زمین لغزش از جمله بلایای طبیعی است که بیش تر در مناطق کوهستانی رخ می دهد و مورفولوژی را به طور ناگهان به هم می زند و خسارت هایی عمده به مناطق مسکونی، جاده ها، زمین های کشاورزی و غیره وارد می کند. به این دلیل، پدیده زمین لغزش همواره مورد توجه دولت ها و مراکز علمی و پژوهشی بوده و روش های گوناگونی برای مطالعه آن ها ارایه شده است تا بدین وسیله، بتوان به شناسایی و رویارویی با آن اقدام کرد. در این مطالعه، با استفاده از مدل آماری دومتغیره که خود شامل سه روش تراکم سطح، ارزش اطلاعاتی و وزن متغیرهاست، نقشه خطر زمین لغزش در حوزه سد ایلام تهیه شده است. نتایج بدست آمده از ارزیابی مدل آماری دومتغیره، با استفاده از روش های شاخص زمین لغزش، پارامتر دقت نتایج پیش بینی شده و نسبت تراکمی نشان داده که روش نسبت تراکمی، روشی مناسب تر جهت ارزیابی کارایی مدل است بر این اساس، این روش به عنوان روش مبنا جهت ارزیابی کارایی مدل شناخته شده است که بر اساس نتایج بدست آمده از آن، روش های تراکم سطح، وزن متغیرها و ارزش اطلاعاتی به ترتیب بیش ترین دقت را در تفکیک کلاس های خطر زمین لغزش داشته اند. مقدار شاخص جداکردن کلاس های خطر در روش تراکم سطح، وزن متغیرها و ارزش اطلاعاتی به ترتیب 2.6، 1.7 و 1.12 بوده است.

امروزه به دلیل افزایش اهمیت مصرف انرژی، روشهای بسیاری با هدف پیش بینی دقیق میزان مصرف انرژی مورد استفاده قرار گرفته است. یکی از این روش ها استفاده از هوش مصنوعی است. برای انجام این کار از الگوریتم های مختلفی استفاده می شود که می توانند نتیجه دقیق تری نسبت به سایر ابزارهای شبیه سازی انرژی ساختمان ارائه دهند. این مقاله، با هدف شناسایی دقیق ترین و پرکاربردترین الگوریتم ها، تعدادی از تحقیقات مرتبط با این موضوع که در سال های اخیر انجام شده اند را بررسی می کند. الگوریتم هایی که دارای کمترین میزان خطا، بیشترین سرعت و دقت محاسبات هستند. پس از استفاده از الگوریتم های مختلف، نقاط قوت و ضعف هر یک مشخص می شود. در این تحقیق، از چارچوب لایه ای برای انتخاب مقالات استفاده شده است. در لایه اول، سال انتشار مقاله مورد توجه بوده؛ دوم، دارای کلمات کلیدی مرتبط و مطابق با دستاوردهای تحقیق بوده اند و سوم، مطابقت با موضوع مقاله بررسی شده است. هدف این مقاله شناخت بهتر ویژگی های الگوریتم های مختلف باتوجه به نوع استفاده از آنها است؛ علاوه بر این، بهترین و پرکاربردترین الگوریتم های یادگیری ماشین در سالهای اخیر معرفی می شوند. الگوریتم های پرکاربرد برای بهینه سازی مصرف انرژی و پیش بینی عملکرد انرژی ساختمانها به ترتیب شبکه عصبی مصنوعی، ماشین بردار پشتیبان، جنگل تصادفی، الگوریتم ژنتیک و رگرسیون خطی بوده است.

در این پژوهش اثر پارامتر حالت در مدل های رفتاری الاستو پلاستیک در بهبود پیش بینی رفتار ماسه ها با استفاده از برنامه کامپیوتری DIANA-SWANDYNE II نشان داده شده است. برای این کار از نتایج آزمایشات سانتریفوژ با مقیاس 50g که در پروژه VELACS انجام شده،‏ استفاده شده است. رفتار مکانیکی مدل سانتریفوژ در حین بارگذاری زلزله با استفاده از مدل رفتاری Pastor & Zienkiewicz Mark III و اصلاح آن با در نظر گرفتن پارامتر حالت لحظه ای تعیین و با مقادیر واقعی اندازه گیری شده در آزمایشگاه مقایسه شده اند. نتایج به دست آمده نشان می دهد که استفاده از پارامتر حالت لحظه ای می تواند اثر قابل توجهی را در بهبود پیش بینی تغییر شکل،‏ فشار آب حفره ای و نیز شتاب حاصل از زلزله داشته باشد.

هدف از این پژوهش ارائه ی روش های جدید جهت تعیین مدول الاستیسیته ی لایه های روسازی و بررسی دقت این روش ها در تخمین مدول، از طریق مقایسه با مدول های آزمایشگاهی می باشد. به این منظور، بر روی مقاطع متعددی از محور شوش-اندیمشک و سمنان-دامغان آزمایش افت وخیزسنج ضربه ای انجام شد. در همان نقاط، از لایه های روسازی مغزه گیری شده و در آزمایشگاه، آزمایش های کشش غیرمستقیم با بارگذاری تکراری و سه محوری دینامیکی جهت تعیین مدول لایه های آسفالت و اساس و بستر انجام گرفت. داده های آزمایش افت وخیزسنج ضربه ای توسط نرم افزار ELMOD6. 0 تحلیل شد و در کنار آن، یک روش جدید برای محاسبات بازگشتی کدنویسی و پیشنهاد گردید. مقایسه ی نتایج نرم افزار ELMOD و روش پیشنهادی با مقادیر مدول الاستیسیته ی آزمایشگاهی نشان داد که دقت پیش بینی مدول توسط روش پیشنهادی بیشتر از نرم افزار ELMOD است. در این پژوهش علاوه بر ارائه روش پیشنهادی مبتنی بر محاسبات بازگشتی، مدل هایی ارائه شده اند که مدول لایه های روسازی را سریع و با دقت بالا تخمین می زنند. با استفاده از این مدل ها و بدون نیاز به محاسبات بازگشتی و دشواری های الگوریتم سعی و خطا می توان مدول آسفالت، اساس و بستر را پیش بینی نمود. در این مدل ها با استفاده از پارامترهایی همچون ضخامت لایه ها، پارامترهای کاسه ی انحنا و بار وارده در آزمایش افت وخیزسنج ضرب های، مدول لایه های روسازی با دقت بالا قابل پیش بینی اند.

کارایی نشان می دهد که سازمان چگونه از منابع خود در راستای تولید نسبت به بهترین عملکرد در مقطعی از زمان استفاده کرده است. یکی از مهم ترین شاخص های بررسی عملکرد شرکت ها کارایی است، پیش بینی کارایی شرکت های بورس اوراق بهادار و شناسایی عوامل مؤثر بر کارایی شرکت ضرورتی است که در این پژوهش به آن پرداخته شد. به طوری که این تحقیق به بررسی نقش معیار های ریسک و نظام راهبری بر کارایی شرکت می پردازد .. در این راستا، برای اندازه گیری کارایی شرکت از روش تحلیل پوشش داده ها استفاده شده است. متغیرهای مستقل اولیه در این پژوهش شامل متغیرهای نظارتی نظام راهبری می باشد. یافته های تجربی مربوط به بررسی 154 شرکت پذیرفته شده در بورس اوراق بهادار تهران در بازه ی زمانی 1390 تا 1397، نشان می دهد که متغیرهای نسبت مالکان نهادی، نسبت مدیران غیرموظف، ارتباط سیاسی شرکت و نسبت مالکیت مدیریتی و تمرکز مالکیت نسبت به سایر متغیرها قدرت بالاتری در تبیین کارایی شرکت با استفاده از روش فرهنگی دارند و همجنین از بین معیار های ریسک معیار ریسک مالی،ریسک نوسان قیمت سهام وریسک بحران مالی بر کارایی تاثیر دارد به علاوه، از نتایج دیگر پژوهش می توان به این موضوع اشاره کرد که در پیش بینی و ارائه الگو کارایی آتی شرکت می توان از روش لاسو با خطای ناچیز استفاده کرد.

هدف: اتکاپذیری یکی از ویژگی های کیفی بسیار مهمِ اطلاعات حسابداری به شمار می آید. طبق مفاهیم نظری گزارشگری مالی، اطلاعاتی اتکاپذیر است که از اشتباه و تمایلات جانب دارانه خالی باشد. موضوع تجدید ارائۀ صورت های مالی در نتیجۀ رسوایی های گزارشگری، در متن ها و مجله های حسابداری، بسیار در کانون توجه قرار گرفته است. هدف اصلی پژوهش، ارائۀ معیاری مناسب برای پیش بینی تجدید ارائۀ صورت های مالی با استفاده از مدل های بنیش و توسعۀ بنیش است.روش: این پژوهش از نوع کاربردی و از نظر روش شناسی، پس رویدادی است و در حوزۀ تحقیقات اثباتی حسابداری قرار می گیرد و بر اطلاعات واقعی در صورت های مالی شرکت ها مبتنی است. داده های مورد نیاز از سایت کدال بورس و از صورت های مالی و گزارش های منتشر شده از شرکت های پذیرفته شده در بورس اوراق بهادار تهران، در دورۀ 1388 تا 1399 استخراج شده است. همچنین تجزیه وتحلیل داده ها با استفاده از نرم افزار اس پی اس اس و پایتون انجام شده است.یافته ها: در این پژوهش ابتدا، مدل اولیۀ بنیش برای پیش بینی احتمال تجدید ارائه صورت های مالی بررسی شد؛ سپس با استفاده از شاخص های اثرگذار بر تجدید ارائه و به کمک آزمون تی مستقل و رگرسیون گام به گام، به برآورد مدل با استفاده از رگرسیون لاجیت پرداخته شد. دقت کلی مدل اولیه بنیش، برای پیش بینی احتمال تجدید ارائه صورت های مالی 43/29 درصد و دقت کلی مدل در خصوص مدل توسعه یافته بنیش نیز 68/68 درصد برآورد شد. نتایج پژوهش حاکی از این است که براساس ماتریس درهم ریختگی، در بین مدل های پیش بینی کنندۀ تجدید ارائۀ صورت های مالی، مدل توسعه یافتۀ بنیش با رگرسیون لاجیت 68/68 درصد، توانایی پیش بینی کل را دارد و در مقایسه با مدل اولیه بنیش (دقت مدل = 43/29 درصد) بیشترین قدرت پیش بینی را داشته است؛ از این رو فرضیۀ پژوهش تأیید می شود و دقت مدل توسعه یافتۀ بنیش با رگرسیون لاجیت، در شناسایی شرکت های تجدید ارائه شده، بیشتر از مدل اولیه بنیش است.نتیجه گیری: جریان درست اطلاعات در بازار سرمایه، به عنوان موتور محرکه اقتصاد، به تصمیم گیری صحیح و منطقی مشارکت کنندگان منجر می شود و سرانجام، توسعۀ اقتصادی و بهبود رفاه اجتماعی را به ارمغان می آورد. گزارشگری مالی یکی از ابزارهای اصلی ارتباطی بین یک شرکت با گروه های مختلف ذی نفعان خود است؛ بنابراین شفافیت اطلاعاتی و ارائۀ اطلاعات صحیح و به موقع توسط شرکت های پذیرفته شده در بورس اوراق بهادار، یکی از عوامل مهم مؤثر برای دستیابی به بازار سرمایۀ کار است. این پژوهش به دنبال ارائۀ یک مدل بهینه با استفاده از مدل دست کاری سود بنیش، برای پیش بینی احتمال تجدید ارائۀ صورت های مالی است. پژوهش های متعددی تاکنون با همین محوریت صورت گرفته است؛ اما خلأ شواهد تجربی دربارۀ ارائۀ یک مدل کارا و مفید متناسب با شرایط اقتصادی بازار سرمایۀ ایران، برای پیش بینی احتمال تجدید ارائه صورت های مالی کاملاً مشهود است. در این پژوهش، ابتدا مدل اولیه بنیش برای پیش بینی احتمال تجدید ارائه صورت های مالی بررسی شد. در مرحلۀ دوم، به منظور ارائۀ یک مدل توسعه یافته براساس شاخص های بنیش و با استفاده از رگرسیون لاجیت، هشت شاخص مالی مدل بنیش از صورت های مالی شرکت های منتخب استخراج شد. در ادامه با استفاده از آزمون رگرسیون گام به گام، بهترین نسبت ها برای پیش بینی تجدید ارائۀ صورت های مالی انتخاب شد. در این راستا، دو نسبت شاخص مجموع اقلام تعهدی به مجموع دارایی ها و شاخص نسبت بدهی، به عنوان شاخص مالی نهایی انتخاب شد و مدل توسعه یافته بنیش براساس این دو شاخص نهایی ارائه شد. در مرحلۀ سوم، براساس ماتریس درهم ریختگی با مقایسه بین آن ها، بهترین مدل و روش جهت پیش بینی انتخاب شد.