آستانه گیری در حوزه موجک یک روش موثر برای حذف نویز است . به همین دلیل یافتن مقدار مناسب آستانه ، یکی از موضوعات تحقیقاتی سالهای اخیر بوده است .
در این مقاله محاسبه مقدار آستانه به صورت یک مسئله بهینه سازی مطرح شده است و ...
.
.
.
در این فایل چند پروژه مربوطه قرار دارد ...
فرمت مقاله : پی دی اف (PDF)
تعداد صفحات : 8
زبان : انگلیسی
عنوان مقاله : Flow rate and total discharge estimations in gas-well blowouts
چکیده : با وجود تدابیر حفاظتی چندگانه در هر عملیات حفاری، فوران اتفاق میافتد. زمانیکه این حوادث اتفاق میافتند، تخلیه کامل هیدروکربنها مهمترین مساله برای همه پرسنل درگیر شامل اپراتور، پیمانکار و ناظر کار میشود. تخمین دبی با وجود اطلاعات اندک در خصوص سیال و سازند در هنگام حادثه، کار بسیار پر خطری میباشد. با توجه به اینکه دستورالعمل های نظارتی جدید نیاز به چنین تخمینهایی برای هر حفاری دریایی دارد، یک بررسی سیستماتیک ضروری است. این مطالعه یک مدل تحلیلی ارائه میدهد که جریان سیال در یک سیستم شامل مخزن / چاه در یک چاه گازی را با هم ترکیب میکند.
کلمات کلیدی : دانلود مقاله لاتین- دانلود مقاله مهندسی نفت، دانلود مقاله آی اس آی مهندسی نفت، دانلود مقاله آی اس آی نفت- دانلود مقاله ISI-دانلود مقاله ISI نفت، مقاله لاتین مهندسی نفت دانلود رایگان مقاله، دانلود رایگان مقاله مهندسی نفت، فوران چاه، blowout, drilling operation, gas well
اگر به دنبال ترجمه تخصصی و روان مقاله فوق هستید درخواست خود را به این آدرس ایمیل کنید:
petrokadeh@yahoo.com
خلاصه مقاله:
در سال های اخیر به دلیل رشد جمعیت و در نتیجه افزایش مصرف سرانه آب کمبو آب شیرین قابل استحصال به معضلی بزرگ مبدل گردیده است و با توجه به محدود بودن منابع آب، حفاظت و مدیریت صحیح منابع آب از اهمیت ویژه ای برخوردار است جریان های رودخانه یکی از مولفه های اصلی منابع آب محسوب می شود به همین دلیل پیش بینی میزان جریان رودخانه ها چندین ماه زودتر برای مدیریت منابع آب مخصوصا در خشکسالی ها از اهمیت خاصی برخوردار است معمولا از روش های متعددی برای پیش بینی جریان رودخانه استفاده می شود در این تحقیق از داده های 36 ساله ی دبی جریان ماهانه ی رودخانه ی سیمینه رود و از سه روش های مدل سری های زمانی توماس فیرینگ و ماتالاس برای پیش بینی جریان استفاده گردید بعد از محاسبات انجام شده مدل (1،1) ARMA با ضریب همبستگی 74/0 مدل مناسب برای داده های جریان رودخانه سیمینه رود انتخاب شد .
مقاله با عنوان فوق که در ارائه شده است، آماده دانلود می باشد.
محل برگزاری کنفرانس: تهران - دانشگاه صنعتی امیرکبیر
سال برگزاری کنفرانس: 1386
تعداد صفحات مقاله:6
محتویات فایل: فایل زیپ حاوی یک pdf
چکیده
مقاومت فشاری تک محوری سنگ یکی از مهمترین پارامترها در طراحی سازه های سنگی زیرزمینی و سطحی می باشد. برای انجام این آزمایش، نمونه هایی نیاز است که طبق استاندارد و با کیفیت بالا تهیه شده باشد. اما تهیه ی این نمونه ها به خصوص در سنگ های خرد شده، با تورق بالا و سنگ های ضعیف، مشکل و زمان بر می باشد. از این رو محققین زیادی از آزمایش های غیر مستقیم برای تخمین مقاومت فشاری سنگ استفاده نموده اند. اما در پروژه های معدنی و عمرانی روابط ساده تک پارامتری اعتبار کافی ندارند. برای رفع این مشکل می توان با استفاده از روش های آماری چند متغیره و با استفاده از چند آزمون غیر مستقیم به طور همزمان تخمینی معتبرتر از مقاومت فشاری ارائه کرد .
هدف از این تحقیق ارائه و بررسی روابط ساده و چند متغیره برای تخمین مقاومت فشاری است. برای رسیدن به این هدف 16 نوع سنگ با لیتولوژی های مختلف شامل آهک، ماسه سنگ، مارن، اسلیت، گرانیت هوازده و تراورتن، از پروژه های معدنی و عمرانی کشور انتخاب و مطابق با استاندارد انجمن بین المللی مکانیک سنگ، آزمایش های شاخص بار نقطه ای، سرعت صوت، چکش اشمیت، خصوصیات فیزیکی و مقاومت فشاری انجام شد و روابطی چند متغیره برای تخمین مقاومت فشاری به دست آمد.
دانلود مقاله رشته اقتصاد تخمین مدل و استنتاج آماری بررسی ایستایی (ساکن بودن) سری های زمانی با فرمت ورد و قابل ویرایش تعدادصفحات 22
قبل از تخمین مدل، به بررسی ایستایی می پردازیم. می توان چنین تلقی نمود که هر سری زمانی توسط یک فرآیند تصادفی تولید شده است. داده های مربوط به این سری زمانی در واقع یک مصداق از فرآیند تصادفی زیر ساختی است. وجه تمایز بین (فرآیند تصادفی) و یک (مصداق) از آن، همانند تمایز بین جامعه و نمونه در داده های مقطعی است. درست همانطوری که اطلاعات مربوط به نمونه را برای استنباطی در مورد جامعه آماری مورد استفاده قرار می دهیم، در تحلیل سریهای زمانی از مصداق برای استنباطی در مورد فرآیند تصادفی زیر ساختی استفاده می کنیم. نوعی از فرآیندهای تصادفی که مورد توجه بسیار زیاد تحلیل گران سریهای زمانی قرار گرفته است فرآیندهای تصادفی ایستا می باشد.
برای تاکید بیشتر تعریف ایستایی، فرض کنید Yt یک سری زمانی تصادفی با ویژگیهای زیر است:
(1) : میانگین
(2) واریانس :
(3) کوواریانس :
(4) ضریب همبستگی :
که در آن میانگین ، واریانس کوواریانس (کوواریانس بین دو مقدار Y که K دوره با یکدیگر فاصله دارند، یعنی کوواریانس بین Yt و Yt-k) و ضریب همبستگی مقادیر ثابتی هستند که به زمان t بستگی ندارند.
اکنون تصور کنید مقاطع زمانی را عوض کنیم به این ترتیب که Y از Yt به Yt-k تغییر یابد. حال اگر میانگین، واریانس، کوواریانس و ضریب همبستگی Y تغییری نکرد، می توان گفت که متغیر سری زمانی ایستا است. بنابراین بطور خلاصه می توان چنین گفت که یک سری زمانی وقتی ساکن است که میانگین، واریانس، کوواریانس و در نتیجه ضریب همبستگی آن در طول زمان ثابت باقی بماند و مهم نباشد که در چه مقطعی از زمان این شاخص ها را محاسبه می کنیم. این شرایط تضمین می کند که رفتار یک سری زمانی، در هر مقطع متفاوتی از زمان، همانند می باشد .
آزمون ساکن بودن از طریق نمودار همبستگی و ریشه واحد
یک آزمون ساده برای ساکن بودن براساس تابع خود همبستگی (ACF) می باشد. (ACF) در وقفه k با نشان داده می شود و بصورت زیر تعریف می گردد.
از آنجاییکه کوواریانس و واریانس، هر دو با واحدهای یکسانی اندازه گیری می‌شوند، یک عدد بدون واحد یا خالص است. به مانند دیگر ضرایب همبستگی، بین (1-) و (1+) قرار دارد. اگر را در مقابل K (وقفه ها) رسم نماییم، نمودار بدست آمده، نمودار همبستگی جامعه نامیده می شود. از آنجایی که عملاً تنها یک تحقق واقعی (یعنی یک نمونه) از یک فرآیند تصادفی را داریم، بنابراین تنها می‌توانیم تابع خود همبستگی نمونه، را بدست آوریم. برای محاسبه این تابع می‌بایست ابتدا کوواریانس نمونه در وقفه K و سپس واریانس نمونه را محاسبه نماییم.
که همانند نسبت کوواریانس نمونه به واریانس نمونه است. نمودار در مقابل K نمودار همبستگی نمونه نامیده می شود. در عمل وقتی مربوط به جامعه را ندایم و تنها را براساس مصداق خاصی از فرآیند تصادفی در اختیار داریم باید به آزمون فرضیه متوسل شویم تا بفهمیم که صفر است یا خیر. بارتلت (1949) نشان داده است که اگر یک سری زمانی کاملاً تصادفی یعنی نوفه سفید باشد، ضرایب خود همبستگی نمونه تقریباً دارای توزیع نرمال با میانگین صفر و واریانس می باشد که در آن n حجم نمونه است. براین اساس می توان یک فاصله اطمینان، در سطح 95 درصد ساخت. بدین ترتیب اگر تخمینی در این فاصله قرار گیرد، فرضیه( =0) را نمی توان رد کرد. اما اگر تخمینی خارج از این فاصله اعتماد قرار گیرد می توان صفر بودن را رد کرد.
آزمون دیگری نیز بصورت گسترده برای بررسی ایستایی سریهای زمانی بکار می‌رود که به آزمون ریشه واحد معروف است. برای فهم این آزمون مدل زیر را در نظر بگیرید :
Yt = Yt-1+Ut
Ut جمله خطای تصادفی است که فرض می شود بوسیله یک فرآیند تصادفی مستقل (White Noise) بوجود آمده است. (یعنی دارای میانگین صفر، واریانس ثابت و غیر همبسته می باشد).
خواننده می تواند تشخیص دهد که معادله فوق، یک معادلخ خود رگرسیون مرتبه اول یا AR(1) می باشد. در این معادله مقدار Y در زمان t بر روی مقدار آن در زمان (t-1) رگرس شده است. حال اگر ضریب Yt-1 برابر یک شود مواجه با مساله ریشه واحد می شویم. یعنی این امر بیانگر وضعیت غیر ایستایی سری زمانی Yt می باشد. بنابراین اگر رگرسیون زیر را اجرا کنیم:
و تشخیص دهیم که است، گفته می شود متغیر Yt دارای یک ریشه واحد است. در اقتصاد سنجی سریهای زمانی، سری زمانی که دارای یک ریشه واحد باشد، نمونه‌ای از یک سری زمانی غیر ایستا است.
معادله فوق غالباً به شکل دیگری نیز نشان داده می شود:
که در آن ، اپراتور تفاضل مرتبه اول می باشد. توجه کنید که است. اما اکنون فرضیه صفر ما عبارت است از که اگر برابر با صفر باشد می توانیم معادله فوق را بصورت زیر بنویسیم:
این معادله بیانگر آن است که تفاضل اول سری زمانی Yt ساکن می باشد. زیرا بنا به فرض Ut یک جمله اختلال سفید (اختلال خالص) می باشد.
اگر از یک سری زمانی یک مرتبه تفاضل گرفته شود (تفاضل مرتبه اول) و این سری تفاضل گرفته شده ساکن باشد، آنگاه سری زمانی اصلی (انباشته از مرتبه اول ) می باشد و به صورت I(1) نشان داده می شود.
به طور کلی اگر از یک سری زمانی d مرتبه تفاضل گرفته شود، انباشته از مرتبه d یا I(d) می باشد. پس هرگاه یک سری زمانی انباشته از مرتبه یک یا بالاتر باشد سری زمانی غیر ایستا خواهد بود. بطور متعارف اگر d=0 باشد، در نتیجه فرآیند I(0) نشان دهنده یک فرآیند ساکن می باشد. به همین علت نیز یک فرآیند ساکن بصورت I(0) مورد استفاده قرار می گیرد.
برای وجود ریشه واحد تحت فرضیه از آمار یا (tau) استفاده می‌کنیم، مقادیر بحرانی این آماره به روش شبیه سازی مونت کارلو توسط دیکی و فولر بصورت جداول آماری محاسبه شده است. (متاسفانه آماره t ارائه شده حتی در نمونه‌های بزرگ از توزیع t استیودنت پیروی نمی کند و در نتیجه نمی توان از کمیت بحرانی t برای انجام آزمون استفاده کرد.)
در ادبیات اقتصادسنجی آزمون یا (tau)، به آزمون دیکی- فولر (DF) مشهور میباشد. باید توجه داشت که اگر فرضیه صفر رد شود، سری زمانی ساکن بوده و می توان از تابع آزمون t استیودنت استفاده نمود.
اگر قدر مطلق آماره محاسباتی (tau)، بزرگتر از قدر مطلق مقادیر بحرانی (DF) یا مک کینان باشد، آنگاه فرضیه مبتنی بر ساکن بودن سری زمانی را رد نمی کنیم از طرف دیگر اگر مقدار قدر مطلق محاسباتی کمتر از مقدار بحرانی باشد، سری زمانی غیر ایستا خواهد بود.