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.

زعفران ایران از لحاظ کمی و کیفی از جایگاه نمایانی در سطح بین المللی برخوردار است و با بهره گیری از ظرفیت موجود می توان درآمدهای صادراتی حاصل از آن را به طور قابل ملاحظه ای افزایش داد. از سوی دیگر، پیش بینی فروش بر اساس تجزیه و تحلیل سری زمانی یک عنصر بسیار مهم در طراحی و اجرای استراتژی های بازاریابی در عرصه ی بین المللی است. اما رویکرد های متداول پیش بینی با نادیده گرفتن ساختار خطی یا غیرخطی داده ها نتایج دقیقی را ارائه نمی دهند. لذا، هدف اصلی این مطالعه طراحی یک مدل هیبرید متشکل از دو روش شبکه عصبی مصنوعی (ANN) و ﺧﻮد ﺗﻮﺿﻴﺢ ﺟﻤﻌﻲﻣﻴﺎﻧﮕﻴﻦﻣﺘﺤﺮک (ARIMA) به منظور رفع نواقص و استفاده از ویژگی های منحصر به فرد هر یک از این مدل ها است. با استفاده از داده های مربوط به صادرات زعفران ایران طی دوره ی 1392-1283، نتایج مطالعه نشان داد که مدل هیبرید ARIMA-ANN در مقایسه با مدل های ARIMA و ANN از عملکرد بهتری در پیش بینی صادرات زعفران ایران برخوردار است. لذا، با توجه به کارایی شایان توجه مدل هیبریدARIMA-ANN ، استفاده از این مدل در تنظیم استراتژی های مربوط به صادرات در بازارهای جهانی زعفران و همچنین در پیش بینی متغیرهای سری زمانی توصیه می گردد.

با توجه به محدودیت منابع آب زیرزمینی در ایران، محاسبه دقیق، استفاده صحیح، تنظیم و نگهداری این منابع از اهمیت بالایی برخوردار است. یکی از روش های مؤثر برای مدیریت و بهره برداری بهینه از این منابع در حال و آینده، استفاده از مدل سازی است. در این پژوهش مدل سازی تغییرات تراز آب زیرزمینی به صورت ماهانه در دورۀ 2022-2013 با مدل های MLP، WNN و MLPSSO-Wavelet انجام شد که از داده های نه سال اول برای آموزش و سال آخر جهت اعتبارسنجی استفاده شد و بهترین مدل با استفاده از معیارهای ضریب تبیین (R2)، ریشه میانگین مربعات خطا (RMSE) و میانگین خطای مطلق (MAE) تعیین گردید. بارش و دمای ایستگاه سینوپتیک شبستر در دوره آینده (2040-2021) با استفاده از مدل CanESM2 تحت سناریوهای RCP2.6 و RCP8.5 که ارتباط منطقی و مناسبی با ویژگی های اقلیمی مشاهداتی دارند پیش بینی و با استفاده از مدل LARS -WG ریزمقیاس سازی شدند. در دورۀ آتی، تحت هر دو سناریو و در ماه های فوریه ، جولای و اکتبر میانگین بارش کاهش و در نه ماه دیگر افزایش خواهد یافت. برای دما نیز به جز سناریو RCP8.5 و ماه ژوئن، در 11 ماه دیگر و تحت هر دو سناریو، افزایش دما پیش بینی می شود و بیش ترین افزایش دما (43/37 درصد)، در ماه ژانویه و تحت سناریو RCP2.6 خواهد بود. تراز آب زیرزمینی آبخوان دشت شبستر با افت 42/4 متری، از 64/1303 متر در سال 2003 به 22/1299 متر در سال 2022 رسیده است. مطابق نتایج، مدل MLPOSSO-Wavelet با 83/0R2=، 74/0RMSE= و 71/0MAE= در مرحلۀ اعتبارسنجی، دقت بیشتری نسبت به مدل های دیگر دارد. تراز آب زیرزمینی دشت شبستر تحت سناریو RCP2.6 در شش ماه ابتدایی کاهش و در شش ماه دوم نسبت به شش ماه اول افزایش خواهد یافت. تحت سناریو RCP8.5 فقط در ماه های ژانویه، فوریه و دسامبر کاهش تراز آب زیرزمینی پیش بینی می شود و بیش ترین کاهش در ماه ژانویه اتفاق خواهد افتاد.

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

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.

ﺑﻪ ﻣﻨﻈﻮر ارزﻳﺎﺑﻲ ﻛﻴﻔﻴﺖ داﻧﻪ ﻛﻠﺰا در ﻣﺮاﺣﻞ ﻣﺨﺘﻠﻒ رﺳﻴﺪﮔﻲ، آزﻣﺎﻳﺸﻲ در ﺳﺎل ﻫﺎی زراﻋﻲ 1382-84 ﺑﻪ ﻣﺪت دو ﺳﺎل در ﻣﺰرﻋﻪ ﺗﺤﻘﻴﻘﺎﺗﻲ ﻣﻮﺳﺴﻪ ﺗﺤﻘﻴﻘﺎت اﺻﻼح و ﺗﻬﻴﻪ ﻧﻬﺎل و ﺑﺬر اﻧﺠﺎم ﺷﺪ. در اﻳﻦ ﺗﺤﻘﻴﻖ، ﺷﺶ رﻗﻢ ﺗﺠﺎری ﻛﻠﺰا ﺑﻪ ﻧﺎم ﻫﺎی Licord، SLM046، Okapi، Orient،  Zarfamو Opera و ﭘﻨﺞ زﻣﺎن ﺑﺮداﺷﺖ ﺷﺎﻣﻞ ﺑﺮداﺷﺖ در ﻣﺮاﺣﻞ 50، 60، 70، 80 و 90 درﺻﺪ رﺳﻴﺪﮔﻲ ﺧﻮرﺟﻴﻦ ﻫﺎی ﺳﺎﻗﻪ اﺻﻠﻲ در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﺷﺪﻧﺪ. اﻳﻦ آزﻣﺎﻳﺶ ﺑﻪ ﺻﻮرت ﻛﺮت ﻫﺎی ﺧﺮد ﺷﺪه در ﻗﺎﻟﺐ ﺑﻠﻮک ﻫﺎی ﻛﺎﻣﻞ ﺗﺼﺎدﻓﻲ ﺑﺎ ﺳﻪ ﺗﻜﺮار اﺟﺮا ﮔﺮدﻳﺪ ﻛﻪ در آن رﻗﻢ ﺑﻪ ﻋﻨﻮان ﻋﺎﻣﻞ اﺻﻠﻲ و زﻣﺎن ﺑﺮداﺷﺖ ﺑﻪ ﻋﻨﻮان ﻋﺎﻣﻞ ﻓﺮﻋﻲ در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﺷﺪﻧﺪ. ﻣﻴﺰان ﻛﻠﺮوﻓﻴﻞ داﻧﻪ، ﻣﻴﺰان روﻏﻦ، ﻋﻤﻠﻜﺮد روﻏﻦ داﻧﻪ و ﻣﻴﺰان رﻃﻮﺑﺖ داﻧﻪ ﺑﺎ اﺳﺘﻔﺎده از روش ﻫﺎی اﺳﺘﺎﻧﺪارد اﻧﺪازه ﮔﻴﺮی ﺷﺪﻧﺪ. ﻧﺘﺎﻳﺞ ﺣﺎﺻﻞ از ﺗﺠﺰﻳﻪ ﻣﺮﻛﺐ ﻧﺸﺎن داد ﻛﻪ اﺛﺮ رﻗﻢﺑﺮ ﭼﻬﺎر ﺻﻔﺖ ﻣﺬﻛﻮر در ﺳﻄﺢ اﺣﺘﻤﺎل ﻳﻚ درﺻﺪ ﻣﻌﻨﻲ دار ﺑﻮد. رﻗﻢ Okapi ﺑﺎ ﻣﻴﺎﻧﮕﻴﻦ 2.3 ﻣﻴﻠﻲ ﮔﺮم ﺑﺮ ﻛﻴﻠﻮﮔﺮم، ﻛﻤﺘﺮﻳﻦ ﻣﻴﺰان ﻛﻠﺮوﻓﻴﻞ داﻧﻪ و ﺑﺎ ﻣﻴﺎﻧﮕﻴﻦ 1661 ﻛﻴﻠﻮﮔﺮم در ﻫﻜﺘﺎر، ﺑﻴﺸﺘﺮﻳﻦ ﻋﻤﻠﻜﺮد روﻏﻦ داﻧﻪ را ﺑﻪﺧﻮد اﺧﺘﺼﺎص داد و از اﻳﻦ ﺟﻬﺖ ﻧﺴﺒﺖ ﺑﻪ ﺳﺎﻳﺮ ارﻗﺎم ﻣﻮرد ارزﻳﺎﺑﻲ، ﺑﺮﺗﺮی معنی داری داﺷﺖ. ﻫﻤﭽﻨﻴﻦ دو رﻗﻢ Okapi و Zarfam ﺑﻪ ﺗﺮﺗﻴﺐ ﺑﺎ ﻣﻴﺎﻧﮕﻴﻦ 48.7 و 48.0 درﺻﺪ، ﺑﺎﻻﺗﺮﻳﻦ ﻣﻴﺰان روﻏﻦ داﻧﻪ را دارا ﺑﻮدﻧﺪ. اﺛﺮ زﻣﺎن ﺑﺮداﺷﺖ ﻧﻴﺰ ﺑﺮ اﻳﻦ ﺻﻔﺎت در ﺳﻄﺢ اﺣﺘﻤﺎل ﻳﻚ درﺻﺪ ﻣﻌﻨﻲ دار ﺑﻮد. ﺑﺮداﺷﺖ در ﻣﺮﺣﻠﻪ 80 درﺻﺪ رﺳﻴﺪﮔﻲ ﺑﺎ ﻣﻴﺎﻧﮕﻴﻦ 1.9 ﻣﻴﻠﻲ ﮔﺮم ﺑﺮ ﻛﻴﻠﻮﮔﺮم، ﻛﻤﺘﺮﻳﻦ ﻣﻴﺰان ﻛﻠﺮوﻓﻴﻞ داﻧﻪ را ﻧﺸﺎن داد، در ﺣﺎﻟﻲ ﻛﻪ ﺑﻴﺸﺘﺮﻳﻦ ﻋﻤﻠﻜﺮد روﻏﻦ داﻧﻪ ﺑﺎ ﻣﻴﺎﻧﮕﻴﻦ 1548 ﻛﻴﻠﻮﮔﺮم در ﻫﻜﺘﺎر ﻣﺮﺑﻮط ﺑﻪ ﺑﺮداﺷﺖ در ﻣﺮﺣﻠﻪ 90 درﺻﺪ رﺳﻴﺪﮔﻲ ﺑﻮد. اﺛﺮ ﻣﺘﻘﺎﺑﻞ رﻗﻢ و زﻣﺎن ﺑﺮداﺷﺖ ﺑﺮ ﻣﻴﺰان ﻛﻠﺮوﻓﻴﻞ داﻧﻪ و ﻣﻴﺰان رﻃﻮﺑﺖ داﻧﻪ ﻧﻴﺰ در ﺳﻄﺢ اﺣﺘﻤﺎل ﻳﻚ درﺻﺪ ﻣﻌﻨﻲ دار ﺑﻮد. ﺑﺮ اﺳﺎس ﻧﺘﺎﻳﺞ اﻳﻦ آزﻣﺎﻳﺶ ﺑﻪ ﻧﻈﺮ ﻣﻲ رﺳﺪ ﻛﻪ در ﺑﺮداﺷﺖ ﻣﺴﺘﻘﻴﻢ ﻛﻠﺰا ، ﻣﺮﺣﻠﻪ رﺳﻴﺪﮔﻲ 90 درﺻﺪ و در ﺑﺮداﺷﺖ ﻏﻴﺮﻣﺴﺘﻘﻴﻢ ﻣﺮﺣﻠﻪ رﺳﻴﺪﮔﻲ 70 ﺗﺎ 80 درﺻﺪ ﺟﻬﺖ ﺣﻔﻆ ﻛﻴﻔﻴﺖ و ﺑﻪ ﺣﺪاﻗﻞ رﺳﺎﻧﺪن اﻓﺖ ﻣﺤﺼﻮل ﻣﻨﺎﺳﺐ ﺗﺮ ﻣﻲ ﺑﺎﺷﺪ.

ﺗﻌﻴﻴﻦ ﺳﻄﺢ ﺗﻨﻮع ژﻧﺘﻴﻜﻲ و رواﺑﻂ ﺑﻴﻦ ژﻧﻮﺗﻴﭗ ﻫﺎ اﺳﺎس ﺷﻨﺎﺳﺎﻳﻲ واﻟﺪﻳﻦ ﻣﻨﺎﺳﺐ ﺑﺮای اﻫﺪاف اﺻﻼﺣﻲ ﻣﺨﺘﻠﻒ ﺑﺸﻤﺎر ﻣﻲ رود. در اﻳﻦ راﺳﺘﺎ ﻧﺸﺎﻧﮕﺮﻫﺎی ﻣﻮﻟﻜﻮﻟﻲ ﺑﻄﻮر ﻣﻮﻓﻘﻴﺖ آﻣﻴﺰ در ارزﻳﺎﺑﻲ ﺗﻨﻮع ژﻧﺘﻴﻜﻲ اﻧﻮاع ﮔﻴﺎﻫﺎن زراﻋﻲ ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار ﮔﺮﻓﺘﻪ اﻧﺪ. در اﻳﻦ آزﻣﺎﻳﺶ، ﺗﻨﻮع ژﻧﺘﻴﻜﻲ 35 ﻻﻳﻦ و رﻗﻢ ﺟﻮ، ﺑﺎ اﺳﺘﻔﺎده از 19 ﺟﻔﺖ آﻏﺎزﮔﺮ SSR و EST-SSR ﺑﺮرﺳﻲ ﺷﺪ ﻛﻪ در ﻣﺠﻤﻮع 157 آﻟﻞ ﭼﻨﺪﺷﻜﻞ ﺑﺎ ﻣﻴﺎﻧﮕﻴﻦ 7.85 آﻟﻞ ﺑﻪ ازای ﻫﺮ ﺟﻔﺖ آﻏﺎزﮔﺮ ﺗﻜﺜﻴﺮ ﺷﺪ. ﻛﻤﺘﺮﻳﻦ ﺗﻌﺪاد آﻟﻞ ﻣﺮﺑﻮط ﺑﻪ ﻧﺸﺎﻧﮕﺮ Bmag581 ﺑﺎ دو آﻟﻞ و ﺑﻴﺸﺘﺮﻳﻦ آن ﻣﺮﺑﻮط ﺑﻪ ﻧﺸﺎﻧﮕﺮ Bmag134 ﺑﺎ 15 آﻟﻞ ﺑﻮد. ﻣﻴﺰان اﻃﻼﻋﺎت ﭼﻨﺪﺷﻜﻠﻲ ﺑﺮای ﻧﺸﺎﻧﮕﺮﻫﺎی ﻣﻮرد ﺑﺮرﺳﻲ ﺑﻴﻦ 0.15 ﺗﺎ 0.89 ﺑﺎ ﻣﻴﺎﻧﮕﻴﻦ 0.69 ﺑﻮد ﻛﻪ ﺑﻴﺸﺘﺮﻳﻦ ﻣﻘﺪار ﺑﻪ ﻧﺸﺎﻧﮕﺮ Ebmac419 و ﻛﻤﺘﺮﻳﻦ آن ﺑﻪ ﻧﺸﺎﻧﮕﺮ Bmag581 ﺗﻌﻠﻖ داﺷﺖ. از ﻧﻈﺮ ﺗﻨﻮع ژﻧﻲ، دو ﻧﺸﺎﻧﮕﺮ Bmag581 و Ebmac419 ﺑﻪ ﺗﺮﺗﻴﺐ ﻛﻤﺘﺮﻳﻦ (0.17) و ﺑﻴﺸﺘﺮﻳﻦ (0.9) ﻣﻘﺪار را داﺷﺘﻨﺪ. ﺗﺠﺰﻳﻪ ﺧﻮﺷﻪ ای ﺑﺮ اﺳﺎس داده ﻫﺎی ﻣﻮﻟﻜﻮﻟﻲ، ژﻧﻮﺗﻴﭗ ﻫﺎ را ﺑﻪ ﭘﻨﺞ ﮔﺮوه ﻣﻨﺘﺴﺐ ﻛﺮد. ﺑﺮرﺳﻲ درﺻﺪ زﻧﺪه ﻣﺎﻧﻲ در ﻣﺰرﻋﻪ، ﻣﻴﺎﻧﮕﻴﻦ درﺻﺪ زﻧﺪه ﻣﺎﻧﻲ در آزﻣﺎﻳﺸﮕﺎه،  LT50و ﺗﺮاوش ﻳﻮﻧﻲ ژﻧﻮﺗﻴﭗ ﻫﺎ ﻧﺸﺎن داد ﻛﻪ ژﻧﻮﺗﻴﭗ ﻫﺎی ﮔﺮوه دو در ﻣﻘﺎﻳﺴﻪ ﺑﺎ ﺳﺎﻳﺮ ﮔﺮوه ﻫﺎ از ﻣﻘﺎوﻣﺖ ﺑﻪ ﺳﺮﻣﺎی ﻛﻤﺘﺮی ﺑﺮﺧﻮردار ﺑﻮدﻧﺪ. ﻧﺸﺎﻧﮕﺮﻫﺎی ﻣﻮرد اﺳﺘﻔﺎده در اﻳﻦ آزﻣﺎﻳﺶ ﺗﻮاﻧﺴﺘﻨﺪ ژﻧﻮﺗﻴﭗ ﻫﺎی ﺑﺴﻴﺎر ﺣﺴﺎس ﺑﻪ ﺳﺮﻣﺎ را از ﺑﻘﻴﻪ ژﻧﻮﺗﻴﭗ ﻫﺎ ﺗﻔﻜﻴﻚ ﻛﻨﻨﺪ.

در این مطالعه پارامترهای اکسیژن محلول، اکسیژن خواهی بیوشیمیایی و شیمیایی رودخانه عباس آباد همدان با استفاده از مدل QUAL2KW در فصل های بهار (تر) و تابستان (خشک) بررسی گردید. پس از آنالیز حساسیت مدل، داده های اردیبهشت، خرداد و مردادماه سال های 1390 و 1391 برای واسنجی و داده های مشابه 1394 برای صحت­سنجی استفاده گردید. دقت مدل از طریق محاسبه شاخص های آماری ضریب تعیین، خطای استاندارد و ریشه میانگین مربعات خطای نرمال بررسی شد. خطای استاندارد اکسیژن محلول، اکسیژن خواهی بیوشیمیایی و شیمیایی در مرحله واسنجی، به ترتیب در محدوده 038/0 تا 092/0، 058/0 تا 180/0 و 075/0 تا 156/0، در مرحله صحت سنجی به ترتیب در محدوده 007/0 تا 040/0، 225/0 تا 385/0، 166/0 تا 216/0 محاسبه شد. نتایج نشان داد روند تغییرات اکسیژن محلول در فصول تر و خشک تقریباً یکنواخت و خطی بوده که ناشی از شیب زیاد و هوادهی بالای رودخانه است. همچنین تغییرات اکسیژن خواهی بیوشیمیایی و شیمیایی نسبتاً مشابه و دارای روند افزایشی است.

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.

در این پژوهش مدلی جهت توسعه و بهینه سازی میزان درخواست خون بیمارستان ها، کاهش میزان کمبود و اتلاف خون و کاهش سطح موجودی باقیمانده در بیمارستان ها و نیز کمینه سازی زمان سیکل انتقال خون به مراکز درمانی در زنجیره تامین خون طراحی شد. این مدل شامل گروه های اهدایی، ﻣﺮاﮐﺰ ﺛﺎﺑﺖ/ ﻣﺘﺤﺮک، ﻣﺮاﮐﺰ بانک خون و بیمارستان ها می باشد. مدل پیشنهادی دو هدفه، سه سطحی و چند دوره ای و همچنین برای در نظر گرفتن شرایط عدم قطعیت مقدار تقاضا در بیمارستان ها به صورت فازی در نظر گرفته شده است. مساله بیان شده در این تحقیق، پارامترهایی همچون میزان عرضه خون، میزان تقاضا، ظرفیت هر یک از مراکز و هزینه های مرتبط در زنجیره تأمین خون و همچنین امکان ارسال جانبی فرآورده های خونی را در بر می گیرد. از این رو مدل طراحی شده از لحاظ پارامترهای مهم با رویکرد بهینه سازی ابتدا با روش محدودیت اپسیلون در اندازه­ کوچک و با مثال عددی به صورت دقیق در نرم افزارGAMS بررسی شد و سپس برای جستجوی راه حل بهینه پارتو در ابعاد بزرگ تر، از الگوریتم فراابتکاری NSGAII (الگوریتم ژنتیک با مرتب سازی نامغلوب) استفاده شد که نتایج حل الگوریتم NSGAII نشان می دهد که بهتر از روش محدودیت اپسیلون عمل می کند.