مطالب توسط

ترکیب روش های مصنوعی و زمین آمار برای پیش بینی زمانی و مکانی سطح آب زیرزمینی دشت هادیشهر

دشت های هادیشهر با وسعتی معادل 57/55 کیلومتر مربع در شمال غرب استان آذربایجان شرقی واقع شده است در چند سال اخیر به دلیل برداشت بی رویه از آب های زیرزمینی، این دشت سطح آب زیرزمینی افت شدیدی داشته است لذا به منظور یافتن راهکارهای مفید برای مدیریت صحیح منابع آب زیرزمینی از ترکیب مدل های هوش مصنوعی و زمین آمار پیش بینی زمانی و مکانی سطح آب زیرزمینی استفاده شده است.

مقایسه‌کارایی‌روشهای‌هوش‌مصنوعی‌و‌زمین آمار

هدف از مقاله حاضر مدلسازی توزیع مکانی آرسنیک در دشت چهاردولی با استفاده از زمین آمار، منطق فازی و برنامه ریزی بیان ژن (GEP)است. به این منظور محققین در مهرماه 1399 اقدام به نمونه برداری از منابع آب زیرزمینی این دشت کردند. نتایج حاصل، حاکی از غلظت های بالای آرسنیک در منطقه است. پارامترهای هیدروشیمیایی دارای بالاترین مقادیر همبستگی با آرسنیک شامل سیلیس، پتاسیم و سدیم به عنوان ورودی مدل برای محاسبه غلظت آرسنیک کل استفاده شد.

ترکیب خودکار سرویس های مکانی به منظور تهیه نقشه پهنه بندی زمین لغزش با استفاده از روش های برنامه ریزی هوش مصنوعی

داده های مکانی دقیق و به نگام نقش بنیادین در برنامه ریزی و مدیریت بحران ایفا می نمایند. با این وجود در حال حاضر دسترسی به داده های مکانی و استفاده سریع و آسان از آنها در تصمیم گیری ها با مشکلات بسیاری روبه رو است. ترکیب خودکار سرویس های مکانی می تواند به عنوان یک راه کار جامع برای بهبود روال تصمیم سازی و تصمیم گیری در مدیریت بحران مطرح شود. این نوشتار بر آن است تا با ارایه راه حلی اجرایی به منظور فراهم آوردن امکان انجام پردازش های پیچیده مکانی با استفاده از ترکیب خودکار سرویس های مکانی فرایند برنامه ریزی مدیریت بحران را بهبود بخشد. بر این اساس سرویس های مکانی، که توسط سازمان های مختلف توسعه داده شده، به صورت نحوی و معنایی تشریح شده و در بستر زیرساخت ملی داده مکانی پیاده سازی می شوند. این سرویس ها در ادامه متناسب با نیاز کاربران با استفاده از الگوریتم های برنامه ریزی هوش مصنوعی با یکدیگر ترکیب شده و پردازش های مورد نیاز را اجرا می کنند. روش ارایه شده با استفاده از یک مورد اجرایی در زمینه ایجاد نقشه پهنه بندی خطر زمین لغزش راست آزمایی شده است

پیش بینی زمانی و مکانی سطح آب زیرزمینی با استفاده از روش های هوش مصنوعی وزمین آمار

نبود منابع آب سطحی دائمی در بسیاری از نقاط كشور باعث اضافه برداشت آب از منابع محدود زیرزمینی شده است. در دشت دوزدوزان كه در حوضه آبریز دریاچه ارومیه قرار دارد، به دلیل عدم جریان سطحی دائمی برداشت بی رویه از منابع آب زیرزمینی باعث ایجاد متوسط افت 76 سانتیمتر در سال شده است. هدف از این مقاله پیش بینی سطح آب زیرزمینی یا در ن دشت با استفاده از روش های هوش مصنوعی و زمین آمار می باشد. در ابتدا با استفاده از روش خوشه بندی مرتبه یا (HCA) پیزومترها دسته بندی شدند. با انجام آنالیز حساسیت، داده های ماهانه سطح آب، بارش و تبخیر هركدام با یك تأخیر زمانی طی دوره 10 ساله از (91-82) به عنوان ورودی های مدل انتخاب شدند. پس از نرمال سازی داده ها مدلسازی با شبکه های عصبی (ANNs) انجام شد.

هوش مکانی چیست؟

سیستم اطلاعات مکانی (GIS) به همراه ابزار­های مربوطه، GIS دان ها رو قادر می سازد تا داده‌­های جغرافیایی رو جمع آوری، ذخیره و تجزیه­‌و­ تحلیل کنند. تنها داده­‌های جغرافیایی نیستند که در GIS به کار می روند اما هر داده‌­ای که قرار است در یه تحلیل مکانی به کار برده شود حتما باید ژئوتگ گردد (یعنی به یه مکان خاصی نسبت داده شود).

 

ارائه روش نظارتی برای نظركاوی در زبان فارسی با استفاده از لغتنامه و الگوریتم SVM

به سبب رشد سریع شبكه ها و رسانه های اجتماعی، امكان دسترسی افراد بـه نظرهـای دیگران افزایش یافته است. نظرها، حاوی اطلاعات ارزشمندی اند كه با تحلیل آنها، می توان بـه گرایش ها و ترجیح افراد پی برد و نظرهای مثبت و منفی را نسبت به مسائل گوناگون، شناسایی كرد. نظركاوی فرایندی است كه به تحلیل عاطفه ها، احساس ها و نظرهای افراد می پـردازد و از این طریق، اولویت افراد را شناسایی می كند. در این مقاله، روشی برای نظركاوی در زبان فارسی ارائه شده است كه از تركیب لغت نامه و الگوریتم نظارتی ماشین بردار پشتیبان (SVM) اسـتفاده می كند. برای ایجاد لغتنامه، از لغتنامة SentiWordNet بهره برده شده اسـت. در واقـع ایـن لغتنامه، مجموعة ویژگی های الگوریتم SVM است. برای ارزیابی نتایج، از داده های دامنة هتل استفاده شد. چهار فرضیه برای دستیابی به بهترین نتیجه تعریف شد كه از ایـن بـین، بیشـترین درستی، به فرضیة حاصلضرب قطبیت در تعداد تكرار كلمه ها اختصاص یافت.

ارائه روش جديد شباهت‌یابی برای بهينه‌سازی كسب‌وكار در فروشگاه‌های اينترنتی با استفاده از تكنولوژی‌های زمان نرخ‌دهی

یكی از پیامدهای مهم گسترش اینترنت در عصر حاضر، پیدایش وب گـاههـای تجـارت الكترونیكی است؛ اما تنوع اقلام عرضـه شـده مـی توانـد انتخـاب محصـولات مناسـب را بـرای مشتریان به فرایند پیچیده ای تبدیل كند. شركتها برای رفع این مشكل استفاده از سیستم های پیشنهاد دهنده را توصیه می كنند. به دلیل درصد زیاد خطا در پالایش و ارائة پیشـنهادها، معمـولاً در اینگونه سیستم ها از چند روش پایه برای پیشنهاد اقلام مورد علاقة كاربر استفاده مـیشـود.  روش پالایش همكارانه، یكی از موفق ترین روش های بـه كاررفتـه در ایـن سیسـتم هاسـت؛ امـا استفاده از این روش با افزایش تعداد كـاربران و محصـولات، مجموعـه را بـا مشـكلاتی ماننـد ناتوانی در پاسخگویی به نیازهای كاربران جدید و تُنُكی داده مواجـه مـی كنـد. بـه منظـور رفـع مشكل یادشده، در این پژوهش روش جدیدی معرفی شده است كه بـا ادغـام زمـان نـرخ دهـی كاربران با معیار شباهت یابی پیرسون و همچنین ادغام تكنولوژیهای معنایی و شبكة اجتماعی، راه حلی برای كاهش مشكل كاربران جدید و تنكی داده هـا ارائـه مـی كنـد. نتـایج پیـاده سـازی الگوریتم ها نشان میدهد رویكرد ارائه شده عملكرد بهتر و صحت بیشتری دارد و پیش بینی هـای آن با سلیقة كاربران همخوانی بیشتری دارد.

كشف تقلب در تراكنش‌های كارت‌های بانكی با استفاده ازپردازش موازی ناهنجاری در بزرگ‌داده

با رشد روزافزون استفاده از كارت های الكترونیكی، به خصوص در صنعت بانكی، حجم تراكنش با این كارتها نیز به سرعت افزایش پیدا كرده است. به علاوه، ذات مالی این كـارت هـا سبب ایجاد مطلوبیت تقلب در این حوزه شده است. تحقیق حاضر با رویكرد پـردازش مـوازی و راه حل نگاشت كـاهش، از شـبكه عصـبی مـدل كوهـونن بـرای كشـف ناهنجـاری در تـراكنش كارت های بانكی اسـتفاده كـرده اسـت. بـرای ایـن منظـور، در مرحلـه نخسـت راهحلـی بـرای طبقه بندی تراكنش ها به تقلب آمیز و قانونی پیشنهاد شد كه نسبت به روش های دیگـر عملكـرد بهتری از خود نشان داد. در مرحله بعد، روش پیشنهادی به دست آمده از تبدیل شبكه كوهونن به فرم استفاده شده نگاشت كاهش، توانست قابلیت مناسبی را از نظر زمان اجرا به نمایش بگـذارد؛ به طوریكه انتظار می رود در تراكنش هایی با مفروضات بزرگ داده به خوبی پیاده سازی شود.

مروری بر مدل‌های داده‌ای در پایگاه‌های داده NoSQL

از گذشته تاکنون پایگاه های داده رابطه ای از رونق خاصی در دنیای کامپیوتر و نرم افزار برخوردار بوده اند. امروزه نیز با توجه به افزایش تولید داده های بزرگ و غیر ساختاریافته، به دلایل مختلف، نوعی پایگاه داده متفاوت در حال گسترش می باشد که به این دسته از پایگاه های داده NOSQL می گویند. در این تحقیق علاوه بر بررسی و مرور کلیات پایگاه های داده NOSQL ، به بررسی ساختارها و مدل های داده ای مرتبط با NOSQL پرداخته می شود. مدل های داده ای دارای دسته بندی های گوناگونی هستند که هر کدام در حوزه کاری خود مورد استفاده قرار دارند. در این تحقیق به این دسته بندی ها بطور دقیق پرداخته می شود.

طراحی مدلی برای اندازه‌گیری هوشمندی استراتژیک سازمانی

تغییرات مستمر در محیط کسب و کاردر سالهای اخیر، سازمان ها را ملزم به نظارت بر محیط درون و بیرون خود و تجزیه وتحلیل اطلاعات حاصل ازاین تغییرات نموده است تا از این طریق بتوانند واکنش به موقع در فرصت ها و تهدیدها از خود نشان دهند. در همین راستا، سیستم های هوشمندی استراتژیک به عنوان ابزاری نوین با فراهم کردن اطلاعات مورد نیاز هر بخش سازمان، مدیران را در دستیابی به این مهم یاری می رساند. بنابراین با توجه به اهمیت هوشمندی استراتژیک، این مقاله با شناسایی انواع متفاوت هوشمندی ازدیدگاه محیط درونی و بیرونی، به طراحی مدلی برای اندازه گیری هوشمندی استراتژیک پرداخته است.

حرکت به سمت یک سازمان داده محور

مهمترین عاملی که می تواند یک سازمان را به سازمانی داده محور تبدیل کند، داشتن رهبری است که قادر باشد با ایجاد یک فرهنگ صحیح، داده را در قلب یک سازمان قرار دهد. ایجاد فرهنگ مبتنی بر داده در یک سازمان مستلزم یک تغییر بزرگ است. تغییری که الزم است بر اساس یک مدل تغییرات به درستی مدیریت و هدایت گردد. بسیاری از سازمانها برای ایجاد این تغییر از مدل معروف Kotter استفاده می کنند. در این مقاله ضمن بررسی مدل هشت مرحلهای مدیریت تغییرات Kotterبا نحوه به کارگیری آن به منظور حرکت در مسیر یک سازمان داده محور آشنا خواهیم شد

خوشه‌بندی کاربران داده‌های دریایی با استفاده از تکنیک داده‌کاوی

هدف از این مقاله خوشـه بنـدی كـاربران داده هـای دریـایی بـا اسـتفاده از تكنیك داده كاوی است. با محقق شدن این هدف، سازمان های دریایی قادر به شـناخت داده های موجود و همچنین اطلاع از نیازهای كاربران خود خواهند شد. در این تحقیـق برای پیاده سازی دادهكاوی از مدل استاندارد CRISP-DM استفاده شده است. داده های مورد نیاز از اطلاعات و پروفایل 500 كاربر داده های دریایی از سال 1386 تـا 1393 در پژوهشگاه ملی اقیانوس شناسی و علوم جوی استخراج شده است. بـرای خوشـه بنـدی از الگوریتم TwoStep استفاده شده است. در این تحقیق، برای نخسـتین بـار بـا اسـتفاده از خوشــه بنــدی، الگــویی میــان كــاربران داده هــای دریــایی اعــم از دانشــجو، ســازمان و پژوهشگر، و اطلاعات داده های مورد درخواست آنها (منبـع داده، نـوع داده، مجموعـه داده، پارامتر و منطقه جغرافیـایی) كشـف شـد. مهـمتـرین خوشـه هـای بـه دسـت آمـده عبارت اند از كاربر دانشجو با منبع داده بین المللـی، كـاربر دانشـجو بـا نـوع داده شـیمی دریا، كاربر دانشجو با مجموعه داده «پایگاه داده اقیانوسـی جهـانی»، كـاربر سـازمان بـا پارامتر نیترات و كاربر دانشجو با منطقه جغرافیـایی خلـیج فـارس. كشـف ایـن الگوهـا، مدیران ارشد را قادر می سازد تا به درستی در مورد داده های موجود خود و برنامه ریـزی برای جمع آوری داده در آینده تصمیم گیری كنند و درك بهتری از نیازهـای كـاربران خود داشته باشند و كاربران داده نیز در راستای تقاضای خـود هـدایت شـوند.