در این تحقیق با بکارگیری آنالیز موجک، رفتار بتا (شاخص ریسک سیستماتیک) و رابطه بین ریسک و بازده مبتنی بر مدل قیمت گذاری داراییهای سرمایه ای درچارچوب مقیاسهای زمانی متفاوت بازده، مطالعه گردیده است. هدف تحقیق، بیان اهمیت مفهوم مقیاس- زمان ،اهمیت بکارگیری فواصل زمانی متفاوت بازده درانجام محاسبات ضریب بتا به منظور استفاده از این شاخص درچارچوب تصمیم گیریهای سرمایه گذاری و نیز تعیین دوره زمانی مطلوب نگهداری سهام است تا مشخص شود که، رفتاربتا درچارچوب مقیاسهای زمانی متفاوت چگونه است؟بدین منظوربا بکارگیری آنالیز موجک، واریانس موجک بازده پرتفوی سهام بازار، کوواریانس موجک بین بازده پرتفوی سهام بازار و بازده سهام و بتای هر سهم برای سری زمانی بازده های روزانه سهام 80 شرکت پذیرفته شده در بورس اوراق بهادار تهران در فاصله زمانی 1378 تا 1386 به تفکیک مقیاسهای زمانی تعریف شده، محاسبه گردیده است. این تحقیق، جزء تحقیقات توصیفی (شبه آزمایشی) طبقه بندی، طرح تحقیق مورد استفاده طرح تحقیق پس رویدادی و فرضیه های تحقیق با استفاده از روشهای آماری تحلیل همبستگی آزمون گردیده اند. نتایج آزمون فرضیه های تحقیق بیانگر این است که، بین بتا و بازده مورد انتظارسهام انفرادی وبازده مورد انتظار پرتفویهای سهام در هیچ یک از مقیاس های زمانی تعریف شده، رابطه مثبت و معنی داری وجود ندارد. یعنی ضریب بتا در بورس اوراق بهادار تهران هیچ نقشی در تشریح بازده ندارد. از طرف دیگر، با وجود تفاوت در میزان شدت همبستگی بین متغیرهای بتای تاریخی و آتی سهام انفرادی و پرتفوی سهام در مقیاس های زمانی مختلف بازده تعریف شده، اما بین متغیرهای بتای تاریخی و آتی سهام انفرادی و پرتفوی سهام در مقیاس های زمانی متفاوت بازده، رابطه مثبت و معنی دار وجود دارد. لذا نتایج تحقیق بیانگر این است که، پیش بینی های مبتنی بر مدل قیمت گذاری داراییهای سرمایه ای در بورس اوراق بهادار تهران در افق های زمانی بازده کوتاه مدت وبلند مدت در مقیاسه با افق زمانی میان مدت، مربوط تر بوده و مدل قیمت گذاری داراییهای سرمایه ای یک مدل چند مقیاسه است. بدین صورت که، با بکارگیری فواصل متفاوت بازده برای یک سهم، برآوردهای متفاوت بتا برای یک سهم امکان پذیر است.

این مقاله بیان جدیدی از فرضیه فیشر را ارائه می دهد که بیانگر ارتباط مثبت بین بازده اسمی سهام و تورم می باشد. رویکرد جدید بر اساس روش چند مقیاسی موجک می باشد که سری های زمانی را در مقیاس های متفاوت تجزیه می کند. بر این اساس سری های زمانی مورد مطالعه در سه سطح جزییات و یک سطح هموار موجک تجزیه شده اند. نتایج تحقیق نشان می دهد که ارتباطی مثبت بین بازده اسمی سهام و تورم در افق دو ماهه و افق هشت ماهه وجود دارد، در حالی که رابطه ای منفی در افق چهار ماهه نشان داده می شود. همچنین در افق یک ماهه رابطه معنی داری دیده نمی شود. این مطلب نشان گر این است که نتایج بازده اسمی، حمایت کننده فرضیه فیشر برای دارائی های ریسکی در دامنه d2 و S3 موجک می باشد، در حالیکه بازده سهام در مقیاس های زمانی یک ماهه و چهار ماهه در برابر تورم مصونیت ایجاد نمی کند.

بسیاری از شکست های سازه ای بسبب گسیختگی مواد تشکیل دهنده رخ می دهند. آغاز این گسیختگی ها با ترک توام بوده که با گسترش خود به عنوان تهدید جدی برای رفتار سازه محسوب می شوند، بر این اساس روشهای تشخیص و نمایان سازی ترک موضوع تحقیقات گسترده ای است که تاکنون انجام شده و کماکان ادامه دارد. در این مقاله ابتدا سازه با استفاده از نرم افزار اجزا محدود (ANSYS) تحت آنالیز دینامیکی گذرا قرار گرفته و سپس تاریخچه شتاب - زمان، در نقاط مختلف از آن برداشت می شود. در ادامه این سیگنال ها در نرم افزار MATLAB به مولفه های  (wavelet) Packet تجزیه می شود و شاخص نرخ انرژی برای هر کدام محاسبه می شود که آن را با  (WPERI)نشان می دهند. نتایج بیانگر آنست که این شاخص ها، معیاری حساس و دقیق برای شناسایی ترک می باشد.

تبدیل موجک پیوسته(CWT, Continuous (wavelet) Transform) ، یکی از روشهای تجزیه طیفی برای تحلیل سیگنال ناپایدار به منظور دست یافتن به قدرت تفکیک زمانی و فرکانسی بهتر سیگنال است. در میان روشهای تجزیه طیفی، اولین روش تبدیل فوریه زمان کوتاه (STFT, Short Time Fourier Transform) است، در این روش قدرت تفکیک زمان-فرکانس از طریق انتخاب طول پنجره ثابت محدود می شود. در عوض روش تبدیل موجک پیوسته نیازی به انتخاب طول پنجره ندارد و نتایج زمان-فرکانس آن در حوزه زمان-فرکانس ثابت نمی باشند. CWT از بسط و انتقال موجک برای تولید یک نقشه زمان-مقیاس استفاده می کند. سپس برای رسیدن به قدرت تفکیک زمانی خوب در فرکانس های بالا و قدرت تفکیک فرکانسی خوب در فرکانس های پائین نقشه زمان-مقیاس حاصل از CWT به نقشه زمان-فرکانس (TFCWT, Time-Frequency Continuous (wavelet) Transform) تبدیل می شود.در این مقاله، ابتدا یک مدل گوه مصنوعی در نظر گرفته می شود و از طیفهای CWT و TFCWT، نشانگرهای مقیاس (فرکانس) قله و دامنه مقیاس (فرکانس) قله استخراج شده و با یکدیگر مقایسه می شوند. مشاهده می شود نشانگرهایی که از طیف TFCWT بدست می آیند در مقایسه با طیف CWT دارای قدرت تفکیک بهتری هستند. سپس همین عمل بر روی داده واقعی اعمال می شود.

پایش خشکسالی مستلزم شبیه سازی شاخص هایی است که به دو دسته تکی و ترکیبی دسته بندی می شوند. شبیه سازی ها عمدتاً مبتنی بر شاخص های تکی بوده اند. از این رو مطالعه خاصی در زمینه شبیه سازی خشک سالی مبتنی بر شاخص های ترکیبی، خصوصاً شبیه سازی با مدل های ترکیبی انجام نشده است. در تحقیق به شبیه سازی خشک سالی مبتنی بر شاخص ترکیبی SRGI، با استفاده از مدل های ترکیبی (wavelet)-ARIMA-ANN و (wavelet)-ARIMA- LSTM اقدام شده است. برای این منظور، خشکسالی زیر حوضه آبریز الشتر در بازه زمانی 2020-1991، مبتنی بر شاخص های تکی شامل SPI، SRI و SGI و شاخص ترکیبی SRGI، با مدل های تکی ARIMA،LSTM ،ANN و همچنین مدل های ترکیبی W-AL و W-2A و مقایسه عملکردهای آن ها با یکدیگر، شبیه سازی شد. نتایج نشان داد مدل های ترکیبی W-ALوW-2A در مقایسه با مدل های تکی ARIMA، LSTM وANN برای کلیه شاخص ها اعم از تکی و ترکیبی صحت بیشتری دارند. به طوری که دامنه RMSE برای مدل های ترکیبی در مقایسه با مدل های تکی، به ترتیب 71/0-44/0 و 47/1-54/0 به دست آمد. از سویی دیگر، مقایسه دو مدل ترکیبی W-AL و W-2A نشان داد مدل W-AL در همه ی شاخص های تکی با RMSE 44/0، 62/0، 59/0، صحیح تر از مدل W-2A با RMSE 49/0، 71/0، 63/0 به دست آمد. این در حالی است که عملکرد W-AL در شاخص ترکیبی SRGI، با RMSE 64/0، صحت کمتری از مدل W-2A با RMSE 61/0 به دست داد.

سابقه و هدف: افزایش تقاضای آب و گسترش آلودگی منبع های آب در اثر افزایش فعالیت های کشاورزی، شهری و صنعتی موجب ایجاد مشکل های محیط زیستی در بسیاری از منطقه های جهان شده است. افزایش قابل توجه بار آلودگی و گوناگونی آلاینده ها ی مختلف شهری، کشاورزی و صنعتی نیاز به مدیریت تلفیقی کمی و کیفی سیستم های منبع های آب را بیش از پیش ضروری ساخته است. پیش بینی های دقیق کوتاه مدت و بلند مدت پارامتر های کیفی رودخانه بویژه برای طراحی ساز ه های هیدرولیکی، برنامه ریزی آبیاری، بهره برداری بهینه از مخازن و برنامه ریزی محیطی ضروری است. با توجه به ویژگی های تصادفی بودن رخدادهای هیدرولوژیکی، پیش بینی وضعیت آینده آب های سطحی همیشه با نبود قطعیت هایی همراه است. هدف پژوهش حاضر، بررسی عملکرد دو نوع شبکه عصبی مصنوعی MLP و GMDH بصورت تکی و همراه با تبدیل موجک گسسته (DWT1) برای پیش بینی دو پارامتر کیفی مهم هدایت الکتریکی (EC) و نسبت جذب سدیم (SAR) در ایستگاه هیدرومتری زمانخان رودخانه زاینده رود در 1، 2 و 3 ماه آینده است. مواد و روش ها: در پژوهش حاضر، داده های کیفیت آب رودخانه زاینده رود در ایستگاه زمانخان در طول سال های 1363 الی 1384 مورد استفاده قرار گرفت. از مجموع 22 سال داده، 15 سال ( کمابیش 70 درصد) برای آموزش و 7 سال ( 30 درصد) برای آزمون مدل های توسعه داده شده مورد استفاده قرار گرفتند. دو نوع موجک مادر dmey و db4 مورد ارزیابی قرار گرفتند همچنین پارامترهای آماری نظیر RMSE و R2 برای بررسی عملکرد مدل ها مورد استفاده قرار گرفتند. نتایج و بحث: نتایج نشان داد که استفاده از تبدیل موجک گسسته موجب بهبود عملکرد مدل ها شده است. ترکیب های مختلفی از داده های ورودی (تأخیرهای مختلف) و دو نوع موجک های مادر مورد ارزیابی قرار گرفت. نتایج نشان داد که مدل های ترکیبی موجک-MLP و موجک-GMDH در هر دو پارامتر کیفی EC و SAR در بازه های مورد پیش بینی نسبت به مدلهای تکی MLP و GMDH دارای توانایی و دقت بالاتری در پیش بینی می باشند. نتایج مدل های بدون تبدیل موجک تنها در پیش بینی SAR یک ماه بعد عملکرد خوبی داشتند و قادر به پیش بینی های دو و سه ماه بعد نبودند. در پارامتر EC، مدل های MLP و GMDH دارای عملکرد بهتری بودند. همچنین نتایج نشان داد که استفاده از تأخیرهای زمانی سالانه موجب افزایش دقت نمی شود و در برخی موارد حتی سبب کاهش دقت نیز می گردد. بررسی انواع موجک های مادر نیز نشان داد که موجک dmey مناسبترین نوع موجک برای پیش بینی پارامترهای کیفی EC و SAR می باشد. مقایسه دو مدل موجک-MLP و موجک-GMDH نشان دهنده برتری نسبی مدل موجک-MLP بود. با افزایش بازه پیش بینی از 1 ماه تا 3 ماه آینده دقت مدل ها کاهش پیدا کرد. این کاهش دقت در پیش بینی پارمتر SAR بیشتر بود، بطوریکه R2 در پیش بینی 1 ماه بعد SAR برابر 936/0 و در پیش بینی 3 ماه بعد به 516/0 کاهش یافت. در پارامتر EC نیز R2 در پیش بینی 1 ماه بعد تا 3 ماه بعد از 981/0 به 641/0 کاهش یافت. نتیجه گیری: نتایج تحقیق حاضر می تواند بعنوان مبنایی برای برنامه ریزی های آینده در مورد کیفیت آب مصرفی باشد. پیشنهاد می شود مدل بیان شده در پژوهش حاضر در دیگر رودخانه های کشور نیز مورد بررسی قرار گیرد. همچنین ترکیب دیگر مدل های هوشمند نظیر ANFIS و SVM با تبدیل موجک نیز می توانند مورد بررسی و ارزیابی قرار گیرند.

بازرسی لوله های انتقال نفت و گاز و مواد شیمیایی، از مهمترین مشکلات در صنعت انتقال مواد است. عدم تشخیص خوردگی ها در این لوله ها، منجر به بروز حوادثی می شود که خسارات جانی و مالی جبران ناپذیری دارد. با توجه به زیر بار بودن این لوله ها نیاز به آزمون هایی است که بدون هر گونه تخریب بتوان به مقدار و محل خوردگی لوله دست پیدا کرد. یکی از این آزمون های غیر مخرب که در این امر استفاده می شود، پرتونگاری صنعتی است. در این روش صفحه حساس که اطلاعات را ثبت می کند بدور لوله بسته شده و با تابش اشعه ایکس یا گاما به لوله اطلاعات درونی و خوردگی های آن روی صفحه حساس ثبت می شود. به علت پراکندگی، تصاویر حاصل نیاز به پردازش دارند تا نواحی عیوب و خوردگی در آنها واضح تر شود. مفسرین و متخصصین تصاویر پرتونگاری برای تشخیص نواحی عیوب به تصاویری با کیفیت و کنتراست بهتر نیاز دارند. الگوریتم های پردازش تصویر می توانند در این امر کمک کنند. الگوریتم موجک مختلط تصویر را به مولفه های مختلف فاز و دامنه تجزیه کرده و حذف بعضی از این مولفه ها می تواند بر بهبود کنتراست تصویر موثر باشد. در این تحقیق از روش موجک مختلط برای حذف زمینه و وضوح تصاویر استفاده شده است. نتایج حاصل نشان می دهد که این روش کارایی قابل قبولی در بهبود کنتراست تصاویر پرتونگاری در نواحی خوردگی لوله های حاوی آمونیاک داشته و ارزیابی متخصصین پرتونگاری صنعتی نیز بهبود تصاوبر را با درصد بالایی تائید می کند.

ماشین های دوار در صنعت بسیار پرکاربردند و از اجزای اصلی ماشین های دوار یاتاقان ها هستند. بنابراین پایش وضعیت یاتاقان ها از اهمیت زیادی در صنایع برخوردار است. در این پژوهش به بررسی تخریب طبیعی یاتاقان غلتشی براساس پردازش سیگنال­های نشر فرا آوایی[i] با کاربرد تبدیل موجک پرداخته ­شده است. به منظور استخراج سیگنال­های نشر فرا آوایی یاتاقان از یک چیدمان آزمایشگاهی و تجهیزات داده­برداری مناسب استفاده ­شده است. پردازش سیگنال­های نشر فرا آوایی در حوزه­های زمان-بسامد با استفاده از آنالیز تبدیل موجک[ii] انجام گرفته است. به منظور استخراج سیگنال­های نشر فرا آوایی از سه حسگر متعلق به شرکت PAC با نام­های Pico، WSα و R6α استفاده شده و کارایی آنها با هم مورد مقایسه قرار گرفته است. نتایج نشان داد که روش نشر فرا آوایی روشی کارا برای تخمین تخریب طبیعی یاتاقان است. مقایسه مقادیر نسبت انرژی به آنتروپی شانون برای 53 موجک مادر بررسی شده نشان می­دهد که موجک مادر بیور 1/3[iii] دارای بیشترین نسبت انرژی به آنتروپی شانون است و به عنوان بهترین موجک مادر انتخاب می­شود. همچنین بررسی کارایی سه حسگر نشان داد که هر سه حسگر مورد استفاده برای بررسی تخریب طبیعی یاتاقان مناسب هستند، بااین حال حسگر Pico امتیاز بالاتری را کسب کرد.   [i]. Acoustic Emission [ii]. (wavelet) transform [iii] Bior 3.1 mother (wavelet)

در این مطالعه نحوه اثرگذاری قیمت نفت و نوسان های قیمت نفت بر بازدهی بورس و نوسان های بازدهی بورس مورد بررسی قرار می گیرد. به این منظور از روش مارکوف- سوئیچینگ استفاده شده است. به منظور استخراج نوسان های قیمت نفت از سه روش فیلتر HP، مدل GARCH و مدل تحلیل موجک ((wavelet)) استفاده شده است. بر اساس برآوردهای انجام شده روش تحلیل موجک نتایج دقیق تر و با جزئیات بیشتر نسبت به سایر روش ها دارد. نتایج نشان می دهد که افزایش قیمت نفت بر بازدهی بورس اثر معناداری ندارد و تنها باعث کاهش نوسان ها در بازدهی بورس خواهد شد، همچنین نوسان های قیمت نفت در مقیاس D1(t) اثر معناداری بر بازدهی بورس ندارد اما نوسان های مقیاس (D2(t و D3(t) در شرایط رونق بازار اثر مثبت و معناداری بر بازدهی بورس دارد. به علاوه بر اساس، نتایج برآورد مدل ها ماتریس انتقال نیز نسبت به مقیاس بندی نوسان های قیمت نفت حساس بوده است.