روش بدون شبکه حداقل مربعات گسسته کارایی مناسب خود را برای حل معادلات دیفرانسیلی مشتقات جزیی حاکم بر مسائل مهندسی نشان داده است. این روش بر پایه کمینه کردن تابعک حداقل مربعاتی استوار است. تابعک حداقل مربعاتی به صورت مجموع وزن داری از باقیمانده ی معادله دیفرانسیلی و شرایط مرزی حاکم تعریف شده است. معمولا از تابع تخمین حداقل مربعات متحرک (MLS)، برای ساختن توابع شکل در روش بدون شبکه حداقل مربعات گسسته استفاده می شود. هرچند با استفاده از این نوع تابع تخمین سازگاری مورد نیاز توابع تخمین ارضا می شود، اما روش در صورت تجمع و نزدیکی بیش از اندازه گره ها کارآیی مناسب خود را از دست می دهد. در این مطالعه مشکل مطرح شده، با استفاده از تابع تخمین نوینی که حداقل مربعات متحرک نگاشتی (MMLS) نامیده شده است، برطرف شده است. در این روش خوشه های گرهی مجتمع به یک آرایش گرهی استاندارد نگاشت می یابند؛ سپس تابع تخمین و مشتقات آن با در نظر گرفتن ملاحظاتی محاسبه می شوند. کارایی روش تخمین پیشنهادی MMLS برای برطرف کردن مشکل تابع تخمین MLS با تخمین توابع ریاضیاتی مورد ارزیابی قرار گرفته است. نتایج بدست آمده قابلیت روش پیشنهادی MMLS را جهت رفع مشکل نشان داده اند. تابع تخمین پیشنهادی در روش بدون حداقل مربعات گسسته مختلط استفاده شده و برای حل معادلات غیر خطی برگرز به کار گرفته شده است. نتایج بدست آمده کارایی و دقت بالای روش پیشنهادی را نشان می دهند.

1تخمین وضعیت / مکان­ یابی دقیق ربات ­ها برای کاربری ­های تحقیقاتی، صنعتی، نظامی و ...، چالش همیشگی طراحان بوده است. ارائه روش تخمین وضعیت مبتنی بر اصول ساده فیلتر پایین ­گذر و بالاگذر در بطن فیلتر مکمل با بهره ­های تطبیق­ پذیر از روش حداقل مربعات برای تلفیق اطلاعات حسگرهای ارزان ­قیمت برای ناوبری ربات زیرآبی با سناریوی حرکت دلفینی، هدف این پژوهش است. الگوریتم تطبیقی پیشنهادی، با توجه به خطای اندازه ­گیری، بهره­ های فیلتر مکمل را بصورت خودکار محاسبه کرده و نیاز به تنظیم دستی یا استفاده از بهره ­های ثابت را با توجه به دینامیک وسیله رفع می ­کند. عملکرد مناسب فیلتر مکمل تطبیقی پیشنهادی برای تخمین وضعیت یک ربات زیرآبی در آزمون ­های میدانی، مزیت این روش را برای جبران ­سازی نویز و بایاس متغیر با زمان حسگرهای ارزان ­قیمت تایید می­ کند.

سابقه و هدف: برآورد دقیق پارامترهای هیدرولیکی خاک اهمیتی کلیدی در شبیه سازی انتقال آب، املاح و آلاینده ها، مدیریت آب مزرعه، مدیریت تولید و حفاظت خاک و آب دارد. پارامترهای مدل منحنی رطوبتی، عموماً با برازش تابع رگرسیون غیرخطی منحنی رطوبتی بر نقطه-داده های اندازه گیری شده توسط روش حداقل مربعات به دست می آیند. با این حال، واریانس داده های منحنی رطوبتی در محدوده مقادیر مختلف رطوبت با یکدیگر متفاوت است. از این رو، برخلاف "دنباله ی تر" منحنی رطوبتی، ممکن است روش رایج رگرسیون غیروزندار در برآورد "دنباله ی خشک" منحنی کارایی کافی نداشته باشد. این در حالی است که برخی فرآیندهای مهم در خاک، از قبیل باز-توزیع رطوبت یا انتقال آلاینده ها در خاک، در مقادیر رطوبتی کم در خاک و متناظر با مکشهای زیاد منحنی رخ میدهند. بنابراین، در برازش توابع مختلف هیدرولیکی بر منحنی رطوبتی خاک، تعیین وزنهای مناسب برای نقاط مختلف میتواند دقت برآورد پارامترهای منحنی رطوبتی را در محدوده رطوبتهای کم مقدار افزایش دهد. لذا هدف از این پژوهش، بررسی تأثیر وزن دهی نقطه-داده های منحنی رطوبتی در افزایش دقت برآورد پارامترهای هیدرولیکی خاک بود. مواد و روشها: برای انجام این پژوهش، نمونه های دست نخورده از عمق 20 سانتی متری خاک با شش تکرار جمع آوری شد. منحنی رطوبتی نمونه های خاک در مکش های صفر تا 15000 سانتیمتر اندازه گیری شد. برازش معادله منحنی رطوبتی ون-گنوختن بر داده های اندازه گیری شده h(θ ) و برآورد پارامترهای هیدرولیکی آن در برنامه RETC، با روش رگرسیون متداول حداقل مربعات غیروزندار و همچنین روش رگرسیون حداقل مربعات وزندار انجام شد. بدین منظور، با ایجاد وزنهایی به صورت معکوس واریانس مقادیر اندازه گیری شده رطوبت حجمی در شش تکرار، تأثیر خطای برآورد منحنی در مقادیر رطوبت پایین نیز با وزن بزرگتری در برازش رگرسیون در نظر گرفته شد. در نهایت دقت رگرسیون غیروزندار و وزندار در برازش مدل منحنی رطوبتی بر داده های اندازه گیری شده با استفاده از معیارهای آماری مقایسه گردید و روش میانگین گیری مناسب پارامترهای هیدرولیکی معرفی شد. یافته ها: مقایسه مقادیر بهینه پارامترهای هیدرولیکی بدست آمده از برازش مدل منحنی رطوبتی ون-گنوختن به دو روش رگرسیون غیروزندار و وزندار نشان داد که میانگین مقادیر پارامترهای رطوبت باقیمانده (Ɵ r)، رطوبت اشباع (Ɵ s) و ضریب α (عکس مکش ورود هوا) در روش وزندار کمتر از روش غیروزندار بود، در حالیکه، پارامتر n در روش وزندار بیش تر از روش غیروزندار به دست آمد. استخراج منحنی رطوبتی خاک بر اساس پارامترهای هیدرولیکی برآورد شده به دو روش غیروزندار و وزندار نشان داد که با وجود این که روش وزندار منجر به افزایش خطا (NRMSE) در برآورد منحنی رطوبتی و کاهش همبستگی بین مقادیر رطوبت برآوردی و مشاهداتی شد، دقت برآورد (نزدیکی مقادیر اندازه گیری شده و برآورد شده) را در مقادیر رطوبت کم (مکش زیاد) افزایش و درصد خطای نقطه ای را در مقادیر رطوبت کم نسبت به روش غیروزندار تا مقدار زیادی کاهش داد. مقایسه دو روش میانگین گیری از پارامترهای هیدرولیکی خاک در تکرارهای انجام شده (میانگین گیری از پارامترهای هیدرولیکی (روش I) و میانگین گیری از مقادیر رطوبت حجمی در مکش های مختلف و برآورد پارامترهای هیدرولیکی (روش II)) نشان داد که خطای روش II در هر دو روش غیروزندار و وزندار، کم تر از روش I بود. با این حال، درصد خطای نقطه ای در برآورد منحنی رطوبتی در مقادیر رطوبت کم در روش I کم تر از روش II بوده و روش I منجر به کاهش چشم گیر درصد خطا در روش وزندار شد. نتیجه گیری: اختصاص وزن مناسب به نقطه-داده های منحنی رطوبتی، سبب بهبود برازش منحنی در دنباله ی خشک منحنی رطوبتی گردید که اهمیت زیادی در شبیه سازی فرآیندهایی از قبیل باز-توزیع رطوبت یا انتقال آلاینده ها در خاک به ویژه در شرایط خشک و نیمه-خشک دارد.

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

سابقه و هدف: در علوم خاک، برای ارزیابی درجه سدیمی بودن خاک از دو ویژگی مهم نسبت جذب سدیم و درصد سدیم تبادلی استفاده می شود. برای اندازه گیری درصد سدیم تبادلی، اندازه گیری ظرفیت تبادل کاتیونی ضروری است که اندازه گیری آن وقت گیر، پرهزینه و همراه با خطا است. به منظور تخمین غیر مستقیم درصد سدیم تبادلی، استفاده از ویژگی های زودیافت خاک بسیار بهینه و اقتصادی تر می باشد. تحقیقات نشان داده اند که بین درصد سدیم تبادلی و نسبت جذب سدیم رابطه وجود دارد. بنابراین، از نسبت جذب سدیم می توان برای پیش-بینی درصد سدیم تبادلی استفاده کرد. به همین دلیل تلاش های زیادی برای تخمین درصد سدیم تبادلی با استفاده از پارامتر های زودیافت خاک انجام شده است. هدف از این تحقیق، توسعه مدل کمترین مربعات معمولی و شبکه بیزین برای تعیین درصد سدیم تبادلی با استفاده از نسبت جذب سدیم درخاک های شهرستان بناب در استان آذربایجان شرقی است. مواد و روش ها: در تحقیق حاضر، 209 نمونه خاک با استفاده از روش شبکه بندی منظم (250 × 250) از غرب شهرستان بناب برداشته شد. این محدوده 1300 متر بالاتر از سطح آزاد دریاهای آزاد بوده و با آب و هوای نیمه خشک در شمال غرب ایران واقع شده است. سپس برخی از خواص شیمیایی خاک مانند Na+، Ca2+، Mg2+، SAR و ESP نمونه های خاک با استفاده از روش های آزمایشگاهی اندازه گیری شد. سپس، دو مدل کمترین مربعات معمولی و شبکه بیزین برای تخمین درصد سدیم تبادی از نسبت جذب سدیمی توسعه داده شد. تخمین-گر OLS، تابع خطی از مقادیر متغیر وابسته بوده که با استفاده از وزن های یک تابع غیر خطی از مقادیر متغیرهای مستقل عمل می کند. بنابراین، تخمین گر OLS وابسته به نحوه استفاده از مقادیر متغیر وابسته است، صرف نظر از اینکه چگونه از مقادیر مستقل استفاده می کند. شبکه بیزین نیز یک مدل گرافیکی احتمالی است که مجموعه ای از متغیرها و وابستگی های مشروط را از طریق یک نمودار آسیکلیک هدایت-شده (DAG) نشان می دهد. این شبکه یک گراف جهت دار غیرمدور است که مجموعه ای از متغیرهای تصادفی و نحوه ارتباط مستقل آنها را نشان می دهد. در واقع شبکه های بیزین می توانند مشکلات تصمیم گیری را در حین عدم اطمینان حل کنند. یافته ها: ضریب تبیین و جذر میانگین مربعات خطا مدل ESP-SAR با روش های کمترین مربعات معمولی و شبکه بیزین به ترتیب 99/0، 71/0 و 98/0، 63/1 برآورد گردید. بر اساس نتایج آماری فوق هر دو مدل قابل قبول هستند. برای مقایسه مقادیر ESP خاک با استفاده از مدل خاک ESP-SAR با مقادیرESP اندازه گیری شده با استفاده از روش آزمایشگاهی، از آزمون t استفاده شد. نتایج آزمون t نشان داد که تفاوت بین مقادیر ESP خاک تخمینی توسط مدل ها و مقادیر اندازه گیری شده با روش های آزمایشگاهی از لحاظ آماری معنی دار نبود (P> 0. 05). بنابراین، مدل های ESP-SAR توسعه یافته می تواند یک روش آسان، اقتصادی و کوتاه برای ارزیابی ESP خاک ارائه دهد. شاخص GMER همچنین تخمین کم دو روش را مورد ارزیابی قرار داد. نتیجه گیری: نتایج مطالعه حاضر نشان داد که مدل های کمترین مربعات معمولی و شبکه بیزین به عنوان مدل های ریاضی بین متغیرهای ورودی و خروجی می توانند درصد سدیم تبادلی را با محدودیت های قابل قبول پیش بینی کنند. همچنین روشOLS نسبت به BS به دلیل ضریب تبیین بالا و ریشه میانگین مربعات خطای کم از کارایی بیشتری برخوردار است.

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