محاسبه وزن مواد بار کوره های ذوب، اغلب از راه موازنه جرم ساده عناصر آلیاژی در مواد ورودی و مذاب خروجی انجام می شود. اما در فرایندهای ذوب، پیچیدگی ها و پدیده های گوناگونی هست که اغلب در محاسبات موازنه جرم نادیده گرفته می شود و سبب عدم اطمینان در محاسبه بار کوره می گردد. خطای محاسبه، باعث اصلاح چندباره ذوب، تأخیر در تخلیه، افزایش هزینه و کاهش کیفیت مذاب می شود. در پژوهش حاضر تلاش بر این بوده که پیچیدگی ها و جنبه های مهم مساله ذوب، که اغلب نادیده گرفته شده، در کوره شناسایی و در یک مدل ریاضی مناسب درنظر گرفته شود. هدف پژوهش حاضر توسعه مدلی است، که نه تنها وزن مواد اولیه برای ترکیب شیمیایی ذوب هدف را بهینه سازی کند، بلکه هدررفت ناهمگن عناصر آلیاژی، ناخالصی های غیرفلزی مواد بار، و اصلاح ذوب اولیه در کوره را نیز درنظر بگیرد. این مقاله، یک مدل بهینه سازی استاندارد و یک الگوریتم حلقه ی تکرار برای موازنه جرم غیرخطی مساله ذوب ارایه می کند. یک مساله ذوب آلیاژ برنج با 7 عنصر آلیاژی و 8 نوع مواد بار در مقیاس صنعتی طرح و بررسی گردید، تا کارکرد مدل را مورد آزمایش قرار دهد. نتایج عددی مدل کسر وزنی مواد اولیه، و وزن و ترکیب شیمیایی ذوب اصلاح شده را با کمترین هزینه مواد نشان می دهد. تحلیل بهینه بودن جواب، تایید کرد که کمترین مقدار هزینه به دست آمده است. مدل استاندارد غیرخطی، ابزاری قابل اعتماد و سریع برای بهینه سازی هزینه و محاسبه بار کوره است که پتانسیل های قابل توجهی برای کاهش هزینه و تسهیل اتوماسیون صنعتی فرایند ذوب ایجاد می کند.

شکست یک سد خاکی می تواند موجب بروز بحرآن های شدید در ناحیه سیلاب زده پایین دست گردد. لذا تعیین دقیق ویژگی های شکافت و جریان در ارزیابی خطرهای حاصل از خرابی سد از اهمیت به سزایی برخوردار است. در این تحقیق از مدل های آزمایشگاهی با مصالح دآنه ای در اندازه و خصوصیت های مکانیکی مختلف برای مطالعه فرسایش و نقش آن در گسترش هندسی شکافت استفاده شده است. از رگرسیون چندمتغیره در توسعه رابطه جدید برای تعیین دبی اوج (Qp) بهره گیری شده که در آن پراسنجه های بدنه سد در کنار پراسنجه های هیدرولیکی به کار رفته اند. نتیجه ها نشان می دهد مشارکت این ویژگی ها توانسته کارآیی را در تعیین Qp حاصل از شکست سد خاکی ارتقا دهد. از آنجائی که نرخ تکامل عرض متوسط شکافت (Bave) و عمق آن (Hb) نقش اثرگذاری بر آب نمود خروجی دارد، علاوه بر ارائه رابطه های جدید برای این دو پراسنجه، با مشارکت منابع مختلف داده ای و استفاده از برنامه ریزی بیان ژن (GEP) در تعیین آن، محدوده تغییرات جدیدی برای نسبت های بی بعد Hb بر ارتفاع سد (Hd) و نیز Bave بر عرض بالایی (Bt) و پایینی آن (Bb) معرفی و خروجی آن به سدهای لغزشی نیز بسط داده شده است. بر مبنای شاخص های عملکردی و آماری در رابطه ها، مقدارهای ضریب R2 برای Qp معادل با 91/0، برای Bave معادل با 99/0 و برای Hb برابر با 97/0 به دست آمده است.

امروزه ارزیابی کارایی سازمان ها و دانستن این که سازمانی تا چه اندازه مفید می باشد برای آن سازمان و حتی سهام دارانش بسیار اهمیت دارد. یکی از روش های اندازه گیری کارایی، استفاده از تحلیل پوششی داده ها می باشد. در ارزیابی به روش تحلیل پوششی داده ها هدف افزایش خروجی ها و کاهش ورودی ها و مقایسه بین واحد های تحت بررسی است. در اغلب فرآیندها به همراه تولید خروجی ها، خروجی هایی تولید می شوند که افزایش آن ها نه تنها سودآور نیست، بلکه باعث زیان نیز می شود. به همین خاطر مدل های تحلیل پوششی داده ها می بایست طوری ارایه می شدند که میزان تاثیر این نوع خروجی ها را در کارایی و رتبه بندی با خود داشته باشند. در این مقاله ابتدا مدل شعاعی غیرخطی فار ارایه شده، سپس با استفاده از تبدیلات ریاضی نشان داده شده که می توان آن مدل را به یک مدل با خروجی های غیرقابل کنترل خطی، تبدیل نمود.

در اکثر مطالعات تجربی انجام شده با استفاده از سیستم معادلات تقاضای تقریبا ایده آل، کشش های قیمتی و درآمدی حاصل از برآورد این معادلات به توصیه های سیاستی حساسی در حوزه اقتصاد خرد و کلان منجر شده است. این در حالی است که برآورد خطی سیستم یاد شده مورد شک و تردید می باشد. در این مقاله به بررسی عملکرد سیستم معادلات تقاضای تقریبا ایده آل خطی و غیرخطی پرداخته شده است. به این منظور با استفاده از تکنیک رگرسیون های به ظاهر نامرتبط برای تخمین مدل به روش خطی و از شبکه عصبی پیشخور چند لایه برای تخمین مدل غیرخطی بهره گرفته شده است. نتایج حاصل از برآورد مدل ها مبین این واقعیت می باشند که مدل شبکه عصبی پیشخور دارای خطای کمتر و در نتیجه از عملکرد بالاتری در برآورد سیستم معادلات تقاضا برخوردار می باشد. نتایج مبین وجود تردیدهایی برای کاربرد شاخص قیمت استون جهت خطی کردن برآورد سیستم تقاضای تقریبا ایده آل می باشد. بنابراین برای برآورد معادلات سیستمی، استفاده از مدل غیرخطی تقریبا ایده آل با استفاده از شبکه عصبی مصنوعی توصیه می شود.

در این مقاله به ارائه تحلیل و تبیین وجهه نظر و رفتار فرزندآوری با استفاده از مدل های خطی و غیرخطی در 1900 واحد نمونه ای و به روش پیمایشی پرداخته شده است. در ساحت نظری، غنای چشم انداز شناختی نسبت به نگرش ها و رفتارهای باروری، با تأکید بر مفاهیم و معرف هایی مانند "معنای زیست جهان"، "سایه مبهم آینده"، "گسترش نااطمینانی وجودی و اقتصادی"، "کردارشناسی تغییر سلیقه و ترجیح" تقویت گردیده است. در تحلیل داده ها، به منظور فراهم شدن امکان تحلیل های چندلایه، تعداد واحدهای نمونه ای به روش تصادفی و در فرایندی چندمرحله ای با استفاده از مدل های هیبریدی، مانند مدل جنگل تصادفی و سطح تعمیم 99 درصدی انتخاب و مورد تحلیل قرار گرفتند. براساس یافته ها، بیش از 60 درصد افراد در نمونه مورد بررسی، در دهه چهارم زندگی با نمای تحصیلات دانشگاهی قرار داشتند و فرایند های همسان همسری به طور فزاینده ای در حال افزایش است. در ایران، تمایل به فرزندآوری، بیش از رفتار محقق بچه آوری است. همچنین، تمایل زنان به فرزند بیشتر، کمتر از مردان است و در اقشار فقیرتر نیز کمتر از سطح جانشینی است. تمایل به داشتن سه فرزند کمتر از  پنج درصد؛ و چهار فرزند و بیشتر، در بین افراد متأهل کمتر از دو درصد برآورد و پیش بینی گردید. در شرایط کنونی، افزایش تحصیلات زنان به درک واقع بینانه تر و آگاهانه تر آنان در تصمیم گیری های باروری همبسته شده است. امنیت پایدار شغلی، اطمینان از تأمین مالی فرزندان در آینده و کیفیت مناسب مسکن از مؤلفه های مهم در راستای افزایش سطح باروری در کشور به  شمار می رود.

در این مقاله به طراحی کنترل کننده برای سیستم های غیرخطی به روش مدل های خطی چندوجهی پرداخته می شود. ابتدا مسئله ردیابی خروجی برای حالتی که سیستم نسبت به ورودی افاین باشد، بررسی شده و در ادامه نیز برای حالت غیرافاین مسئله حل شده است. با درنظرگرفتن تابع لیاپانوف مربعی برای سیستم بیان شده به شکل چندوجهی، مسئله طراحی کنترل کننده به صورت نامعادله ماتریس دوخطی ظاهر می شود. توابع وزنی مدل چندوجهی به شیوه خاصی تعیین می شوند تا از تداخل میان نواحی جلوگیری شود و نشان داده می شود مسئله طراحی کنترل کننده ردیاب با حل یک نامعادله ماتریس خطی صورت می گیرد. برای بررسی پایداری و طراحی کنترل کننده نیز از شیوه ای استفاده شده که هم پایداری مدل تقریبی (چندوجهی) و هم پایداری مدل اصلی (غیرخطی) را تضمین می کند. درنهایت، روش های ارائه شده و نتایج گرفته شده برای طراحی خلبان خودکار یک پرنده مافوق صوت الاستیک به عنوان سیستم نمونه استفاده شده است. چون در این نوع پرنده پس خور از همه حالت ها ممکن نیست، روش پیشنهادی برای شرایط پس خور جزئی توسعه داده می شود. نتایج، حاکی از عملکرد مناسب روش ارائه شده می باشد.

پیش بینی متغیرهای اقتصادی و مالی اهمیت فراوانی برای سیاستگذاران اقتصادی کشورها دارد. در این مقاله شاخص کل بازدهی سهام تهران (TEPIX) با استفاده از داده های روزانه و هفتگی این شاخص در بازه زمانی سال 1377تا 1382 و بکارگیری روش های مختلف پیش بینی مانند مدل های ARIMA، ARFIMA، GARCH و شبکه عصبی (ANN) برآورد و پیش بینی شدند. مقایسه دقت پیش بینی مدل های مذکور از طریق معیار های پیش بینی مانند RMSE، MAE و U-Thiel نشان می دهد که مدل ANN در پیش بینی شاخص روزانه و هفتگی عملکرد بهتری نسبت به سایر مدل ها دارد، اما مقایسه آماری دقت پیش بینی مدل های مختلف با استفاده از آماره دیبلد- ماریانو، تفاوت معنی داری بین دقت پیش بینی مدل های مذکور را نشان نمی دهد.

با توجه به اهمیت قیمت نفت، پیش بینی صحیح قیمت سبد نفت خام کشورهای عضو اوپک می تواند نقش به سزایی در ایمن سازی اقتصاد این کشورها در مقابل اثرات ناشی از این نوسانات داشته باشد. این پژوهش تلاشی در جهت معرفی یک الگوی مطلوب، به منظور مدل سازی و پیش بینی نوسانات قیمت نفت خام اوپک خواهد داشت. در این راستا از داده های روزانه قیمت نفت خام، طی دوره زمانی 02/01/1986 الی 13/02/2017 استفاده شده است. بر این اساس، وجود ویژگی حافظة بلندمدت در معادلات میانگین و واریانس قیمت نفت خام، مورد ارزیابی و مدل سازی قرار گرفت و نتایج مدل «ﻣﻴﺎﻧﮕﻴﻦ ﻣﺘﺤﺮک اﻧﺒﺎﺷﺘﻪ ﺟﺰﺋﻲ خودهمبسته»، مؤید وجود ویژگی حافظه بلندمدت در هر دو معادله میانگین و واریانس سری مذکور است. اما آزمون‏های انجام شده، رفتاری غیرخطی و نمایی را در واریانس قیمت نفت خام تایید می‏نمایند. از این رو نتایج به ویژه براساس معیارهای اطلاعات و نیز معیار درصد میانگین مطلق خطا حاکی از انتخاب مدل ترکیبی از الگوی ﻣﻴﺎﻧﮕﻴﻦ ﻣﺘﺤﺮک اﻧﺒﺎﺷﺘﻪ ﺟﺰﺋﻲ ﺧﻮدهمبسته و الگوی واریانس ناهمسانی شرطی نمایی یعنی مدل (1,1)EGARCH - (3,09/0,4) ARFIMA، به عنوان بهترین مدل جهت مدل سازی و پیش بینی نوسانات قیمت نفت خام اوپک است و عدم توجه به رفتار غیرخطی نمایی واریانس در حافظه بلندمدت قیمت نفت خام می‏تواند تحلیل‏گران و به ویژه تصمیم‏سازان اقتصادی را دچار خطای محاسباتی نموده و از سیاست بهینه منحرف سازد.