منبع تحقیق درباره دسترسی به منابع

منبع تحقیق درباره دسترسی به منابع

دانلود پایان نامه

علامت ستاره درج شده در این ماتریس نشاندهنده این است که این عدد در ماتریس اولیه وجود نداشته است. بر طبق معادله Rr∩Ar=Rr میتوان میزان اهمیت هر کدام از معیارها را به صورت چند طبقه نشان دهیم. با مشخص شدن سطح اولیه از شکل شماره 3-10 میتوان ردیف و ستون مربوط به معیار C4 را حذف نمود. با انجام دوباره مراحل میتوان سطح دوم این شکل را مشخص کرد. با توجه به شکل بدست آمده در آخرین مرحله و همچنین انجام مراحل فوق میتوان در نهایت مرتبه معیارها را به صورت زیر نشان دهیم.  

S′={C1, ,C4}
(شکل شماره 3-10 به طور کامل مراحل انجام شده را نشان میدهد). بر اساس این روش میتوان بیان نمود که معیارهای C1 و C2 دارای اثری یکسان بر روی معیار C4 در سطر اول بوده و C3 دارای تاثیری برابر برای هر دو معیار واقع شده در سطر دوم میباشد. به این ترتیب معیار واقع شده در آخرین سطح دارای تاثیری بر روی همه معیارها میباشد و با تغییر میتواند بر روی سایر معیارها تغییراتی را ایجاد نماید. در صورتی که معیار واقع شده در اولین سطح با تغییر نمیتوان بر روی سایر معیارها تغییراتی را ایجاد نماید. بر همین اساس میتوان در فرایندهای تصمیمگیری از معیار واقع شده در سطر اول فاکتور گرفت چرا که تاثیر زیادی بر روی سایر اعداد ندارند و صرفاً برای ارزیابی گزینهها مورد استفاده قرار میگیرند. به عبارتی گزینههای واقع شده در سطور بعدی با تاثیری که بر روی عنصر واقع شده در سطر اول میگذارند میتوانند سرنوشت مقابله شدن گزینهها در برابر معیارهای واقع شده در سطر اول را نیز تخمین بزنند.
با اجرای روش مد میتوان معیارهای مورد نظر را انتخاب نمود تا در نهایت بهترین تصمیمگیری را ارائه نمائیم. محاسبه معیارهای ذکر شده و منتخب برای عناصر، دوره و بخش های مختلف کشاورزی، شرب و صنعت در مرحله اول توسط در نظر گرفتن مقدار هر کدام از عناصر و نیز اعمال نمودن تاثیر هر کدام از گزینه ها بر روی کاهش میزان عنصر مورد نظر در دوره، بخش و عناصر مختلف انجام شد. به این صورت که برای مثال: مقدار عنصر کلسیم برای سالهای 1996-2011 را با اخذ دادههای جمعآوری شده از سازمان آب منطقهای استان مازندران در یک صفحه از Excel قرار دادیم. سپس میزان قابلیت هر کدام از واحدهای RO و غیره را در ستونهای مختلف محاسبه نمودیم. بعد از این مرحله سعی شد تا با استفاده از نرم افزار WEAP برای معیار IWD (در قسمت بعدی به طور مختصر در ارتباط با محاسبه پارامتر IWD بحث خواهیم نمود) و همچنین داده های محاسبه شده (مقادیر RE, RS, VU) مقدار هر کدام از گزینهها را در مقابل معیارها مشخص نمائیم. چرا که مقادیر هر کدام از معیارهای ASI, ESI, DSR وابسته به این پارامترها میباشند. معادلات نحوه محاسبه پارامترهای ذکر شده را نشان میدهند. روش محاسبه معیارهای ذکر شده بر اساس دو فرضیه انجام میشود: 1- استفاده از مقادیر متوسط سالانه برای سالهای مورد نظر 2-فرضیه معرفی شده از سوی شورای مهندسین عمران و برنامههای بینالمللی هیدرولوژی آمریکا، این فرضیه بر اساس استفاده از تجمع زمانی شاخص های سری زمانی از جمله میزان اطمینانپذیری، حساسیتپذیری و پایداری انجام میشود. روش مورد استفاده به طور کلی بر پایه استفاده از پارامتری به نام Ct میباشد. به عبارتی مقدار پارامتر مورد نظر برای مثال (مقدار عنصر کلسیم بعد از اعمال تاثیر واحد نمک زدائی بر روی آب زیرزمینی در سال های 1996-2011 برای بخش شرب) را با Ct نشان می دهیم. با استفاده از t می توان دوره مورد نظر را که بیشتر از یک سال میباشد را نشان دهیم (t={C(1996),C(1997)……,C(2011)}). بر همین اساس و با استفاده از پارامتر ذکر شده میتوان مقدار هر یک از مقادیر مورد نظر برای محاسبه معیارهای اصلی را بدست آورد.
(43)
RE (Reliability) میزان اطمینانپذیری را مشخص مینماید. در معادله ذکر شده دامنه دلخواه برابر با 8/0 تا 1 (ییلماز و هارمانسیگلو، 2010).
هم چنین مقدار RS برابر است با:
(44)
و در نهایت مقدار VU برابر است با:
(45)
با استفاده از پارامترهای تعریف شده میتوان مقدار ASI, ESI, DSR را مشخص نمود.
(46)
دامنه مورد نظر با توجه به مطالعهای که توسط ییلماز و هارمانسیگلو (2010) انجام شده است برابر با 8/0 تا 1 میباشد. در نهایت مقدار معیار DSR را با استفاده از معادله بدست میآوریم:
(47)
برای اینکه بتوان معیارهای مورد نظر را برای هر کدام از گزینهها در سالهای آتی مورد بررسی قرار داد به پیشبینی دادههای کیفی با استفاده از Neural Netwrok پرداختیم. به این صورت که مقدار برای مثال عنصر کلسیم آبهای زیرزمینی موجود در محدوده مورد مطالعه را در سالهای 2012-2020، 2021-2035 و در نهایت 2036-2050 پیشبینی نمودیم. این روند را برای عناصر دیگر نیز اجرا نمودیم. در بین معیارهای مذکور معیاری وجود دارد به نام IWD که بیانکننده میزان کمبود آب در دسترس ساکنین منطقه می باشد. این پارامتر را نمی توان تنها با استفاده از داده های شبیه سازی شده توسط Neural Network بدست آورد، به بهمین دلیل جهت محاسبه معیار ذکر شده از نرم افزار WEAP استفاده نمودیم. در ابتدا به ارائه خلاصه ای از عملکرد شبکه عصبی می پردازیم. این نکته نیز باید مورد توجه قرار گیرد که قبل از به کارگیری نرم افزار Neural Network از نرم افزار SPSS20 برای مشخص نمودن میزان ارتباط و هم بستگی هر کدام از پارامترها به یکدیگر استفاده شد. بر اساس ارتباط هر کدام از پارامترها به سایر پارامترها و یا عناصر می توان با اطمینان بیشتری پیش بینی داده ها و یا عناصر دیگر را برای سال های آتی انجام داد. نتایج حاصل از اتخاذ SPSS20 (IBM) در بخش نتایج آورده شده است.
3-9-9-شبکه عصبی (Neural Network)
شبکههای عصبی نوعی مدلسازی سادهانگارانه از سیستمهای عصبی واقعی هستند که کاربرد فراوانی در حل مسائل مختلف در علوم دارند. حوزه کاربرد این شبکه ها آن چنان گسترده است که از کاربردهای طبقهبندی گرفته تا کاربردهایی نظیر درونیابی، تخمین، آشکارسازی و غیره را شامل میشوند. شاید مهم ترین مزیت این شبکه ها، توانایی وافر آنها درکنار سهولت استفاده از آنها باشد. به موازات گسترش کاربردهای شبکه عصبی، نیاز به فراگیری آن و آشنایی با توانایی ها و قابلیت های آن رخ مینماید.
یکی از روشهای کارآمد در حل مسائل پیچیده، شکستن آن به زیر مسالههای سادهتر است که هر کدام از این زیربخش ها به نحو سادهتری قابل درک و توصیف باشند. در حقیقت یک شبکه، مجموعهای از این ساختارهای ساده است که در کنار یکدیگر سیستم پیچیده نهائی را توصیف می کنند. شبکه ها انواع مختلفی دارند اما همگی آن ها از دو مولفه تشکیل میشوند:
1-مجموعهای از گرهها; هر گره در حقیقت واحد محاسباتی شبکه است که ورودی ها را گرفته و بر روی آن پردازش انجام میدهد تا خروجی بدست آید. پردازش انجام شده توسط گره میتوان از سادهترین نوع پردازشها نظیر جمع کردن ورودیها تا پیچیدهترین محاسبات را شامل شود. در حالت خاص، یک گره میتواند خود، شامل یک شبکه دیگر باشد.
2-اتصالات بین گره ها: این اتصالات نحوه گذر اطلاعات بین گره ها را مشخص می کند. در حالت کلی اتصالات می توانند تک سویه (Unidirectional) یا دو سویه (Bidirectional) باشند (صیادی، 1387).
تعامل بین گره ها از طریق این اتصالات سبب بروز یک رفتار کلی از سوی شبکه میگردد که چنین رفتاری به تنهایی در هیچ یک از المان های شبکه دیده نمیشود. جامع بودن این رفتار کلی بر عملکرد موجود در هر گره سبب تبدیل شبکه به یک ابزار توانمند میشود. به عبارت دیگر، مجموعه سادهای از المان ها وقتی در قالب یک شبکه باشند میتوانند رفتاری از خود بروز دهند که هیچ یک از آن المان ها به تنهایی قادر به بروز چنین مشخصهای نبود. بر اساس آنچه که یینگ ژائو (2007) اشاره نموده است، مدل های بسیاری جهت پیشبینی داده های کیفی آب مورد استفاده قرار گرفتهاند ولی بهترین مدلی که می توان در زمینههای هیدرولوژیکی قابل استفاده باشد شبکه عصبی میباشد (باقرشریفی، 2005؛ بختیاری، 2007). شبکه های عصبی علاوه بر دقتی که در پیش بینی داده ها دارند می توانند از سرعت زیادی برای پیش بینی داده ها برخوردار باشند. شبکه عصبی می تواند با استفاده از فرایند یادگیری و سلول ویژه آنالیز شده (نرون) ارتباط مناسبی را بین دو فضای (internal and external) مختلف ایجاد نماید. به عبارتی میتواند اطلاعات را از internal اخذ نماید و به External انتقال دهد. شبکه عصبی میتواند در زمانی که عدم قطعیت بسیار زیادی در زمینه کمیت و کیفیت دادهها وجود دارد به خوبی محاسبات خود را به بهترین نحو انجام دهد (مسعود، 2005). مایر و داندی (2000) از توانایی شبکه عصبی برای پیشبینی دادههای کیفی آب استفاده نمودند.
3-9-10-سیستم ارزیابی منابع آبی و برنامهریزی (WEAP)
اجرای مدل مدیریت منابع آبی نیاز به نرم افزار و مدل شبیه سازی مناسب جهت محاسبه دسترسی به منابع آبی و سناریوهای تقاضای منابع آبی و هم چنین ارزیابی برنامه های ممکن مدیریتی بر اساس منابع و یا مدیریت تقاضا دارا می باشد. در این تحقیق، WEAP، مدل ارائه شده توسط Stockholm Environment Institute، مورد استفاده قرار می گیرد و می توان در نهایت نتایج بدست آمده را با هدف مطابقت داده و از نتایج بدست آمده از کاربرد این مدل در راستای دسترسی به هدف نهائی استفاده نمود. مدل مذکور جهت استفاده های تحقیقی و پژوهشی رایگان بوده و از نظر کاربرد مدلی آسان به حساب می آید (SEI, 2007). کاربرد این مدل شامل مراحل زیر می باشد:
-شناسایی مشکل موجود در منطقه، در این تحقیق نفوذ آب دریا به درون چاه ها و کاهش کیفیت آنها از مشکلات اصلی مردم ساکن در منطقه می باشد. در این مرحله باید مسائلی همانند زمان انجام کار، محدودیت های مکانی، محتویات سیستم ها و در نهایت امکان اجرای مدل نیز مورد ارزیابی قرار گیرد.

مطلب مرتبط :   نتایج محاسبات

Close Menu