استفاده بهینه از منابع آب زیرزمینی به‌ویژه در مناطق خشک و نیمه‌خشک با استفاده از روش‌های پایدار بهره‌برداری مانند قنوات همواره مورد توجه بوده است. از طرفی، تحلیل اطلاعات مکانی موثر بر وجود آب‌های زیرزمینی به روش‌های تحلیلی قوی نیاز دارد تا بتواند روابط غیرخطی، ارتباط درونی و اطلاعات پنهان میان لایه‌ها را تفسیر نماید. در همین ارتباط، پژوهش حاضر با هدف ارزیابی مقایسه‌ای تغییرات مکانی پتانسیل آب زیرزمینی با استفاده از مدل‌های نسبت فراوانی و وزن شواهد در محدوده شهرستان اسفراین استان خراسان شمالی برنامه‌ریزی شده است. عوامل ارتفاع از سطح دریا، جهت شیب، درجه شیب، کاربری اراضی، زمین‌شناسی، شاخص رطوبت توپوگرافی، انحنای دامنه، انحنای آبراهه، فاصله از رودخانه، تراکم زهکشی، شاخص توان آبراهه، فاصله از گسل و تراکم گسل به‌عنوان لایه‌های موثر در محیط سامانه اطلاعات جغرافیایی تهیه و براساس مدل‌های نسبت فراوانی و وزن شواهد میزان ارتباط آن‌ها با پتانسیل آب زیرزمینی تعیین شد. ارزیابی نقشه‌های تهیه شده با استفاده از منحنی عملکرد نسبی انجام شد. براساس نتایج، مدل نسبت فراوانی با مقدار سطح زیرمنحنی برابر با 4/84 درصد عملکرد بهتری نسبت به مدل وزن شواهد در منطقه مطالعاتی نشان داد. هم‌چنین، عوامل زمین‌شناسی، کاربری اراضی، ارتفاع از سطح دریا و فاصله از رودخانه در مدل‌های مورد استفاده به‌عنوان مهم‌ترین عوامل مؤثر بر پتانسیل آب زیرزمینی انتخاب شدند. علاوه بر این، 5/12، 45/28، 75/34، 3/19 و 5 درصد از منطقه مورد پژوهش به‌ترتیب در طبقات با پتانسیل خیلی کم، کم، متوسط، زیاد و خیلی‌ زیاد پتانسیل آب زیرزمینی براساس مدل نسبت فراوانی قرار گرفته‌اند. نتایج پژوهش حاضر می‌تواند در سیاست‌گزاری‌ها و تصمیم‌سازی‌های مرتبط با مدیریت منابع آب و مکان‌یابی مناطق مستعد وجود قنات و استخراج آب‌های زیرزمینی یا اتخاذ راهبردهای مدیریت بهینه آبخوان در شهرستان اسفراین مورد استفاده قرار گیرد.

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.

زمینه و هدف: شرایط محیطی و اقلیمی در مناطق مختلف جغرافیایی زمینه را برای برخی از بیماری ها فراهم می کند. سرطان پوست نیز یکی از سرطان های شایع است که نرخ بروز آن در نواحی جغرافیایی متفاوت است. هدف از این مطالعه مشخص کردن تاثیر پارامترهای اقلیمی و محیطی در بروز بیماری سرطان پوست و تهیه نقشه توزیع جغرافیایی سرطان پوست در ایران است.روش اجرا: مطالعه حاضر با استفاده از داده های بیماران سرطان پوست، داده های جمعیت کل کشور، داده های اقلیمی و محیطی موثر بر بروز سرطان پوست انجام گرفته است. در این مطالعه پس از محاسبه نرخ بروز سرطان پوست برای کل کشور، از مدل رگرسیون وزن دار جغرافیایی برای برقراری رابطه رگرسیونی بین داده های اقلیمی و محیطی با نرخ بروز سرطان پوست استفاده شده است. هم چنین در این مطالعه میزان ضریب تشخیص بین نقشه واقعیت نرخ بروز سرطان پوست و نقشه مدل شده آن محاسبه گردیده است.یافته ها: نتایج ضریب همبستگی نشان داده است که پارامترهای UV خورشید و رطوبت نسبی به ترتیب بیشترین همبستگی مثبت و منفی با نرخ بروز سرطان پوست داشته اند. بخش های جنوب، شرق و مرکز ایران از بیشترین نرخ بروز سرطان پوست و سواحل شمالی و شمال غرب ایران از کمترین نرخ بروز بیماری برخوردار بوده اند. اعتبارسنجی نقشه واقعیت نرخ بروز بیماری و نقشه مدل شده نرخ بروز بیماری حاکی از ضریب تشخیص 0.71 بوده است.نتیجه گیری: تمامی پارامترهای اقلیمی و محیطی موردنظر در این مطالعه در نرخ بروز سرطان پوست موثر بوده اند.

در عصر حاضر، بنگاه­ های اقتصادی، به ویژه بانک­ ها و مؤسسه­ های مالی و اعتباری، برای رقابت در دنیای کسب­ و­ کار به دنبال حداکثر پوشش مشتریان، کاهش هزینه و افزایش سود و کارایی هستند. برای این منظور با استفاده از روش­ های علمی به دنبال تعیین و انتخاب بهترین مکان برای شروع فعالیت اقتصادی می­ باشند. مطالعه حاضر با هدف مکان یابی شعب «بانک مهر اقتصاد» در منطقه یک شهر تهران با استفاده از سیستم اطلاعات جغرافیایی و مدل حداکثر پوشش وزن­ دار انجام گرفته است. ابتدا از طریق مطالعات کتابخانه ای و مصاحبه با کارشناسان معیارها و زیرمعیارهای مؤثر در مکان­ یابی شعب بانک شناسایی شدند؛ سپس با تهیه دو پرسشنامه و توزیع آن­ ها در میان مدیران بانک، وزن معیارها و زیرمعیارها بر اساس روش بهترین بدترین به­ دست آمد. از سیستم اطلاعات جغرافیایی برای تعیین نقاط بالقوه که ورودی مدل حداکثر پوشش وزن­ دار هستند، استفاده شد؛ درنهایت مکان­ های مناسب با حل مدل حداکثر پوشش وزن­ دار در نرم افزار متلب مشخص شدند.

در دنیای پیشرفته امروز، به ویژه در حوزه های مهندسی مکانیک و صنایع هوافضا، کامپوزیت ها به دلیل ویژگی منحصربه فرد استحکام بالا در کنار وزن کم، جایگاه برجسته ای یافته اند. با این حال، رفتار پیچیده این مواد، تحلیل دقیق و ابزارهای پیشرفته ای را برای مدل سازی و پیش بینی آسیب های ساختاری آن ها می طلبد. پژوهش حاضر با بهره گیری از ترکیب مدل های چندمقیاسی مزو-ماکرو و مفاهیم مکانیک آسیب پیوسته، رویکردی نوین برای تحلیل و ارزیابی خرابی در ساختارهای کامپوزیتی ارائه می کند. این مطالعه از چارچوب مدل های چندمقیاسی شبه همزمان بهره می گیرد که با استفاده از روش های پیشرفته شبیه سازی المان محدود و ابزارهای پردازش تصویر، امکان تحلیل جامع ترک خوردگی زمینه و شکست الیاف را فراهم می سازد. افزون بر این، زیربرنامه ای مبتنی بر مفاهیم مکانیک خرابی پیوسته در نرم افزار المان محدود میتوان توسعه داد که قادر باشد تکامل آسیب ها، از جمله پیشرفت ترک ها، شکست الیاف و پیش بینی بار نهایی شکست سازه های کامپوزیت را به صورت پیش رونده تحلیل کند. از سوی دیگر، به کارگیری روش های هوش مصنوعی، به ویژه در پردازش تصویر، سبب کاهش زمان و هزینه های محاسباتی شده و دقت تحلیل های مکانیکی را به طرز چشمگیری افزایش داده است. این رویکردهای چندمقیاسی هوشمند نقشی کلیدی در بهینه سازی طراحی و پیش بینی دقیق مکانیزم های خرابی ایفا می کنند. این روش ها، به ویژه در کاربردهای پیچیده و حساس هوافضایی، ابزارهای مؤثری برای ارتقای عملکرد و قابلیت اطمینان ساختارهای کامپوزیت ها به شمار می روند.

مالاریا بیماری است که از طریق پشه منتقل می شود و سالیانه 300 تا 500 میلیون نفر از مردم جهان را در معرض ابتلا قرار می دهد و باعث مرگ بیش از 1 میلیون نفر در جهان می شود. توزیع جغرافیایی این بیماری تا حدود زیادی به شرایط اقلیمی وابسته است. استان سیستان و بلوچستان به تنهایی 65 درصد کل مبتلایان کشور را داراست. در این تحقیق، با استفاده از سه عامل اقلیمی میانگین دمای ماهیانه، مقدار بارش دوره فعالیت و شاخص نسبت اختلاط رطوبت، مدل سازی فضایی شاخص شیوع سالیانه مالاریا (API) در استان سیستان و بلوچستان از طریق مدل رگرسیون وزن دار جغرافیایی انجام شده است. به همین منظور، عوامل اقلیم شناختی به صورت میانگین بلندمدت 20 ساله (1985- 2005 م) برای 11 ایستگاه سینوپتیک و کلیماتولوژی واقع در محدوده استان سیستان و بلوچستان محاسبه و به صورت یک لایه اطلاعاتی مکانمند وارد محیط سیستم اطلاعات جغرافیایی شد. خروجی مدل بیانگر این است که مهمترین عامل در تبیین بروز سالیانه این بیماری در منطقه مورد مطالعه، بارش در دوره فعالیت پشه آنوفل است که نقش این عامل اقلیمی از شمال به جنوب منطقه مورد مطالعه در افزایش شاخص API بارزتر می شود. درجه حرارت و رطوبت نسبی به ترتیب دارای اولویت دوم و سوم در بروز سالیانه بیماری است که نقش مکانی آنها در نواحی شمالی استان مانند زابل و زاهدان بارزتر از نواحی جنوبی منطقه مانند شهرستان های نیک شهر و چابهار است. مدل ارائه شده که فقط مبتنی بر عوامل طبیعی است و در واقع یک مدل اقلیم مبناست، فقط توانست 48 درصد تغییرات مربوط به شاخص API را تبیین کند (R2=0.48). بنابراین، عوامل غیراقلیمی از جمله کیفیت اجرای سالیانه برنامه های کنترل مالاریا، شرایط اقتصادی - اجتماعی و موقعیت همسایگی این استان با دو کشور افغانستان و پاکستان نیز باید در بررسی اپیدمیولوژی مالاریا در این استان مورد توجه قرار گیرد. نتایج این تحقیق می تواند در شناسایی و اولویت بندی عوامل تاثیرگذار در شیوع بیماری مالاریا در مناطق مختلف استان مفید واقع شود و با به روز کردن اطلاعات آن، به عنوان یک سامانه پیش هشداردهی اقلیم مبنا در برنامه های کنترل مالاریا مورد استفاده قرار گیرد.

در مباحث دریایی، مطالعه ی دمای سطح دریا (SST) و بررسی روابط مکانی آن با سایر متغیرهای اقیانوسی از اهمیت ویژه ای برخودار است، به گونه ای که شناخت دقیق و مناسب روابط SST با سایر متغیرها، امکان بررسی و مطالعه بسیاری از فرآیندهای اقیانوسی و جوی را فراهم می سازد. لذا، در این پژوهش مدل سازی روابط فضایی SST با متغیرهای سرعت باد سطحی (SWS)، غلظت کلروفیل a، طول و عرض جغرافیایی در دریای عمان توسط روش حداقل مربعات معمولی (OLS) و روش رگرسیون وزن دار جغرافیایی (GWR) موجود در نرم افزار ArcGIS، بین سال های 2003 تا 2016 صورت پذیرفت و خروجی های حاصل از این دو روش با یکدیگر مقایسه شد. نتایج حاصل از روش OLS نشان داد که متغیر سرعت باد سطحی بیشترین اثرگذاری را در برآورد مقادیر SST در دریای عمان دارا بوده است و سایر متغیرها رابطه ای منفی و تاثیرگذاری پایینی را در برآورد SST به نمایش گذاشته اند. اما در مدل GWR مشخص شد که متغیر طول جغرافیایی بیشترین تاثیرگذاری و رابطه مثبت را در برآورد مقادیر SST داشته است. در این مدل نیز متغیر SWS رابطه ای مثبت با SST داشته است اما تاثیرگذاری آن نسبت به مدل OLS کمتر بوده است. سایر متغیرها نیز رابطه ای منفی با SST داشته اند. در ادامه، با استفاده از ضریب تبیین محلی (R2) مشخص شد که مدل GWR برای برآورد مقادیر SST در دریای عمان از دقت بالاتری نسبت به مدل OLS برخوردار بوده است؛ به گونه ای که مدل GWR توانسته است 85 درصد تغییرات مکانی SST در دریای عمان را توجیه کند ولی مدل OLS فقط 55 درصد تغییرات مکانی این متغیر را توجیه کرده است. دقت بالاتر مدل GWR در برآورد مقادیر SST نیز در بخش های شرقی و غربی دریای عمان دیده شد و این مدل در بخش مرکزی این دریا از دقت پایین تری برخوردار بود.