QSPR) بر روی پلیمرها    
2-2-1- خواص پلیمرها
2-2-2- کاربردهای پلیمرهای پلی اتیلنی                                                       
2-3- کارهای انجام شده بروی پلیمرها و پیش بینی (Tg)                                   

فصل سوم : بخش تجربی(مدلسازی و پیش بینی دمای انتقال شیشه ای)
3-1- مدل سازی و پیش بینی دمای انتقال شیشه ای                                                  
   3-1-1- انتخاب سری داده ها                                                                                  
  3-1-2- محاسبه توصیف کننده ها                                                                                                                                      
  3-1-3- تجزیه و تحلیل آماری توصیف کننده ها       
فصل چهارم : بحث و نتیجه گیری
4-1- روش کار                                                                                                    
4-2- انتخاب توصیف کننده های مناسب و ایجاد مدل خطی با روشMLR           
4-3- روش PCR
4-3-1- مدلسازی بر اساس روش PCR
4-3-2- مدلسازی PCR با PCهای مرتب شده بر اساس مقدار واریانس
4-3-3- مدلسازی PCR با PCهای مرتب شده بر اساس مقدار همبستگی با خاصیت  
4-4- نتیجه گیری کلی
4-5- پیشنهادات برای تحقیقات آینده
مراجع    41

- مقدمه
امروزه به کارگیری روش هایی که دستیابی ارزان و سریع به اطلاعات را فراهم می آورد، بسیار مورد توجه است. شیمی نیز با توجه به گستردگی فراوان و وجود مسائل پیچیده و حل نشده بسیار به کارگیری چنین روش هایی را طلب می کند. استفاده از علوم ریاضی، آمار و رایانه در شاخه های مختلف علمی عرصه هایی جدید را ایجاد نموده که از جمله می توان به علومی همچون بیومتریک، آمار دارویی و کمومتریکس که حاصل تلفیق آن سه با زیست شناسی، داروسازی و شیمی می باشند، اشاره نمود ]2-1[. با وجود آنکه کمتر از 40 سال از پیدایش علم کمومتریکس می گذرد، امروزه این شاخه به یک علم پویا مبدل گشته، علمی که در هر زمینه ای تحولات چشمگیری را به دنبال داشته است. در این بخش از پژوهش سعی شده است تا اطلاعات اولیه ای از اصول کمومتریکس ، ارتباط کمی ساختار- خاصیت ، دمای انتقال شیشه ای(Tg) و ترکیبات مورد استفاده در اختیار قرار گیرد.

1-1-1-کمومتریکس
کمومتریکس یک نظم شیمیایی است که با هدف تهیه حداکثر اطلاعات از داده های شیمیایی به وجود آمده است. کاربرد عملی ریاضی، آمار و کامپیوتر در شیمی را کمومتریکس یا شیمی سنجی گویند. در واقع چنین تلفیقی با دو هدف عمده صورت می پذیرد که عبارتند از :
1-    بهبود بخشیدن به فرایندهای اندازه گیری شیمیایی
2-    استخراج اطلاعات شیمیایی مفیدتر از داده های فیزیکی و شیمیایی اندازه گیری شده
      پیدایش این زمینه علمی که یکی از شاخه های شیمی به حساب می آید ، به سال 1969 بر می گردد ، زمانی که جرس  ، کوالسکی  و آیزنور  مقالاتی را در زمینه کاربرد ماشین یادگیری جهت طبقه بندی طیف جرمی با تفکیک پایین منتشر کردند ]5-3[. در سال 1972 ولد  سوئدی معنای واقعی کمومتریکس را مطرح نمود و طی همکاری وی با کوالسکی آمریکایی که روی روش های الگوشناسی کار می کرد، انجمن بین المللی کمومتریکس در سال 1974 تأسیس گردید ]6[. تعریف این انجمن از کمومتریکس به این صورت می باشد : « کمومتریکس مجموعه ای از قواعد شیمیایی است که از روش های ریاضی و آمار جهت طراحی یا انتخاب یک روش مناسب برای آزمایش و یا برای حصول حداکثر اطلاعات شیمیایی از داده های حاصل از یک فرایند شیمیایی استفاده می کند ]7[» . با ظهور رایانه ، ریزپردازنده ها و بسته های نرم افزاری ، کمومتریکس به یک علم توانمند در انجام بسیاری از فعالیت های شیمیایی تبدیل شد ]1[. با توجه به پیشرفت و افزایش دستگاه های شیمیایی و در نتیجه ی آن پیدایش انبوهی از داده ها ، پردازش و استخراج اطلاعات از این داده ها کاری وقت گیر و طاقت فرسا می نمود که کمومتریکس با ویژگی های خاص خود جهت انجام این کار ، بیش از پیش مورد توجه و علاقه محققین واقع شد. به طوری که امروزه در زمینه های مختلفی همچون مطالعات QSAR/QSPR ، مدل سازی و پیش بینی رفتارهای کیفی ، کنترل فعالیت ها و ... به کار می رود.
1-1-2- بررسی کمی ارتباط بین ساختار و خاصیت (QSPR)
       آگاهی از ساختار مولکولی کلید فهم عملکرد مولکولهاست و این به دلیل ارتباطی است که بین ساختار و ویژگی های یک ترکیب وجود دارد و خواص ماکروسکوپی و میکروسکوپی آن را به هم مرتبط می کند. انجام بسیاری از کارهای آزمایشگاهی نیازمند صرف وقت و هزینه ی بسیار می باشد. QSPR دانش جدیدی است که امکان دستیابی به داده های مورد نظر را با صرف حداقل وقت و هزینه فراهم می آورد. QSPR در لغت به معنی برقراری ارتباط کمی بین ساختار وخاصیت مولکول می باشد.
     در واقع با استفاده از آنچه که قبلاً به صورت تجربی انجام شده است این ارتباط برقرار می شود و سپس از آن برای پیش بینی فعالیت ترکیبات جدید استفاده می گردد. زمانی که نمونه های استاندارد از لحاظ فعالیت در دسترس نباشند ، آزمایش ها وقت گیر و پیچیده بوده یا هزینه کار بالا باشد ، QSPR روش مناسبی برای حل مشکل خواهد بود. اولین بار QSPR توسط هانش  و فوجیتا  در سال 1960 مطرح گردید. این دانشمندان از روش های ریاضی برای برقراری چنین ارتباطی استفاده گردند. روش ریاضی که به این منظور به کار گرفته شد روش رگرسیون خطی چندگانه  (MLR) بود. این روش قادر به بررسی ارتباط خطی موجود بین ساختار- فعالیت و یا ساختار- خاصیت می باشد. امروزه از روشی دیگر که برگرفته از مقالات QSAR است برای بررسی ارتباط کمی بین ساختار و خصوصیات استفاده می شود و با نام اختصاری QSPR  شناخته می
شود.