پیش بینی درآمدهای مالیاتی قابل حصول در منابع مختلف مالیاتی، علاوه بر تخصیص بهینه منابع محدود سازمانی در جهت وصول مالیات، دولت را در انجام برنامه ریزی های دقیق مالی کمک می نماید. این مقاله با استفاده از الگوریتم تکاملی ازدحام ذرات و نسخه بهبودیافته آن به پیش بینی درآمدهای مالیاتی کشور به تفکیک منابع وصولی (مالیاتهای کل، کالا وخدمات، اشخاص حقوقی، درآمد و ثروت) برای سالهای 95-1392 می پردازد. به این منظور از داده های درآمدهای مالیاتی سالهای 86-1350 برای آموزش شبکه استفاده شده و سپس با استفاده از الگوریتم تکاملی ازدحام ذرات و ازدحام ذرات بهبود یافته پارامترهای این مدل بهینه شده است. از داده های سالهای 91-1387 برای آزمون مدل استفاده شده که نتایج تاییدی بر عملکرد مدل مورد استفاده بوده و در نهایت پیش بینی برون نمونه ای درآمدهای مالیاتی به تفکیک منابع وصولی برای سالهای 95-1392 با استفاده از نرم افزار MATHLAB انجام شده است.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

محاسبه عمق آب هنگام وقوع سیل جهت برآورد خسارات ناشی از آن، امری ضروری است. استفاده از روش های هیدرولیکی (حل معادلات سنت-ونانت) جهت روندیابی سیل و محاسبه عمق آب، به دلیل نیاز داشتن مشخصات مقاطع رودخانه در فواصل مناسب، امری زمان بر، مشکل و پر هزینه است. استفاده از روش های هیدرولوژیکی مانند روش ماسکینگام خطی جهت روندیابی سیل، علاوه بر سادگی و کم هزینه بودن، از دقت مناسبی نیز برخوردار است. تاکنون از روش ماسکینگام خطی جهت محاسبه هیدروگراف خروجی (تغییرات دبی بر حسب زمان در پایین دست) استفاده شده است. در حالیکه در تحلیل اقتصادی و برآورد خسارات سیل و مدیریت و مهندسی سیل، محاسبه تغییرات عمق آب نسبت به زمان در پایین دست از اهمیت بسزایی برخوردار است. لذا در پژوهش حاضر با استفاده از روش ماسکینگام خطی و الگوریتم بهینه سازی ازدحام ذرات ((PSO)) به جای محاسبه تغییرات دبی خروجی (پایین دست) نسبت به زمان، تغییرات عمق آب خروجی (پایین دست) نسبت به زمان در حد فاصل ایستگاه های هیدرومتری ملاثانی (بالادست) و اهواز (پایین دست) رود کارون محاسبه شده است. روش جدید ارائه شده در پژوهش حاضر، علاوه بر اینکه از دقت مناسبی برخوردار است، نسبت به روش های هیدرولیکی ساده تر و کم هزینه تر نیز می باشد.

تحلیل جریان ماندگار درون مصالح سنگریزه ای با استفاده از دو روش تیوری جریان های متغیر تدریجی که جریان را به صورت یک بعدی تحلیل می کند و حل معادله پارکین که جریان را به صورت دو بعدی تحلیل می نماید، انجام می شود. محاسبه گرادیان هیدرولیکی (i) در هر دو روش اهمیت بالایی دارد. اغلب پژوهش های انجام شده در این زمینه در محیط های سنگریزه ای همگن انجام شده و بررسی های محدودی در زمینه جریان در محیط های سنگریزه ای غیر همگن صورت گرفته است. در این تحقیق، از نتایج آزمایش های موجود در محیط سنگریزه ای همگن و غیر همگن افقی که سه لایه مصالح با اندازه ذرات درشت، متوسط و ریزدانه بر روی هم قرار گرفته اند، استفاده شده است. در داده های آزمایشگاهی استفاده شده در پژوهش حاضر، تغییرات گرادیان هیدرولیکی نسبت به سرعت جریان در هر یک از سه لایه همگن، به صورت جداگانه و متفاوت در دسترس بوده و هم چنین تغییرات مذکور در محیط غیر همگن افقی متشکل از سه لایه نیز به صورت جداگانه در دسترس بوده است. با توجه به اینکه جهت تشکیل محیط غیر همگن افقی، لایه های همگن درشت، متوسط و ریز به ترتیب بر روی یکدیگر قرار گرفته اند، در راهکار ارایه شده در پژوهش حاضر نیز داده های جریان ماندگار محیط همگن با همان ترتیب در الگوریتم بهینه سازی ازدحام ذرات ((PSO)) جهت بهینه یابی ضرایب رابطه دوجمله ای (a, b) و به تبع آن محاسبه گرادیان هیدرولیکی قرار داده شده اند. به عبارت دیگر، در پژوهش حاضر مقادیر مربوط به ضرایب a, b معادل در محیط سنگریزه ای غیر همگن افقی با توجه به نحوه قرارگیری لایه های همگن بر روی یکدیگر و فقط با استفاده از داده های جریان ماندگار در محیط همگن (درشت دانه، متوسط و ریز دانه) بهینه یابی شده و نتایج بیانگر آن است که، اختلاف میانگین خطای نسبی (MRE) راهکار ارایه شده در پژوهش حاضر نسبت به شرایطی که از داده های جریان در محیط غیر همگن افقی به طور مستقیم جهت محاسبه ضرایب a, b و به تبع آن گرادیان هیدرولیکی استفاده شود، برابر با 38/1 درصد می باشد.

در این مقاله یک الگوریتم هیبریدی جدید بر اساس ترکیب روش شبکه عصبی مصنوعی پیشخور و روش بهینه سازی ازدحام ذرات (ANN-(PSO)) برای تخمین مقادیر مصالح مورد استفاده در طرح اختلاط بتن خودتراکم که یک مقدار مشخص از مقاومت فشاری 28 روزه را دارا باشد، ارائه داده می­شود. مصالح مورد استفاده در بتن خودتراکم شامل آب، سیمان، شن، ماسه، پودر سنگ، فوق روان کننده و میکروسیلیس است. شبکه عصبی مورد استفاده در این الگوریتم، شبکه عصبی پیشخور دو لایه است. در این الگوریتم، روش بهینه ساز ازدحام ذرات وظیفه تعریف جمعیت های اولیه (طرح های اختلاط اولیه) و تعیین بهترین جمعیت و بهینه کردن آن با تکرار بعهده دارد و وظیفه شبکه عصبی مصنوعی پیش بینی مقدار مقاومت فشاری بتن با توجه به جمعیت بهینه شده در هرتکرار با روش بهینه ساز ازدحام ذرات می­باشد. در این تحقیق از 56 طرح اختلاط بتن خودتراکم استفاده شده است. بعد از آموزش الگوریتم با طرح های اختلاط بتن خودتراکم و نیز مقادیر مقاومت فشاری 28 روزه متناظر با آنها، مقدار مقاومت فشاری 28 روزه یکی از طرح های اختلاط را بعنوان ورودی به الگوریتم معرفی شد. الگوریتم با دقت قابل قبولی مقادیر مصالح بتن خودتراکم متناظر با این مقاومت فشاری را پیش بینی نمود، بطوریکه خطای بین مقاومت فشاری پیش بینی شده برای مصالح تخمین زده شده و مقاومت فشاری اولیه 02/0 مگاپاسکال است. با توجه به نتایج بدست آمده می­توان گفت که الگوریتم پیشنهادی ANN-(PSO) ابزاری قدرتمند برای تخمین مقادیر طرح اختلاط بتن خودتراکم برای یک مقدار مشخص از مقاومت فشاری 28 روزه است.

متن کامل این مقاله به زبان انگلیسی می باشد. لطفا برای مشاهده متن کامل مقاله به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

برنامه ریزی برای برداشت بهینه از منابع نفتی با توجه به محدودیت های فنی و پیش بینی ها و مدل سازی های اقتصادی، به عنوان یک ضرورت برای کسب حداکثر سود از محل فروش نفت خام و متعاقبا تامین منافع ملی بین نسلی کشورهای تولیدکننده و صادرکننده نفت شناخته می شود. در این مطالعه، مسیر بهینه تولید از میدان نفتی آزادگان جنوبی با استفاده از یک روش بهینه یابی فراابتکاری به نام الگوریتم ازدحام ذرات ((PSO))، در یک دوره سی ساله برآورد شده است. همچنین به منظور شبیه سازی حداکثری شرایط فنی و فیزیکی میدان، از مفهوم حداکثر نرخ تخلیه کارا (MER) و به منظور اعمال پویایی های اقتصادی بازار جهانی نفت نیز، از سه سناریوی قیمتی و دو سناریوی نرخ تنزیل استفاده شده است. نتایج مطالعه نشان می دهد که در صورت اجرای برنامه های ازدیاد برداشت (EOR) و تزریق گاز به طاقدیس سروک این میدان، همزمان با تولید از آن، در طول دوره شبیه سازی، بیش از 6 میلیارد بشکه نفت اضافی به حجم قابل استحصال میدان اضافه شده و تولید تجمعی میدان نیز از حدود 1.4 میلیارد بشکه بر اساس تولید برنامه ریزی شده کنونی در RMDP میدان، به بیش از 3 میلیارد بشکه بر اساس مسیر تولید بهینه پیشنهادی این مطالعه می رسد.