کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

شهریور 1403
شن یک دو سه چهار پنج جم
 << <   > >>
          1 2
3 4 5 6 7 8 9
10 11 12 13 14 15 16
17 18 19 20 21 22 23
24 25 26 27 28 29 30
31            


 

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کاملکلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

لطفا صفحه را ببندید کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

لطفا صفحه را ببندید

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

لطفا صفحه را ببندید

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

لطفا صفحه را ببندید

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

لطفا صفحه را ببندید

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

لطفا صفحه را ببندید

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

لطفا صفحه را ببندید

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

 

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کاملکلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

لطفا صفحه را ببندید کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

لطفا صفحه را ببندید

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

لطفا صفحه را ببندید

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

لطفا صفحه را ببندید

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

لطفا صفحه را ببندید

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

لطفا صفحه را ببندید

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

لطفا صفحه را ببندید

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل

کلیه مطالب این سایت فاقد اعتبار و از رده خارج است. تعطیل کامل



جستجو


آخرین مطالب


 



نظریه پردازان و پژوهشگران مختلف سعی کرده اند تا تعریفی عمومی از سرمایه فکری مطرح کنند، اما پیرامون ادبیات تعریف، عبارت سازی و طبقه بندی این مولفه ها اشتراک نظر عمومی وجود ندارد.
از نظر بروکینگ سرمایه فکری اصطلاحی است که به ترکیبی از دارایی های نامشهود بازار، مالکیت معنوی، عوامل انسان محور و زیر ساخت ها اشاره دارد که شرکت را قادر به فعالیت می کنند(بونیتیس و همکاران، ۲۰۰۰).
روس[۱۱] و همکارانش بر این باورند که سرمایه فکری شامل کلیه فرایندها و دارایی هایی است که به طور معمولی و سنتی در ترازنامه نشان داده نمی شود و همچنین شامل آن دسته از دارایی های نامشهود مانند علایم تجاری یا برندها و حق امتیاز است که روش های حسابداری مدرن آنها را در نظر می گیرند. به عقیده آنها، مفهوم سرمایه فکری حاصل جمع دانش اعضای یک سازمان و تبدیل کاربرد عملی دانش اعضای سازمان است.
استوارت[۱۲] می گوید سرمایه فکری، مواد فکری از قبیل دانش و اطلاعات و مالکیت (دارایی ) معنوی و تجربه است که باعث ایجاد ثروت می شوند و هنوز تعریف جهان شمولی برای آن وجود ندارد(مجتهدزاده و همکاران، ۱۳۸۹).

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

از نظر بونتیس[۱۳]، سرمایه فکری یک موجودیت پیچیده و گریزان است اما زمانی که کشف شود و مورد استفاده قرار گیرد سازمان را قادر می سازد تا با منبعی جدید، در محیط رقابت کند. به عقیده وی٬ سرمایه فکری جستجو و پیگیری استفاده موثر از دانش (کالای ساخته شده ) در مقایسه با اطلاعات (مواد خام ) است(بونیتیس و همکاران، ۲۰۰۰).
در تعریفی دیگر سرمایه فکری تفاوت میان ارزش بازاری یک شرکت و هزینه جایگزینی دارایی های آن است(مدهوشی و همکاران،۱۳۸۸).
۲-۲-۳- اجزای سرمایه فکری
طبقه بندی های فراوانی در خصوص سرمایه فکری وجود دارد. بیشتر این طبقه بندی ها، سه جزو سرمایه انسانی، سرمایه ساختاری و سرمایه مشتری را اجزای اصلی سرمایه فکری می دانند. در ادامه به برخی از این طبقه بندی ها اشاره می شود:
۲-۲-۳-۱- طبقه بندی ادوینسون و مالون
ادوینسون و مالون، سرمایه فکری را مالکیت دانش، تجربیات کاربردی، تکنولوژی های سازمانی، ارتباطات مشتری و مهارت های رقابتی که فراهم کننده ی زمینه رقابتی در بازار و بینشی نسبت به قابلیت های درآمدی آینده می باشند٬ تعریف کرده اند. مدل اسکاندیا نویگیتور[۱۴] یکی از اولین روش های اندازه گیری برای اندازه گیری سرمایه فکری است.
به عقیده ی ادوینسون و مالون سرمایه فکری شامل دو جزء ابتدایی سرمایه انسانی (مهارت، دانش و تجربیات نیروی انسانی) و سرمایه ساختاری (تمام مواردی که از کارکنان سازمان (سرمایه انسانی) پشتیبانی می کند) است. به خاطر گوناگونی این مولفه ها، آنها سرمایه ساختاری را به سه مولفه سرمایه سازمانی ، سرمایه فرآیندی و سرمایه نوآوری تقسیم بندی می کنند. در این طبقه بندی، سرمایه سازمانی شامل فلسفه سازمان، سیاست ها و سیستم هایی برای استفاده از قابلیت های سازمان است. سرمایه فرآیندی شامل تکنیک ها، رویه ها و برنامه هایی است که هدفشان ارتقا تحویل کالا و خدمات می باشد و سرمایه نوآوری شامل مالکیت معنوی و سایر دارایی های نامشهود دیگر است.
بزرگترین مزیت مدل اسکاندیا این است که تصویر جامع و متعادلی از فعالیت های سازمان به وجود آورده است(عبدالله و همکاران، ۲۰۰۰).
۲-۲-۳-۲- طبقه بندی بروکینگ
بروکینگ در طبقه بندی خود به دارایی های انسان محور، دارایی های زیرساختاری، مالکیت معنوی و دارایی های بازار اشاره کرده است. منظور از دارایی های انسان محور مهارت ها، توانایی ها، تخصص و توانایی های حل مشکل و سبک های رهبری است . منظور از دارایی های زیر ساختاری کلیه فناوری ها، فرآیندها و روش شناسی هایی است که سازمان را قادر به فعالیت می کند. منظور از مالکیت معنوی حق امتیاز، علایم یا مارک های تجاری و دانش فنی است و منظور از دارایی های بازار برندها، مشتریان، وفاداری مشتریان و دسترسی به کانال های توزیع است.
اگرچه بروکینگ، مالکیت معنوی را از دیگر دارایی های زیر ساختاری جدا کرده دیدگاه او و ادوینسون و مالون مکمل هم می باشند. هدف ادوینسون و مالون این بود که اهمیت سرمایه فکری را در سازمان شامل خصوصیات کلیدی، معیارها و رویکردهای مدیریت توضیح دهند. به عقیده ی آنها برای ایجاد سازمانی با هدف حفظ ارزش و افزایش ثروت، مدیریت سرمایه فکری گام ضروری است. بیشتر اهداف بروکینگ مشابه ادوینسون و مالون می باشد با این تفاوت که نگاه او به اجزای سرمایه فکری با هدف حسابرسی می باشد. او به فرایند تعریف و شناسایی، مستند سازی و سنجش سرمایه فکری تاکید دارد. او اظهار می دارد که هدف نهایی هر کسب و کار، گذاشتن ارزش مالی روی دارایی هاست(مجتهدزاده و همکاران، ۱۳۸۹).
۲-۲-۳-۳-طبقه بندی روس و روس
آنها سرمایه فکری را به سرمایه انسانی شامل شایستگی، طرز فکر و چالاکی (زیرکی فکری)، سرمایه ساختاری شامل کلیه ساختارها، فرآیندها و مالکیت معنوی سازمانی و دارایی های فرهنگی، و سرمایه ارتباطی و مشتری شامل روابط با ذی نفعان داخلی و خارجی یک شرکت طبقه بندی می کند
۲-۲-۳-۴- طبقه بندی استوارت
استوارت طبقه بندی خود را به صورت سرمایه انسانی، سرمایه ساختاری و سرمایه رابطه ای ارائه کرد. در این طبقه بندی، سرمایه انسانی در واقع کارکنان سازمان است که مهمترین دارایی آن به شمار می آید. منظور از سرمایه ساختاری، دانش موجود در فناوری اطلاعات و کلیه حق امتیازها و برندها است و منظور از سرمایه رابطه ای، اطلاعات مربوط به بازار است که برای جذب و حفظ مشتری به کار گرفته می شود. این طبقه بندی تا حدودی با طبقه بندی اولیه بونتیس مشابهت دارد(آهنگر، ۲۰۱۱).
۲-۲-۳-۵-طبقه بندی سولیوان
سولیوان به عنوان یکی از بنیان گذاران مدیریت سرمایه فکری، سرمایه فکری را دانشی که می تواند به سود تبدیل شود٬ تعریف کرد. به عقیده ی او سرمایه فکری از دو عنصر سرمایه انسانی و دارایی های فکری تشکیل شده است. به علاوه او دارایی های فکری را که جنبه تجاری دارند٬ از دارایی های فکری ساختاری جدا کرد. دارایی های فکری ساختاری مثل سازمان و ساختار، سرمایه مشتری، رویه ها و متدهای عملیاتی، تحلیل ها و متدهای مدیریتی و روش انجام کسب و کار ناملموس می باشند.
بر خلاف ادوینسون، استوارت وبونتیس ، سولیوان از واژه ی سرمایه ساختاری، شامل همه زیربناهای حمایتی و دارایی های ملموس شرکت که برای تجاری کردن دارایی های فکری مورد نیازند استفاده کرد. بر اساس تعریف او سرمایه انسانی، یا شامل کارکنان شرکت که هر یک مهارت ها، توانایی ها و دانشی دارند می شود یا شامل قابلیت های پیمانکاران، تامین کنندگان و دیگر افراد مرتبط با شرکت.
دارایی های فکری توصیفات مدون، ملموس یا فیزیکی از یک دانش خاص می باشند که شرکت می تواند ادعای مالکیت حقوق آن را داشته باشد(لیم و همکاران، ۲۰۰۴).
۲-۲-۳-۶- طبقه بندی بونتیس
بونتیس، یکی از بزرگترین نظیرپردازان و پژوهشگران در حوزه سرمایه فکری است. وی ابتدا به سه نوع سرمایه انسانی، ساختاری و رابطه ای اشاره کرد و سپس در سال ۲۰۰۰ طبقه بندی خود را به صورت سرمایه انسانی، سرمایه ساختاری، سرمایه رابطه ای و مالکیت معنوی تغییر داد. منظور از سرمایه انسانی سطح دانش فردی است که کارکنان سازمان از آن برخوردار می باشند و عمدتا ضمنی است. منظور از سرمایه ساختاری، کلیه دارایی های غیرانسانی یا قابلیت های سازمانی است که در جهت برآورده ساختن نیازها و الزامات بازار مورد استفاده قرار می گیرد. منظور از سرمایه رابطه ای کلیه دانش قرار گرفته شده در روابط سازمان با محیط خود شامل مشتریان، عرضه کنندگان، مجامع علمی و سایر ذی نفعان است(بونیتیس و همکاران، ۲۰۰۰)
سرمایه انسانی
سرمایه ساختاری
سرمایه مشتری
سرمایه فکری

روابط بازار
خط مشیهای سازمانی
هوش انسانی
جوهره و ماهیت
روابط خارج از سازمان
روابط درون سازمانی
ذهن کارکنان
حیطه عمل
حجم ماندگار
دسترسی به کارایی
حجم مناسب
پارامترهای اندازه گیری

موضوعات: بدون موضوع  لینک ثابت
[سه شنبه 1401-04-14] [ 06:12:00 ب.ظ ]




GDVI

۹۵/۲۹

۲۷/۱۸

۱۹۸۸

۹۷/۴۵

۳۱/۱۷

۲۰۰۱

۴۴/۲۰

۴۹/۹

۲۰۰۷

۵۱/۱۱

۹۵/۳۷

۲۰۱۴

۵-۳-۱-تحلیل مؤلفه اصلی(PCA):
در این تحقیق از سه مؤلفه اول که بیشترین اطلاعات را در خوددارند برای شناسایی کلاس‌های موجود در منطقه استفاده‌شده است.همچنین با بررسی انحراف معیار این باندها می‌توان گفت که پراکندگی ارقام طیفی در این سه باند بیشتر است .شکل‌های (۵-۵تا۸-۵) به ترتیب میزان انحراف معیار را در سال‌های مختلف نشان می‌دهد.دلیل انتخاب این مؤلفه‌ها به علت غنی بودن آن‌ها ازنظر اطلاعات می‌باشد .

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

شکل۵-۵ انحراف معیار مربوط به سال ۱۹۸۸
شکل ۶-۵ انحراف معیار سال ۲۰۰۱
شکل شماره۷-۵ انحراف معیار سال ۲۰۰۷.
شکل شماره ۸-۵ انحراف معیار سال ۲۰۱۴
تجزیه مولفه های اصلی یک تفکیک ریاضی برای کاهش ابعاد مجموعه داده هاست. چون تصاویر رقومی سنجش از دور عددی هستند ،ابعاد آنها با بهره گرفتن از این روش قابل کاهش است . در تصاویر سنجش از دور چند باندی ، باندها متغیرهای اصلی بوده و ممکن است تا حد زیادی با هم همبستگی داشته باشند .بنابراین داده های این باندها می توانند با هم ترکیب شده و با بهره گرفتن از PCA تصاویر جدید و با همبستگی کمتری را بوجود آورند. علاوه بر این PCA نیز به عنوان یک روش آشکار سازی تغییرات در سنجش از دور بکار می رود. تصاویری که بوسیله داده های رقومی تولید می شوند حاصل از باندهایی با طول موجهای مختلف هستند که اغلب حاوی اطلاعات یکسانی می باشند. تغییر شکل مولفه های اصلی تکنیکی است که به منظور کاهش اطلاعات تکراری موجود در تصاویر چند طیفی به کار می رود. تغییر شکل مولفه های اصلی ممکن است برای بهبود عملیات پیش پردازش از طبقه بندی داده ها انجام گیرد.در حالت دوم ، این تغییر شکل معمولا کارایی محاسباتی فرایند طبقه بندی را افزایش می دهد زیرا به کاهش ابعاد پایگاه اصلی منجر می گردد.
۵-۴-۱- طبقه‌بندی نظارت‌نشده Iso Data
در این روش خوشه های[۸۰] حاصل بر اساس تشابه طیفی پیکسلها ایجاد می شود ،بنابراین نتایج حاصله نیاز به استفاده از اطلاعات جانبی و تکمیلی برای تفسیر و شناسایی دارد. در این روش مفسر در تفکیک گروه های طیفی نظارتی ندارد و به عبارت دیگر ، در این نوع از طبقه بندی مقدار زیادی از پیکسلها پس از مقایسه ارزشهای طیفی آنها، در گروه ها یا طبقات طیفی مجزایی قرار می گیرند به شکلی که هر طبقه معرف پدیده ی خاصی خواهد بود . از مقایسه طبقات طیفی تفکیک شده با مدارک و نقشه ها و اطلاعات میدانی ،طبقات مورد نظر شناسایی می شوند. بنابراین طبقه بندی بدون نظارت را می توان حالت وارونه طبقه بندی با نظارت فرض کرد . تعداد طبقه یا کلاس طیفی مورد انتظار بوسیله مفسر مشخص می شود.
در ابتدا با بهره گرفتن از طبقه‌بندی نظارت‌نشده به بررسی و ارزیابی تعداد کلاس‌های موجود در منطقه موردمطالعه پرداختیم . لذا با بهره گرفتن از الگوریتم Iso Data تصاویر به‌صورت نظارت‌نشده طبقه‌بندی گردید. با توجه به تغییرات در منطقه موردمطالعه ، استفاده از الگوریتم‌های طبقه‌بندی نظارت‌نشده چندان مثمر ثمر واقع نشد و با بهره گرفتن از طبقه‌بندی نظارت‌شده تصاویر طبقه‌بندی گردیدند.
۱-۵-۵ – طبقه‌بندی نظارت‌شده به روش حداکثر احتمال:
طبقه بندی نظارت شده به طور کلی شامل ۳ مرحله است :۱- با بهره گرفتن از مدارک و اطلاعات مربوطه ، که به نوعی در شناسایی پدیده های تصویر موثر هستند ، بر روی هر پدیده تعدادی مناطق یا سطوح به عنوان نمونه [۸۱] انتخاب می شوند تا آنها برای طبقه بندی اطلاعات در مراحل بعدی استفاده شوند. ۲- ایجاد نمونه یا نشانهای طیفی[۸۲] : در این مرحله پس از انجام محاسباتی نظیر تعیین میانگین و واریانس ارزشهای طیفی نمونه ها با توجه به باندهای مورد استفاده و انجام یک طبقه بندی مقدماتی ، گزارشی در اختیار مفسر قرار می گیرد. ۳- طبقه بندی : در این مرحله هر یک از پیکسلهای تصویر ، با نشانهای طیفی نمونه ها که در مرحله قبل ایجاد شده است، مقایسه می گردند و هر گروه از پیکسلها به یکی از طبقات نمونه گیری شده نسبت داده می شود.
در روش حداکثر احتمال ، مرحله اول بر اساس نمونه‌های آموزشی طبقات، میانگین ، واریانس و کو ورایانس برای باندهای مورداستفاده در طبقه‌بندی محاسبه می‌شود ، در مرحله دوم میزان احتمال تعلق پیکسل‌ها به هر یک از طبقات مختلف صورت می‌گیرد. در این روش بعد از ارزیابی احتمالات در هر کلاس پیکسل‌ها به کلاس‌هایی که بیشترین شباهت را دارند اختصاصی می‌یابند و اگر مقادیر احتمال پایین‌تر از حد آستانه[۸۳] معرفی‌شده باشند به‌عنوان پیکسل طبقه‌بندی نشده معرفی می‌شوند.در این تحقیق بعد از تعیین نواحی تعلیمی در پنج کلاس کاربری شامل:جنگل،اراضی کشاورزی،مرتع،جریانات(آب) و مناطق فاقد پوشش گیاهی ، با بهره گرفتن از نرم‌افزار ENVI ، اقدام به طبقه‌بندی تصاویر شد که به ترتیب در شکل های ۸-۶ تا ۸-۹ قابل مشاهده است.
شکل شماره ۸-۶ تصویر طبقه بندی شده سال ۱۹۸۸ به روش حداکثر احتمال
شکل شماره ۸-۷ تصویر طبقه بندی شده سال ۲۰۰۱ به روش حداکثر احتمال
شکل شماره ۸-۸ تصویر طبقه بندی شده سال ۲۰۰۷ به روش حداکثر احتمال
شکل شماره ۸-۹ تصویر طبقه بندی سال ۲۰۱۴ به روش حداکثر احتمال
۵-۵-۲- ارزیابی دقت طبقه‌بندی:
بعد از تعریف کاربری و پوشش اراضی ، برای تهیه مناطق آموزشی با بهره گرفتن از نقشه تهیه شده از طبقه بندی نظارت نشده که بیان گر خصوصیات طیفی سطح زمین با کاربری معلوم است و همچنین با کمک نقاط ثبت شده توسط GPS در مراحل بازدیدهای میدانی ، بر روی تصویر رنگی کاذب پیکسلهایی که واقعا معرف بازتاب کاربری یا پوشش مورد نظر بودند به عنوان مناطق آموزشی انتخاب شدند. شایان ذکر است که نقاط آموزشی برای طبقه بندی این تصاویر با بهره گرفتن از نقشه های توپوگرافی،عکسهای هوایی و همچنین نوع بازتابش کلاسها به دست آمدند. در انتخاب نمونه های تعلیمی سعی شد که نمونه های تعلیمی از پراکنش مناسب برخوردار باشند و معرف خوبی برای طبقات باشند.جهت طبقه‌بندی تصاویر ماهواره‌ای ، کلاس‌های کاربری اراضی در ۵ گروه تحت عنوان کلاس آب،جنگل ،اراضی کشاورزی، مرتع و مناطق فاقد پوشش گیاهی تعیین و سپس نمونه‌های آموزشی از سطح منطقه با بهره گرفتن از عکس‌های ۱:۵۰۰۰۰ ،تصاویر ماهواره‌ای Google Earth و بازدیدهای میدانی جمع‌ آوری شد. در مرحله بعد با بهره گرفتن از ویژگی‌های تصاویر ، کلاس‌های کاربری اراضی در محدوده موردمطالعه تعیین و پس از مشخص نمودن میزان تفکیک‌پذیری کلاس‌ها ،طبقه‌بندی به‌صورت نظارت‌شده و با روش حداکثر احتمال انجام گرفت و نقشه کاربری اراضی مربوط به سال‌های ۱۹۸۸،۲۰۰۱،۲۰۰۷ و ۲۰۱۴ تهیه شد. درنهایت با انجام عملیات میدانی و استفاده از تصاویر Google Earth و نمونه‌برداری تصادفی از سطح منطقه ، پارامترهای آماری دقت تولیدکننده ،دقت کاربر ،ضریب کاپا ، خطای امیشن و کمیشن و درنهایت دقت کلی استخراج گردید.(جداول شماره ۵-۲ تا ۵-۵ به ترتیب آمار مربوط به سال‌های ۲۰۱۴،۲۰۰۷،۲۰۰۱،۱۹۸۸را نشان می‌دهد.(ارقام به درصد هستند).
جدول شماره۵-۲ مشخصات آماری انواع خطاهای موجود برای سال ۱۹۸۸(ارقام به درصد هستند)

کلاس

دقت تولید

دقت کاربر

کمیشن

امیشن

موضوعات: بدون موضوع  لینک ثابت
 [ 06:12:00 ب.ظ ]




شکل ۴-۵- اثر مقدار جاذب ضایعات چای بر استخراج یون منگنز
۴-۴-۳- اثر غلظت شوینده بر استخراج
اثر غلظت اسید نیتریک به عنوان حلال شوینده بر روی کارایی استخراج آنالیت بررسی گردید و نتایج در شکل (۴-۶) بیان شدهاند. مطابق نتایج به دست آمده غلظت بهینه اسید نیتریک، ۱ مول بر لیتر برای منگنز ارزیابی گردید.
شکل ۴-۶- اثر غلظت اسید نیتریک به عنوان حلال شوینده بر روی استخراج یون منگنز
۴-۴-۴- اثر زمان استخراج
پس از به دست آوردن مقدار pHبهینه، اثر مقدار جاذب، غلظت حلال شوینده، اثر زمان استخراج را روی جذب آنالیت در زمان های ۱، ۵/۳، ۵/۵، ۵/۷ و ۱۰ دقیقه مورد بررسی قرار گرفت که نتایج آن در شکل(۴-۷) بیان شده است و مطابق نتایج بدست آمده زمان بهینه ۵ دقیقه ارزیابی گردید.
شکل ۴-۷- اثر زمان بر روی استخراج یون منگنز
۴-۵- بررسی عملکرد روش
برای اندازه گیری و تعیین منگنز، یک سری ارقام شایستگی برای آزمودن صحت و دقت روش تحت شرایط بهینه مورد ارزیابی قرار گرفت این ارقام شایستگی شامل موارد زیر می‌باشد:

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

۱- گستره خطی منحنی کالیبراسیون[۲۸]
۳- حد تشخیص[۲۹]
۴-فاکتور تغلیظ[۳۰]
۴-۵-۱- منحنی کالیبراسیون
تحت شرایط بهینه منحنی کالیبراسیون با بهره گرفتن از اضافه کردن محلول حاوی آنالیت در دامنه غلظتی ۰۱/۰ تا ۷۰۰ میلی گرم / لیتر رسم شد. ضریب همبستگی در گستره یاد شده ۹۹۵۴/۰ به دست آمد.
شکل ۴-۸ منحنی کالیبراسیون یون منگنز در گستره غلظت ۰۱/۰ تا ۷۰۰ میلی گرم / لیتر
۴-۵-۲- حد تشخیص
یکی از مزایای اصلی و عمده روش های دستگاهی آن است که قادرند مقادیر بسیار کمی از آنالیت را در مقایسه با روش های کلاسیک تشخیص داده و تعیین مقدار نمایند. حد تشخیص از اصلیترین شاخصهای روش های اندازه گیری کمّی تجزیهای بوده و برابر با غلظتی از آنالیت که تولید سیگنالی می‌کند که به طور معنادار با سیگنال زمینه یا شاهد تفاوت داشته باشد، تعریف میگردد ( چالوسی، ۱۳۸۸). حد تشخیص روش پیشنهادی به صورت ۳ برابر انحراف استاندارد سیگنال
تجزیهای محلول شاهد تقسیم بر شیب منحنی کالیبراسیون در نظر گرفته شده که از رابطه (۴-۲) بدست میآید:
(Sd)blank /m 3LOD=
۲-۴
(۴-۲)
(۴-۲)
(۴-۲)
(۴-۲)
در این معادلهm شیب منحنی کالیبراسیون و Sd انحراف استاندارد شاهد است. و حد تشخیص ۶/۰ نانوگرم / گرم به دست آمد.
۴-۵-۳- فاکتور تغلیظ
پارامتر دیگری که برای اعتبار فرایند پیش تغلیظ به کار گرفته میشود، فاکتور تغلیظ میباشد که از نسبت شیبهای منحنی های کالیبراسیون پیش تغلیظ و بدون پیش تغلیظ که برابر با ۵۱ می باشد و نشان دهنده این است که این روش، روشی مناسب برای استخراج منگنز از نمونه های غذایی میباشد.
۴-۶- آنالیز نمونه های واقعی
ارزیابی دقت و قابلیت روش پیشنهاد شده برای آنالیز نمونه های حقیقی با بهره گرفتن از استخراج و تعیین مقدار منگنز در نمونه های غذایی انجام شد. فرایند استخراج با فاز جامد توسط ضایعات چای از این نمونه‌ها، یک بار بدون افزودن مقادیر منگنز و بار دیگر با افزودن آن انجام گردید. نتایج بیان شده در جدول (۴-۴) بازیابی‌های خوبی از منگنز را از نمونه های غذایی نشان می‌دهد.
جدول۴-۴ تعیین منگنز در نمونه های غذایی (N=3)

Samples*

Manganese content (µgg-1:RSD%)

R%

Added

Found

آرد گندم

۰/۰

۵/۲ ± ۱/۹

۱/۰

۶/۱۸ ± ۱/۷

۹۸/۰

موضوعات: بدون موضوع  لینک ثابت
 [ 06:12:00 ب.ظ ]




شکل(۱- ۲۰): ساختار یک MLP سه لایه
۱-۸-۶- ترتیب ارائه داده ها به شبکه
ارائه داده های آموزش به شبکه به روش های مختلفی انجام می­گیرد:
۱- داده ها به ترتیب به شبکه وارد می­شوند.
۲- داده ها به صورت تصادفی به شبکه ارائه می­شوند.
۳- یک داده مکرراً به شبکه ارائه می­گردد تا هنگامی که معیار خطا به یک مقدار قابل قبول برسد، سپس داده بعدی وارد شبکه می­ شود.
از بین روش های ذکر شده، ارائه تصادفی داده ها به شبکه، بهترین نرخ همگرایی و کاهش خطا را در حین آموزش داراست. همچنین اصلاح وزنها می ­تواند بعد از ارائه کل داده های آموزش، یا بعد از ارائه هر داده و یا بعد از ارائه تعداد مشخصی داده به شبکه صورت گیرد.
۱-۸-۷- تابع انتقال
تابعی که ورودیهای یک نرون را تبدیل می­ کند، مستقیماً فرایند یادگیری را تحت تأثیر قرار می­دهد. برای انتقال ورودیهای یک نرون از هر تابعی می­توان استفاده کرد، اما معمولاً توابع خطی، سیگموئید و تانژانت هایپربولیک به کار می­رود.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

ساده ترین تابع، تابع خطی است که ورودیهای یک نرون را بدون تغییر به لایه بعدی یا به محیط انتقال می­دهد، در نتیجه دامنه آن ∞- تا ∞+ می­باشد. تابع خطی می ­تواند در لایه ورودی و یا لایه خروجی به کار رود، اما استفاده از آن در لایه مخفی فرایند یادگیری را مختل می­ کند.
اغلب برای شبکه های چند لایه ای از تابع انتقال سیگموئید استفاده می­ شود. تابع سیگموئید خروجی های بین (۱و۰) تولید می­ کند که درآن ورودیهای نرون از ∞- به سوی ∞+ می­رود.
(۱-۴۹)
همچنین در بعضی موارد ممکن است از تابع انتقال تانژانت هایپربولیک استفاده شود.
(۱-۵۰)

شکل(۱- ۲۱): تابع انتقال سیگموئید
شکل(۱- ۲۲): تابع انتقال تانژانت هایپربولیک
این دو نوع تابع معرفی شده پر استفاده ترین توابع در شبکه های عصبی هستند. اما توابع انتقال مختلف دیگر می­توانند خلق شوند و اگر لازم باشد با الگوریتم پس انتشار مورد استفاده قرار گیرند.
۱-۸-۸- پایان آموزش
مسأله دیگری که در الگوریتم یادگیری مطرح است این است که چه هنگام باید آموزش خاتمه یابد. برای این کار یکی از سه روش زیر می ­تواند استفاده شود:
۱- یک مقدار ثابت برای تعداد دورهای (Epoch) ارائه کل داده ها به شبکه در نظر گرفته شود. اگر در انتهای آموزش نتایج رضایت بخش نبود، مراحل دوباره تکرار شود.
۲- در حین آموزش بعد از هر n دور ارائه داده ها به شبکه، آموزش موقتاً متوقف شده و عملکرد شبکه سنجیده شود. سنجش عملکرد شبکه می ­تواند در برابر سری داده های آموزش یا سری داده های Cross Validation صورت گیرد.
۳- دو روش بالا برای معیار خاتمه آموزش می­توانند ترکیب شوند.
عموماً عملکرد یک شبکه عصبی در برابر یک سری داده Cross Validation امتحان می­ شود تا نتایج آینده شبکه مورد قضاوت قرار گیرد و همچنین از آموزش بیش از حد شبکه جلوگیری شود.
۱-۸-۹- تعداد نرون در لایه ها
تعداد نرون در لایه ورودی به تعداد پارامترهای مستقل مؤثر بر پدیده مورد بررسی می­باشد. همچنین تعداد نرون در لایه خروجی برابر با تعداد متغیرهایی است که باید پیش بینی شوند. تعداد نرون در لایه مخفی متغیری است که باید تعیین شود. معمولاً مقدار این متغیر بر پایه سعی و خطا با توجه به نتایج شبکه تعیین می­ شود، اما روش های تئوری متعددی نیز برای تعیین این متغیر وجود دارد­[۲۵]. همچنین می­توان از روش های بهینه سازی مانند الگوریتم ژنتیک برای یافتن مقدار بهینه تعداد نرونها در لایه مخفی استفاده کرد.
۱-۸-۱۰- معیار‌های نیکویی برازش
معمولاً از معیار‌های آماری مختلفی برای سنجش عملکرد شبکه عصبی استفاده می‌شود که مهم‌ترین آن‌ها عبارتند از:
تحلیل رگرسیون
با بهره گرفتن از برازش می‌توان نتایج پیش‌بینی شده‌ی شبکه را در برابر خروجی مطلوب در نموداری که به‌عنوان نمودار تحلیل رگرسیون است (متغییر مستقل در مقابل متغییر وابسته رسم می‌شود) رسم کرد. مطابق رابطه‌ی (۱-۵۳)، دو معیار a وb، را محاسبه کرد که هر چه مقدار b نزدیک به ۱ و هر چه مقدار a نزدیک به صفر باشد، بیان‌کننده‌ی مناسب بودن عملکرد به‌کار رفته است.

(۱-۵۳)
ضریب همبستگی[۴۷]
ضریب همبستگی، بیان‌کننده‌ی میزان همبستگی بین نتایج پیش‌بینی شده‌ی شبکه و داده‌های واقعی می‌باشد و به‌عبارتی از تقسیم کوواریانس متغیر‌های مستقل و وابسته، بر انحراف معیار آن‌ها به‌دست می‌آید. مطابق رابطه‌ی (۱-۵۴)، می‌توان ضریب همبستگی را محاسبه کرد. بدیهی است که هر چه مقدار این ضریب به عدد ۱ نزدیکتر باشد، نشان‌دهنده‌ی نزدیکی بیشتر مقادیر پیش‌بینی شده با مقادیر واقعی است.

(۱-۵۴)
که در آن:
: مقادیر مشاهده شده (واقعی).
: میانگین مقادیر مشاهده شده (واقعی).
: مقادیر تخمینی (خروجی شبکه).
: میانگین مقادیر تخمینی (خروجی شبکه)، می‌باشد.
مجذور میانگین مربعات خطا[۴۸]
یک شاخص مناسب‌تر که می‌توان از آن در برآورد میزان دقت شبکه استفاده کرد، مجذور میانگین مربعات خطا می‌باشد. این معیار، دقت مدل را بر اساس تفاضل بین مقادیر واقعی و مقادیر پیش‌بینی شده، ارزیابی می‌کند و طبیعتاً هرچه به صفر نزدیک‌تر باشد، نمایانگر اختلاف کمتری بین آن‌ها خواهد بود. مجذور میانگین مربعات خطا با رابطه‌ی (۱-۵۵) تعریف می‌شود.

(۱-۵۵)
که در آن، n تعداد داده‌ها وسایر پارامتر‌ها مانند رابطه‌ی (۱-۵۴) می‌باشند.

موضوعات: بدون موضوع  لینک ثابت
 [ 06:12:00 ب.ظ ]




تخلخل ماتریس

تغییرات زمان

تغییرات حجم سیال داخل چاه تحت شرایط چاه

تغییرات فشاری اعمال شده به چاه

تغییرات فشار

نسبت جریان بین دانه‌ای

ضریب شکل

نسبت ظرفیت شکاف به ماتریس

فصل اول
مقدمه
مقدمه­ای بر مهندسی مخزن
نفت خام­، گاز طبیعی و آب موادی هستند که برای مهندسان نفت دارای اهمیت ویژه­ای هستند­. این مواد که در دما و فشار پایین گاهی به صورت جامد یا نیمه جامد­­ (مانند پارافین­، هیدرات­های گازی­، یخ و نفت خام با نقطه ریزش بالا) یافت می­شوند­­، در اعماق زمین ودر ستون چاه به حالت سیال­، به صورت فاز بخار (گاز) یا مایع یا عمدتا دو فازی ظاهر می­شوند­. مواد جامدی که در عملیات حفاری­، سیمان­کاری و ایجاد شکاف به­کار برده می­شوند نیز به حالت سیال یا دوغاب استفاده می­شوند­. تقسیم ­بندی سیالات مخزن و چاه به فازهای مایع و بخار­، به دما و فشار وابسته است­. وقتی دما ثابت است­، حالت یا فاز سیال درون مخزن با فشار تغییر می­ کند­. در بسیاری از موارد­، حالت یا فاز سیال درون مخزن با حالت یا فاز سیال در هنگام تولید در شرایط سطح مطابقت ندارد­. شناخت دقیق رفتار نفت خام­، گاز طبیعی و آب – به صورت تکی یا ترکیبی- تحت شرایط مختلف از مهمترین اهداف مهندسان نفت است­.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

اوایل سال ۱۹۲۸­، توجه خاصی به روابط گاز و انرژی شد­ و مهندسان نفت در مورد شرایط فیزیکی چاه­ها و مخازن زیر­زمینی­، دست­یابی به اطلاعات دقیق­تر را لازم دانستند­. پیشرفت­های اولیه در مورد روش­های بازیافت نفت این موضوع را آشکار ساخت که محاسبات انجام شده بر اساس اطلاعات سر چاه یا داده ­های سطح­،اغلب گمراه­کننده هستند­. اسکلاتر و استفانسون[۱] اولین دستگاه ثبت فشار درون چاهی و نمونه­گیر را برای نمونه گیری از سیالات تحت فشار درون چاه­ها ابداع کردند[۱]. جالب اینکه این دستگاه داده ­های درون چاهی را باتوجه به مقادیر مثبت فشار، دما، نسبت­های گاز به نفت و طبیعت فیزیکی و شیمیایی سیالات مشخص می­ کند­. لزوم اندازه ­گیری فشارهای صحیح درون چاهی هنگامی مورد توجه قرار گرفت که اولین دستگاه فشار سنج دقیق توسط میلیکان و سیدول[۲] ساخته شد و اهمیت اساسی فشارهای درون چاهی در تعیین مؤثرترین روش­های بازیافت و فرایند­های فرازآوری، به مهندسان نفت نشان داده شد[۲]­. به این ترتیب مهندس مخزن قادر خواهد بود فشار مخزن که مهمترین داده­ی پایه ای مورد نیاز محاسبات عملکرد مخزن است­، اندازه ­گیری کند­.
دانش پتروفیزیک­، مطالعه­ خواص سنگ­ها و ارتباط با سیالات موجود در آن­ها در هر دو حالت استاتیک و جریانی می­باشد­. تخلخل­، تراوایی­، درجه اشباع و توزیع سیالات­، ضریب هدایت الکتریکی سنگ و سیال­، ساختار منافذ و رادیواکتیویته­، برخی از مهم­ترین خواص پتروفیزیکی هستند­. پیشگامان علم مهندسی مخزن از همان ابتدا به این نکته پی برده بودند که قبل از محاسبه­ی حجم­های نفت و گاز درجا­، آگاهی از تغییر خواص فیزیکی نمونه­های ته چاهی سیالات مخزن­، نسبت به فشار، ضروری است­.
طی دهه­ ۱۹۶۰­، عبارات شبیه سازی و مدل­سازی ریاضی مخزن عمومیت یافت[۳]­­. این عبارت مترادف هستند و به توانایی استفاده از معادلات ریاضی جهت پیش بینی عملکرد مخزن نفت یا گاز اشاره دارند­. پیدایش رایانه­های دیجیتالی پرسرعت در مقیاس وسیع­، باعث تقویت علم شبیه سازی مخازن گردید­. روش­های عددی پیچیده نیز با بهره گرفتن از شیوه ­های اختلاف محدود یا المان محدود­، جهت حل تعداد زیادی از معادلات گسترش یافت­.
با توسعه این روش­ها­، مفاهیم و معادلات مهندسی مخزن به صورت شاخه­ای قوی تعریف شده از مهندسی نفت در آمد­. مهندسی مخزن عبارت است از کاربرد اصول علمی جهت حل مسائل تخلیه که ضمن توسعه و بهره ­برداری مخازن نفت و گاز بروز می­نماید­. مهندسی مخزن (هنر توسعه و بهره ­برداری سیالات نفت وگاز به طریقی که بازیابی اقتصادی بالا حاصل شود) نیز تعریف شده است[۴]­.

­مخازن نفت و بهره ­برداری از مخازن نفتی

موضوعات: بدون موضوع  لینک ثابت
 [ 06:12:00 ب.ظ ]
 
مداحی های محرم