حامی فایل

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

حامی فایل

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

رابطه هوش هیجانی و میزان پرخاشگری با کارکرده های شناختی- اجرایی لب پیش پیشانی در دانش آموزان دختر و پسر مقطع راهنمایی شهر اصفها

اختصاصی از حامی فایل رابطه هوش هیجانی و میزان پرخاشگری با کارکرده های شناختی- اجرایی لب پیش پیشانی در دانش آموزان دختر و پسر مقطع راهنمایی شهر اصفهان دانلود با لینک مستقیم و پر سرعت .

رابطه هوش هیجانی و میزان پرخاشگری با کارکرده های شناختی- اجرایی لب پیش پیشانی در دانش آموزان دختر و پسر مقطع راهنمایی شهر اصفهان


رابطه هوش هیجانی و میزان پرخاشگری با کارکرده های شناختی- اجرایی لب پیش پیشانی در دانش آموزان دختر و پسر مقطع راهنمایی شهر اصفهان

نوجوانان قشر عمده ای از جمعیت کشورمان را تشکیل می دهند،‌ از این رو شناخت دقیق این قشر کمک موثری است در جهت ایجاد زمینه های مادی و معنوی برای رشد عاطفی و معنوی آنها. به دلیل رشد نایافتگی کافی دستگاه عصبی، رفتار نوجوانان همواره در حال تغییر است. از آنجا که این قشر به رشد فکری لازم دست نیافته اند نمی توانند مانند بزرگسالان بر رفتار خود کنترل داشته باشند،‌بنابراین در برابر محیط واکنش های سریع و شدید همچون پرخاشگری،‌ عصبانیت،‌زود رنجی و استرس از خود بروز می دهند و به همان سرعت با از بین رفتن عوامل مخل،‌به سرعت بهبود می یابند(ملکی، 1387).

به دلیل تاثیر زیانبار رفتار پرخاشگرانه و خشونت جسمی و کلامی بر رشد اجتماعی نوجوانان، ‌پرخاشگری یکی از شایع ترین و باثبات ترین مشکلات انطباقی مطالعه شده در دهه های اخیر بوده است. این رفتار بر رشد اجتماعی نوجوانان تاثیر گذاشته و ریسک عدم تطابق در دروان بعد را در آنها افزایش می دهد(عظیمی، 1383).

خشونت و رفتار پرخاشگرانه را می توان پدیده ای روانی- اجتماعی در نظر گرفت که می تواند نتایجی نظیر بزهکاری،‌طرد همسالان ،‌اخراج از مدرسه،‌اعتیاد، جنایت و جرایم بزرگسالی و انواع مسائل و مشکلات جسمی و روانی را به دنبال داشته باشد( ملکی، 1387).

اهمیت موضوع تحقیق و انگیزش انتخاب آن

نواحی پیش پیشانی مغز در عملکردهای شناختی هدف محور نقش دارند، که به عنوان عملکردهای شناختی اجرای شناخته شده اند(موسکویچ[1] و همکاران،‌2002؛ شمامورا[2] و همکاران،‌1995) اختلال در عمکردهای اجرایی شناختی در برگیرنده درجاماندگی، نقص در شروع و ناتوانی در مهارتهای پاسخ های نامناسب از عوارض شایع نقص در نواحی پیش پیشانی است.( اریکسون [3]و همکاران، 2003،‌لاکوود[4]، 2002،‌ و نیس[5]،‌2001).

منطقه پیشانی به طور طبیعی وظیفه کنترل و تنظیم احساسات هیجانی و واکنش های تولید شده را بر عهده دارد که این عمل به وسیله مکانیسم های عمیق تر مغزی لیمبیک نظیر آمیگدال،‌به مرحله عمل می رسد. در صورتی که این منطقه از مغز دچار بد کارکردی شود،‌ افراد کمتر قادر خواهند بود تا تکانه های پرخاشگری را نگهداری و بازبینی کنند،‌در نتیجه، احتمال اعمال خشونت آمیز تکانشی،‌افزایش پیدا می کند(تیچنر و گلمن[6]، 2000).بنابراین افرادی با ضایعات پیش پیشانی و پیشانی،‌ پرخاشگری را با کمترین تحریک ممکن نشان می هند. ظهور این نوع پرخاشگری بدون طرح ریزی رفتار که معمولا کوتاه مدت است،‌علت ایجاد اعمال تکانشی در دانش آموزان است؛ از این رو زمانی که خشم سپری می شود بسیار از این افراد به دلیل رفتارهای تکانشی خود آشفته و شرمسار هستند(هاوکینر و تروبلت[7]، 2000). این نوع پرخاشگری برای هدایت در مسیر صحیح مشکل می باشد چون کودکان و نوجوانان توانایی درونی کردن دستورها را ندارند و زمانی که به وسیله این نوع

پرخاشگری در محیط خود شناخته می شوند، آنها نیز با رفتارهای پرخاشگرانه به محیط پاسخ می دهند(هاوکینر و تروبلت، 2000).

 

مطالعات نشان داده است که همراهی اختلال عمکردهای اجرایی نواحی پیش پیشانی با اختلالات خلقی و دو قطبی پیش آگهی بدتر آنها می شود و وجود اختلال شناختی با مزمن بودن بیماری همبستگی دارد( مورفی[1] و همکاران،‌2003). دانکین[2] و همکاران(2000) نشان دادند که زنهای جوان افسرده ای که اختلال در عملکرد های اجرایی شناختی در نواحی پیش پیشانی مغز دارند به درمان دارویی جواب نمی دهند. نقص در عملکردهای اجرایی افت کارایی و ناتوانی نوجوانان در انجام فعالیتهای روزانه را موجب می شود( رویال و همکاران، 2004). افسردگی و اضطراب از مشکلات روانی شایع در نوجوانان است، که به طور مشخص افت کیفیت تحصیلی و کارایی آنها را موجب می شود( دبیروس[3] و همکاران، 1999).

 

مفهوم هوش هیجانی نشان می دهد که چرا دو نفر با هوش شناختی یکسان، ممکن است به درجات متفاوتی از موفقیت در زندگی دست یابند. هوش هیجانی یک عنصر بنیادین از رفتار انسان است که جدا و متفاوت از هوش شناختی عمل می کند. بین هوش شناختی و هوش هیجانی هیچ رابطه شناخته شده ای وجود ندارد؛ شما اصلا نمی توانید از روی هوش شناختی یک نفر هوش هیجانی او را حدس بزنید. این یک خبر خوب است، زیرا هوش شناختی، انعطاف پذیر نیست. هوش شناختی از همان لحظه تولید ثابت است یا دست کم ثبات نسبی دارد، مگر اینکه یک تصادف، مثلا آسیب مغزی، آن را تغییر دهد. هیچ کس با یادگیری واقعیتهای جدید یا فراگرفتن اطلاعات عمومی بیشتر باهوش نمی شود. هوش شناختی یعنی توانایی یادگیری، که در 15 سالگی همان است که در 50 سالگی. اما بر عکس، هوش هیچانی، مهارتی انعطاف پذیر است که به آسانی آموخته می شود. با اینکه بعضی مردم، نسبت به دیگران، به طور طبیعی هوش هیجانی بالاتری دارند، کسی که حتی بدون هوش هیجانی به دنیا آمده باشد باز هم می تواند در خود، هوش هیجانی بالا به وجود آورد(برادبری،گریوز[4]،2005؛ گنجی، 1384).

 

 


دانلود با لینک مستقیم


رابطه هوش هیجانی و میزان پرخاشگری با کارکرده های شناختی- اجرایی لب پیش پیشانی در دانش آموزان دختر و پسر مقطع راهنمایی شهر اصفهان

تنش پیش - تراکمی و رابطه آن با ویژگی های فیزیکی و مکانیکی برخی از خاک های اصفهان

اختصاصی از حامی فایل تنش پیش - تراکمی و رابطه آن با ویژگی های فیزیکی و مکانیکی برخی از خاک های اصفهان دانلود با لینک مستقیم و پر سرعت .

تنش پیش - تراکمی و رابطه آن با ویژگی های فیزیکی و مکانیکی برخی از خاک های اصفهان


تنش پیش - تراکمی و رابطه آن با ویژگی های فیزیکی و مکانیکی برخی از خاک های اصفهان

• رساله دکترای کشاورزی گرایش خاک شناسی با عنوان: تنش پیش - تراکمی و رابطه آن با ویژگی های فیزیکی و مکانیکی برخی از خاک های اصفهان 

• دانشگاه صنعتی اصفهان 

• استاد راهنما: دکتر محمدعلی حاج عباسی ، دکتر عباس همت 

• پژوهشگر: محمدرضا مصدقی 

• سال انتشار: 1382 

• فرمت فایل: PDF و شامل 245 صفحه

 

 

 

چکیــــده:

امروزه مفهوم تنش پیش-تراکمی (σpc) به عنوان شاخصی مفید در ارزیابی رفتار تراکمی خاک‌های کشاورزی مورد توجه قرار گرفته است. تنش پیش-تراکمی، حداکثر تنشی است که خاک می‌تواند تحمل کند بدون اینکه به ساختار فیزیکی آن آسیب وارد شود. برای بررسی عوامل اصلی کنترل کننده σpc، امکان کاربرد σpc به عنوان تنش بحرانی در برخی خاک‌های استان اصفهان و یافتن روش‌های جایگزین اندازه گیری آن، این رساله به پنج بخش تقسیم شد. در بخش اول، آزمایشی گلدانی روی خاک سطحی با ساختمان ناپایدار (بافت لوم رسی سیلتی) به منظور بررسی اثر تنش‌های داخلی ناشی از خشک شدن پس از آبیاری غرقابی بر σpc انجام شد. جرم مخصوص ظاهری (BD)، و رطوبت جرمی (θm)، پتانسیل ماتریک (Ψm)، شاخص مخروطی (CI) و σpc در حین خشک شدن خاک تعیین شد. مقدار σpc قویا تحت تاثیر θm قرار گرفت ولی BD اثر کمی بر آن داشت. ارتباط خطی معنی دار بین σpc و تنش موثر حاصل از مکش ماتریک در دامنه (0-100kPa) بیانگر اثر مهم نیروهای داخلی در سخت شوندگی این خاک بود. رابطه خطی و بسیار معنی داری بین σpc و CI مشاهده شد. در بخش دوم، ارتباط مفهوم σpc و کیفیت فیزیکی (هدایت هوایی) خاک سطحی پنج سری از استان اصفهان مورد ارزیابی قرار گرفت. تیمارها شامل: چهار مقدارpF (2، 2.3، 2.7، 2.9)، سه مقدارσpc (200، 400 و kPa600) و سه نوع بارگذاری به همراه دو روش بارگذاری (سیکلی با 10 سیکل و بارگذاری پلکانی) بود. انواع بارگذاری شامل: فشردگی محصور (CCT)، فشردگی نیمه محصور (SCCT) و فشردگی ورزاندن (KCT) بود. تحت بارگذاری سیکلی، کرنش خاک در روش SCCT و KCT بیشتر از روش CCT بود. در بارگذاری پلکانی، درجه پوکی (e) و هدایت هوایی (Kg) با افزایش تنش کاهش یافت. اثر بارگذاری سیکلی بر Kg در رطوبت های بالا بیشتر قابل توجه بود که با کرنش ماندگار معنی دار خاک همراه نبود. بنابراین، σpc احتمالا تنش بحرانی مناسبی از نظر کیفیت فیزیکی (Kg) خاک‌های ناپایدار مورد مطالعه بویژه در رطوبت های بالا نمی‌باشد. روش KCT در رطوبت‌های بالا سبب کاهش بیشتر Kg در مقایسه با روش CCT شد. در رطوبت‌های پایین تر، KCT منجر به مقادیر بالاتر Kg شد. در بخش سوم، اثرات ترکیبی تنش‌های خارجی (شبیه بخش دوم) و درونی (حاصل از مکش ماتریک) بر رفتار تراکمی و σpc خاک‌ها مورد بررسی قرار گرفت. قبل از شروع فرایند تراکم، یک سیکل خشک و تر شدن (D&W) بر تمامی نمونه‌ها اعمال شد. در بارگذاری سیکلی، پس از سیکل اول بارگذاری، D&W بر نمونه‌ها اعمال شد. در بارگذاری پلکانی، D&W پس از سیکل اول و سیکل دوم به کار برده شد. قبل و پس از D&W ، e و Kg خاک‌ها تعیین شد. انحنا ناحیه بحرانی و ویژگی‌های فیزیکی خاک‌ها به طور معنی دار تحت تاثیر تنش‌های خارجی و درونی قرار گرفت. لذا رفتار تراکمی خاک‌ها به خصوص با ساختمان ناپایدار به طور معنی داری تحت تاثیر تنش‌های درونی تغییر می‌کند. در بخش چهارم، روش آزمایشگاهی جایگزین به جای CCT برای تعیین σpc مورد ارزیابی قرار گرفت. ترکیبات بارگذاری (CCT-SCCT، SCCT-CCT و KCT-CCT) بدین معنی بود که خاک توسط روش اول تراکم شده و توسط روش دوم، σpc آن ارزیابی شد. تخمین σpc توسط روش SCCT همواره دقیق‌تر از روش CCT بود. تخمین σpc توسط روش SCCT در رطوبت‌ها و تنش‌های بالا، بسیار بهتر از روش CCT بود. تفاوت چندانی بین ترکیب بارگذاری SCCT-CCT و KCT-CCT از تخمین σpc وجود نداشت. در بخش پنجم، آزمایشات CCT و نشست صفحه‌ای (PST) صحرایی روی خاک سطحی و زیر سطحی سری خاک مورد مطالعه در بخش اول اجرا شد. روش PST تخمین بهتری در مقایسه با CCT از σpc بدست داد. اثر نیروهای داخلی بر منحنی‌های تنش کرنش و σpc به راحتی توسط روش PST قابل اندازه گیری بود. اثر تنش موثر حاصل از مکش ماتریک بر σpc برای خاک سطحی قابل توجه بود ولی خاک زیر سطحی به دلیل ساختمان پایدار کمتر تحت تاثیر آن قرار گرفت. آزمایش فروسنجی به عنوان روشی سریع جهت تخمین ظرفیت بارپذیری و بررسی توزیع تنش زیر آزمایش PST استفاده شد. روش PST به خوبی توانست σpc خاک پیش-تراکم شده توسط تراکتور را بهتر از روش CCT اندازه گیری کند.

______________________________

** توجه: خواهشمندیم در صورت هرگونه مشکل در روند خرید و دریافت فایل از طریق بخش پشتیبانی در سایت مشکل خود را گزارش دهید. **

** توجه: در صورت مشکل در باز شدن فایل PDF ، نام فایل را به انگلیسی Rename کنید. **

** درخواست پایان نامه:

با ارسال عنوان پایان نامه درخواستی خود به ایمیل civil.sellfile.ir@gmail.com پس از قرار گرفتن پایان نامه در سایت به راحتی اقدام به خرید و دریافت پایان نامه مورد نظر خود نمایید. **

 


دانلود با لینک مستقیم


تنش پیش - تراکمی و رابطه آن با ویژگی های فیزیکی و مکانیکی برخی از خاک های اصفهان

تاثیر بازی های آموزشی بر خلاقیت کودکان پیش دبستانی 6-4 سال سال تحصیلی 92-91

اختصاصی از حامی فایل تاثیر بازی های آموزشی بر خلاقیت کودکان پیش دبستانی 6-4 سال سال تحصیلی 92-91 دانلود با لینک مستقیم و پر سرعت .

تاثیر بازی های آموزشی بر خلاقیت کودکان پیش دبستانی 6-4 سال سال تحصیلی 92-91


تاثیر بازی های آموزشی بر خلاقیت کودکان پیش دبستانی 6-4 سال سال تحصیلی 92-91

پایان نامه کارشناسی ارشد علوم تربیتی

گرایش آموزش و پرورش پیش دبستانی

99 صفحه

چکیده:

هدف اصلی این پژوهش تاثیر بازی های آموزشی بر خلاقیت کودکان 4-6 سال می باشد. روش تحقیق در این پژوهش نیمه آزمایشی می باشد در پژوهش حاضر جهت جمع آوری آوری اطلاعات از آزمون  خلاقیت فرم A تورنس استفاده شده است. جامعه آماری پژوهش شامل کلیه کودکان 6-4 سال شهرستان فراشبند می باشد که نمونه آماری این پژوهش دو مرکز از تمام مراکز پیش دبستان شهرستان فراشبند می باشد که یک مرکز به عنوان گروه آزمایش ویک مرکز به عنوان گروه کنترل انتخاب شد و به شیوه تصادفی ساده از هر مرکز 30 نفر به عنوان نمونه انتخاب شد سپس ازهر دو مرکز پیش آزمون به عمل آمد و بعد از آن به مدت 2ماه بازی های آموزشی با گروه آزمایش انجام داده. بازی های آموزشی گروه سنی 6-4 سال براساس اهداف آموزشی انتخاب و به کودکان هر گروه آموزشی ،آموزش داده واجرا می شوند وسپس از هر دو گروه پس آزمون گرفته می شود. گروه 5-4 سال(15نفر) و گروه 6-5 سال نیز (15نفر) می باشد. یافته های پژوهش نشان داد بازی های آموزشی تاثیر معناداری بر رشد خلاقیت کودکان6-4 سال در تمام 4 مولفه خلاقیت  آنان دارد.

واژگان کلیدی: بازی آموزشی ، خلاقیت، دوره پیش دبستان


دانلود با لینک مستقیم


تاثیر بازی های آموزشی بر خلاقیت کودکان پیش دبستانی 6-4 سال سال تحصیلی 92-91

دانلود مقاله استفاده از مدلهای استوکستیک در پیش بینی جریان

اختصاصی از حامی فایل دانلود مقاله استفاده از مدلهای استوکستیک در پیش بینی جریان دانلود با لینک مستقیم و پر سرعت .

 

 

 

- مقدمه:
پیش بینی یک عنصر کلیدی در تصمیم گیری مدیریت است. کار آیی نهائی هر تصمیمی‌بستگی به طبیعت یک دنباله از حوادث دارد که متعاقب آن تصمیم می‌آید. توانایی برای حدس زدن جنبه های غیر قابل کنترل این حوادث قبل از تصمیم گیری باید به امکان انتخاب بهتری نسبت به موردی که این توانایی در دسترس نباشد بیانجامد. به این دلیل سیستمهای مدیریت برای طرح ریزی و کنترل عملیات یک سیستم نوعا از یک تابع پیش بینی برخوردارند. برای مثال در علم هیدرولوژی هر گونه طرح و برنامه ریزی که در حوضه های آبریز ومخازن مربوط به آن صورت می‌گیرد بایستی بر اساس تجزیه و تحلیل داده ها و شناخت الگویی برای سیستم و اطلاعات مربوط به خواص هیدرولوژیکی آن حوضه باشد به این داده های متغیرهای هیدرولوژیکی گفته می‌شود و شامل اطلاعاتی است که در تصمیم گیری نقش موثر وحیاتی دارد. ملاحظه می‌شود که پیش بینی حدس وتخمینی از رویدادهای آینده است..هدف پیش بینی کاهش ریسک در تصمیم گیری است. با تخصیص منابع بیشتری به پیش بینی قادر به اصلاح وتکمیل دقت پیش بینی می‌شویم.
یکی از روشهای تجزیه وتحلیل داده ها در هیدرولوژی روش استوکستیکی و استفاده از مدلهای استوکستیکی است. در این پروژه هدف نهایی تجزیه و تحلیل سری زمانی مربوط به دبی متوسط سالانه رودخانه ای برای مدت 50 سال و مدل سازی و پیش بینی برای 50 سال آینده خواهد بود.

2- تعاریف
1-2 سری زمانی
مشاهدات وآماری که بافاصله زمانی یکسان به دست آمده باشند سری زمانی نامیده می‌شوند. اگر پدیده ای معین باشد سری زمانی آن معین واگر احتمالی باشد سری زمانی آن احتمالی نامیده می‌شود.
چند الگوی مشخصات سریهای زمانی در شکل زیر نشان داده شده اند که در آن Xt مشاهده برای پریود t است

شکل 1- مشخصات سریهای زمانی
الف) فرآیند ثابت ب) روند خطی ج) تغییرات سیکلی د) ضربه ه) تابع پله ای
و) جهش
هر یک از حالات در شکل فوق توصیف کننده الگو و مثال خاصی می‌باشد در این پروژه بعلت سالانه بودن داده ها ما با حالتهای الف وب سرو کار خواهیم داشت که در قسمت مربوطه توضیح داده می‌شود.

 

2-2 مدلهای استوکستیکی
قبل از اینکه با در دست داشتن یک سری آماری بخوایم مدل استوکستیکی مناسب را انتخاب کنیم، می‌بایست خواص اولیه آماری داده ها را تعیین کرد. این خواص شامل میانگین، واریانس، انحراف استاندارد و ضریب چولگی می‌باشد. از دیگر خواص آماری در سریهای زمانی، تعیین و محاسبه اتوکواریانس (Auto covariance) است که درجه خود وابستگی سری زمانی را نشان می‌دهد. برای مثال جهت تعیین تاخیر k از سری زمانی از رابطه زیر استفاده می‌نماییم.

از خواص دیگر تابع همبستگی (Auto correlation function) است تابع همبستگی با تاخیر k را با نمایش داده و داریم

روش دیگر برای عنوان نمودن وابستگی زمانی از ساختار یک سری زمانی, تابع همبستگی جزئی (Partial Auto correlation function) است و با تاخیر k بصورت نمایش می‌دهند و نمودار و k را Partial correlogram می‌نامند.

 

 

 

با توجه به مطالب ذکر شده مدلهای ا ستوکستیکی عبارتند از
الف) مدل اتورگرسیو Auto regressive (AR)
این مدل از مدلهای متداول در استوکستیک است از خصوصیات این مدل وابسته بودن مقدار عددی یک متغیر به مقدار عددی متغیر در گذشته است. این مدل برای سریهای زمانی ایستا و نا ایستا بکار برده می‌شود فرم اصلی این مدل به صورت زیر است

ضرایب اتوگریسوی نامیده می‌شوند at مستقل از زمان بوده و noise نامیده می‌شود.
در مدل فوق در صورتیکه همگرا باشد فرآیند ایستا خواهد بود. معمولا در مدلسازی سری زمانی از مدل اتورگرسیو مرتبه اول یا دوم استفاده می‌شود (p=1,2)
ب) مدل میانگین متحرکت Moving Average (MA)
فرم عمومی‌مدل با مرتبه q بصورت زیر است.

ج) مدل(ARMA) Auto Regressive moving Avarage
از ترکیب کردن مدل اتورگرسیو با مرتبه p و مدل میانگین متحرک با رتبهq به مدلی خواهیم رسید که مدل ARMA با مرتبه (p,q) نامیده می‌شود فرم کلی مدل بصورت زیر است.

د) مدل ARIMA
این مدل حالت خاصی از مدل ARMA است و در سری زمانی هائیکه وابستگی زمانی زیاد است با گرفتن اختلاف بین مقادیر Xt آنرا به شکل منظم در آورده و به این صورت این اختلاف می‌تواند با مرتبه یک یا دو یا d باشد. فرم کلی این مدل بصورت زیر می‌باشد
.

 

3- انجام، تجزیه و تحلیل پروژه:
گام اول - رسم سری زمانی و تعیین مقادیر آماره های نمونه
اولین گام در تجزیه و تحلیل سریهای زمانی، رسم داده ها می‌باشد. با توجه به اطلاعات موجود نمودار سری زمانی دبیهای 50 ساله ترسیم شده است.

شکل 2- ترسیم سری زمانی
مقادیر آماره های توصیفی و هیستو گرام داده ها نیز در شکل زیر آورده شده است

 


شکل 3- آماره های توصیفی
گام دوم - بررسی وجود مولفه های روند (Trend) و دوره ای Periodic و حذف آنها
همانطور که در قسمت تعاریف آورده شده است در بررسی بعضی از سریهای زمانی دیده می‌شود که فرآیند در طول زمان در یک سطح ثابتی باقی می‌ماند و به علت دلایل و عوامل تصادفی دارای تغییراتی از یک پریود به پریود دیگر است (شکل 1- الف) در حالت دیگری فرآیند دارای (Trend) است. به نحوی که تغییر از یک پریود به پریود بعدی قابل تخصیص به روند و تغییر تصادفی است. روند می‌تواند رو به بالا یا رو به پایین باشد. همچنین اگر سری داده ها در دوره کوتاه مدت نوسانات منظمی‌داشته باشد( شکل 1- ج)
این تغییرات را تغییرات فصلی یا دوره ای (Periodic) گویند. تغییرات فصلی به طور معمول در داده های هفتگی، ماهانه و فصلی بروز می‌کند. قبل از پردازش مدلهای مانا بر سری زمانی باید مولفه های روند و دوره ای بررسی شده و در صورت وجود حذف شود. در این پروژه چون سری سالانه است لذا سری دوره ای نمی‌باشد و با رسم سری دیده می‌شود که دارای روندی به صورت زیر است.

 


شکل 4- سری زمانی به همراه روند کاهشی

شکل 5- سری زمانی پس از حذف روند
که پس از حذف آن تبدیل به خط مستقیمی‌خواهد شد که در شکل5 نشان داده شده است.
گام سوم- بررسی نرمال بودن داده ها
با توجه به اینکه تئوری سریهای زمانی با توجه به نرمال بودن داده ها توسعه یافته است. لذا بایستی این مساله مورد نظر قرار گیرد و در صورت عدم فرض نرمال بودن داده ها بایستی داده ها را با تبدیل Y1=lnY1 تبدیل کرد.
در این پروژه با استفاده از نرم افزار Minitab و با استفاده از روش تست نیکوئی برازش (کلموگرف اسمیرنوف) نرمال بودن داده ها تست شد. در این روش مقدار D (حداکثر تفاوت داده ها از مقدار متناظر در توزیع نرمال) باید از مقدار c حد آستانه تعریف شده در روش فوق با توجه به جدول مربوطه کمتر باشد تا فرض نرمال بودن داده ها تایید شود. با توجه به شکل 6 مقدار D برابر با 0.09
بدست می‌آید و مقدار C در سطح اعتماد 95 درصد از جدول (1) برابر است با

لذا مقدار D از C کمتر بوده و فرض نرمال بودن داده ها تایید می‌شود

شکل 6- بررسی نرمال بودن داده ها
لازم به ذکر است که روش دیگری به نام ضریب چولگی نیز برای تست نرمال بودن داده ها وجود دارد که در این پروژه به روش تست نیکوئی برازش اکتفا می‌شود.
جدول 1- مقادیر c حد آستانه
سطح اعتماد
99 درصد 95 درصد 90 درصد تعداد داده ها
0.67 0.56 1.061 5
0.49 0.41 0.986 10
0.4 0.34 0.923 15
0.35 0.29 0.87 20
0.32 0.26 0.825 25
0.29 0.24 0.787 30
0.25 0.21 0.723 40
1.63/
1.36/
1.22/
C حد آستانه

 

گام چهارم- شناسایی مرتبه مدل با مشاهده منحنی سری زمانی:
صرفا با توجه به منحنی سری زمانه نمی‌توان به طور دقیق مرتبه مدل را تعیین کرد با توجه به سالانه بودن سری و عدم وجود مولفه دوره ای در سری مدل های ARMA، AR از مرتبه 1 و 2 می‌توانند برای پردازش بر داده ها مناسب باشند. یاد آوری می‌شود که مدل اتوگرسیو (AR) از ساده ترین مدلها بوده معمولا در مدل سازی سری زمانی از مدل اتورگریسو مرتبه اول و یا دوم استفاده می‌شود فرم عمومی‌این مدلها بصورت زیر خواهد بود.
مرتبه اول AR(1)
مرتبه دوم AR(2)
گام پنجم- تولید سری زمانی یا میانگین صفر (استاندارد کردن داده ها)
همانطور که می‌دانیم یکی از روشهای تبدیل کردن داده ها به صورت استاندارد کسر میانگین از داده ها می‌باشد با توجه به معادله زیر مقدار میانگین داده ها محاسبه شده و از داده ها کسر می‌گردد.

در شکل زیر هیستوگرام داده های نرمال استاندارد بدست آمده است.

 


شکل 7- هیستوگرام داده های نرمال استاندارد
گام ششم – ترسیم Partial correlogram, corrleogram
اولین قدم در تحصیل سری زمانی رسیم کلو گرامهای خود همبستگی و خود همبستگی جزئی داده ها می‌باشد. تابع خود همبستگی جزئی در فرآیند تشخیص مفید است. تابع خود همبستگی جزئی به عنوان خود همبستگی ساده ما بین دو متغیر تصادفی در یک توزیع شرطی تعریف می‌شود.
با توجه به روش بازگشتی ساده با کس وجنکیس می‌توان با محاسبه توابع خود همبستگی و خود همبستگی جزئی نمونه آنها را بر روی یک گراف نمایش داد و یک مدل آزمایشی از طریق مقایسه الگوهای مشاهده شده با الگوهای توابع خود همبستگی تئوریک مشخص کرد. این الگوهای تئوریک در جدول زیر نمایش داده شده اند.

 

جدول 2- خصوصیات نظری PACF,ACF فرآیندهای ایستا
PACF ACF فرآیند
بعد از تاخیر p قطع می‌شود به صورت یک تنزل نمائی یا موج سینوسی میرا به سمت صفر میل می‌کند AR(P)
به صورت یک تنزل نمائی با موج سینوسی میرا به سمت صفر میل می‌کند بعد از تاخیر q قطع می‌شود MA(q)
بعد از تاخیر p-q به سمت صفر میل می‌کند بعد از تاخیر p-q به سمت صفر میل می‌کند ARMA(p,q)

شکل 8- تابع خود همبستگی داده ها

شکل 9- تابع خود همبستگی جزئی داده ها
با توجه به اشکال بالا و جدول 2 در مرحله اول مدلهای MA(2),MA(1), AR(2),AR(1) و از ترکیب آنها مدلهای ARMA (2,2), ARNA (2,1), ARMA(1,2), ARMA(1,1), برای برازش بر داده ها انتخاب می‌شوند. بعد از محاسبه پارامترهای مدلها واریانس باقیمانده ها و ضریب آکائی نتایج حاصله در جدول زیر آورده شده است.

 

جدول 3- نتایج برازش مدلهای مختلف بر داده ها و مقادیر پارامترهای محاسبه شده برای مدلها
AIC واریانس مانده ها



747.936 35811.4 - - - 0.345 AR(1)
765.625 33967.5 - - -0.227 0.423 AR(2)
754.75 26896.1 - 0.39 - - MA(1)
762.423 26258.9 -0.97 0.398 - - MA(2)
761.334 - - 0.643 - -0.245 ARMA(1,1)
- - -0.98 -2.04 - 2.41 ARMA(1,2)
802.147 - - 0.601 -0.605 -0.23 ARMA(2,1)
821.5 - -0.186 -0.636 -0.282 1.004 ARMA(2,2)

 

گام هفتم- بررسی مدلهای انتخاب شده و انتخاب الگوی مناسب
پیدا کردن الگوهای مناسب برای سریهای زمانی کاری مهم است. جهت این کار استراتژی چند مرحله ای که برای ساختن یک الگو توسط باکس و جنکیس وضع شده است وجود دارد. در این روش سه مرحله عمده وجود دارد که از هر یک از آنها ممکن است چندین بار استفاده کرد.
1- تشخیص (یا شناسائی) الگو
2- برازش الگو
3- تشخیص درستی الگو
در تشخیص یا شناسائی الگو، دسته ای از الگوهای سریهای زمانی را که برای سری زمانی مشاهده شده مناسب است انتخاب می‌کنیم در این مرحله نمودار زمانی سری را مورد توجه قرار داده، و با محاسبه پارامترهای الگو استفاده از دانشمان در زمینه موضوع که داده ها از آنجا ناشی شده اند استفاده می‌کنیم تاکید می‌کنیم الگوئی که در این مرحله انتخاب می‌شود آزمایشی است و به تجدید نظری که بعدا در تجزیه و تحلیل می‌شود بستگی دارد در انتخاب الگو اصل امساک را در نظر می‌گیریم، یعنی الگوئی که به کار برده می‌شود باید کمترین تعداد پارامترها را داشته باشد بطور قطع الگو شامل یک یا چند پارامتر است که باید مقادیرشان از سری مشاهده شده بر آورد شود. برازش الگو پیدا کردن بهترین برآوردهای ممکن پارامترهای نامعلوم الگوی داده شده را شامل می‌شود. محکهائی مانند کمترین مربعات و ضریب آکائی را برای برآورد در نظر می‌گیریم. بررسی درستی الگو به تجزیه و تحلیل کیفیت الگوئی که ما تشخیص و برآورد کردیم مربوط می‌شود. در صورتی که عدم کفایتی پیدا نشود الگوی انتخابی مناسب است. در غیر اینصورت بایستی الگوی دیگری انتخاب شود.

 

تعریف ضریب آکائی
از این ضریب در مقایسه مدلهای مختلف می‌توان استفاده کرد کم بودن مقدار این ضریب برای مدلی در مقایسه با سایر مدلها نشان از مناسب بودن آن می‌باشد.
ضریب آکائی از رابطه زیر محاسبه می‌شود.
AIC=-2ln(MLk)+2k
کد MLk مقدار بیشینه تابع احتمال که بصورت رابطه زیر تعریف می‌شود می‌باشد.

در مدلهای ARMA کمینه سازی AIC
معادل با کمیته سازی عبارت زیر است

و مقدار از رابطه زیر محاسبه می‌شود

با توجه به مدلهای انتخابی در گام ششم (مرحله اول) مقادیر پارامترها ضریب آکائی و واریانس باقیمانده های مدلها بوسیله نرم افزار ITSM محاسبه می‌شود. مطابق جدول (3)
با توجه به جدول (3) مدل ARMA (1,2) به دلیل داشتن پارامترهای بزرگتر از یک حذف می‌شود.
مدل ARMA (2,2) نیز به دلیل داشتن پارامتر بزرگتر از یک و همچنین تعداد پارامترهای بیشتر حذف می‌شود.
مدل ARMA(2,1) نیز بعلت داشتن تعداد پارامتر ها و ضریب آکائی بیشتر حذف می‌شود.
در مرحله دوم مقایسه مدلهای ARMA(1,1), MA(2), MA(1), AR(2),AR(1) باقی می‌مانند در این مرحله جهت مقایسه و انتخاب مدل مناسب توابع PACF, ACF مدلهای فوق که بر داده ها برازش شده اند رسم می‌شود در صورتیکه این دو تابع با PACF, ACF داده ها یکسان باشد مدل فوق مناسب خواهد بود لذا در اشکال زیر نمودار این توابع رسم می‌شوند.

شکل-10 تابع خود همبستگی مدل AR(1)0

شکل-11 تابع خود همبستگی جزئی مدل AR(1)0

شکل-12 تابع خود همبستگی مدل AR(2)0

 


شکل-13 تابع خود همبستگی جزئی مدل AR(2)0

شکل-14 تابع خود همبستگی مدل MA(1)0

 


شکل-15 تابع خود همبستگی جزئی مدل MA(1)0

شکل-16 تابع خود همبستگی مدل MA(2)

 

0
شکل-170 تابع خود همبستگی جزئی مدل MA(2)0

شکل-18 تابع خود همبستگی مدل ARMA(1,1)

 

0
شکل-19 تابع خود همبستگی جزئی مدل ARMA(1,1)0

 

با مقایسه اشکال دیده می‌شود که نمودار های PACF, ACF مدل AR(1) به نمودارهای PACF, ACF داده ها شبیه تر است و سایر اشکال با PACF, ACF داده ها متفاوت است. در نهایت با توجه به مناسب بودن الگو AR برای داده های 50 ساله بارش و کم بودن تعداد پارامترهای مدل AR(1) نسبت به سایر مدلها و همچنین ضریب آکائی کمتر نسبت به سایر مدلها و از همه مهمتر یکسان بودن توابع PACF, ACF این مدل با PACF, ACF داده ها مدل AR(1) انتخاب می‌شود. همچنین برای کنترل صحت انتخاب مدل بایستی آزمون نرمال بودن باقیمانده ها انجام شود زیرا در یک فرآیند مدلسازی باقیمانده ها باید مستقل و نرمال باشند. چنانچه در شکل دیده می‌شود مقدار D=0.12 از مقدار C=0.1923 کمتر بوده و نرمال بودن باقیمانده ها تایید می‌شود

 


شکل-20 آزمون نرمال بودن باقیمانده ها

 

گام هشتم پیش بین و تولید نمونه 50 ساله
بعد از انتخاب مدل AR(1) و با توجه به این مساله که نرم افزارهای مختلف مقادیر ثابتی را برای دبی در سالهای آینده پیش بینی می‌کنند، ابتدا تعداد 60 عدد تصادفی نرمال (NOISE) با میانگین صفر و واریانس یک تولید می‌کنیم سپس با توجه به فرمولهای زیر .




مقادیر دبی برای 60 سال آینده پیش بینی شده و سپس دو عدد اول را حذف می‌کنیم و 50 عدد بعد را به عنوان پیش بینی در نظر می‌گیریم در روابط بالا zt فرمول کلی مدل اتورگرسیو مرتبه اول at مقدار باقیمانده مدل wt مقادیر noise و انحراف معیار Noise و انحراف معیار داده ها می‌باشند همچنین مقدار ضریب همبستگی p1 و پارامتر مدل باهم برابر بوده و مساوی 0.345 می‌باشد. در نهایت داده های تولید شده برای مدل

 

فرمت این مقاله به صورت Word و با قابلیت ویرایش میباشد

تعداد صفحات این مقاله 30   صفحه

پس از پرداخت ، میتوانید مقاله را به صورت انلاین دانلود کنید


دانلود با لینک مستقیم


دانلود مقاله استفاده از مدلهای استوکستیک در پیش بینی جریان

مقاله با عنوان: طراحی مدل پیش بینی تعداد فوت شدگان تصادفات برون شهری

اختصاصی از حامی فایل مقاله با عنوان: طراحی مدل پیش بینی تعداد فوت شدگان تصادفات برون شهری دانلود با لینک مستقیم و پر سرعت .

قالب بندی :  PDF

 

شرح مختصر :  سالانه تعداد زیادی از مردم جهان در تصادفات ترافیکی جان خود را از دست میدهند. حوادث ترافیکی نهمین عامل مرگ و میر در جهان به شمار میرود اما در ایران دومین عامل مرگ و میر محسوب می شود. در این تحقیق با استفاده از تعداد کشته شدگان تصادفات برون شهری در ماه های گذشته و با استفاده از روشهای آماری به پیشبینی تعداد تلفات در ماه های آینده پرداخته می شود. هدف از انجام این تحقیق آن است که بتوان ارزیابی کرد آیا راه کارهای اتخاذ شده در افزایش ایمنی و کاهش تصادفات و تلفات مؤثر واقع شده است یا خیر؟ نتایج به دست آمده از پیش بینیهای آینده تعداد فوت شدگان در این تحقیق، نشان میدهد که کشور ایران با ارائه راه کارهای مناسب توانسته است خود را به مرحله حساس و بحرانی تثبیت وضعیت فوت شدگان ترافیکی برساند و حداقل تا چندین ماه آینده در این مرحله قرار خواهد داشت . برای عبور از این مرحله بسیار کلیدی و حساس میبایست راه کارهایی متناسب با فرهنگ و ظرفیت کشور در برنامه ریزیهای آتی ایمنی راهها گنجانده شود تا به مرور زمان بعد از مرحله تثبیت شاهد سیر نزولی تعداد تصادفات و بالتبع آن کاهش تعداد فوتیها و مجروحان حاصل از آن بود. در صورت کار آنبودن این برنامه ریزیها، وضعیت نمودار پیش بینی تعداد فوت شدگان از حالت راکد خارج شده و سیر صعودی با شیب زیاد به خود خواهد گرفت که بسیار نگران کننده خواهد بود.


دانلود با لینک مستقیم


مقاله با عنوان: طراحی مدل پیش بینی تعداد فوت شدگان تصادفات برون شهری