پیش بینی

برآورد دقیق آبدهی رودخانه ها یکی از مهم ترین موارد کلیدی در مدیریت و برنامه ریزی منابع آب به ویژه اتخاذ تصمیمات صحیح در مواقع سیلاب و بروز خشک سالی ها است. برای برآورد میزان آبدهی رودخانه ها رویکردهای متنوعی در هیدرولوژی معرفی شده است که مدل های هوشمند از مهم ترین آن ها می باشد. در این پژوهش کاربرد مدل های هیبریدی ماشین بردار پشتیبان_ موجک و ماشین بردار پشتیبان-بیزین به منظور برآورد دبی رودخانه های حوضه آبریز کرخه براساس آمار آبدهی روزانه ایستگاههای هیدرومتری واقع در بالادست سد کرخه طی دوره آماری(1387-1397) مورد بررسی و ارزیابی قرار گرفته است. معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا و میانگین قدر مطلق خطا برای ارزیابی و عملکرد مدلها مورد استفاده قرار گرفت. نتایج نشان داد ساختارهای ترکیبی نتایج قابل قبولی در مدلسازی دبی رودخانه ارائه می نمایند. همچنین مقایسه مدل ها نشان داد مدل هیبریدی ماشین بردار پشتیبان-موجک دقت بهتری در پیش بینی جریان از خود نشان داده است. در مجموع نتایج نشان داد استفاده از مدل هیبریدی ماشین بردار پشتیبان می تواند در زمینه پیش بینی دبی روزانه مفید باشد .

پیش بینی قیمت سهام امری پیچیده است؛ مؤلفه های گوناگونی از قبیل وضع عمومی اقتصاد، رخداد های سیاسی و انتظارات سرمایه گذاران، بر بازار سهام تأثیر می گذارد. بازار سهام، در حقیقت یک سیستم غیرخطی و آشوبناک است که به عوامل متعدد سیاسی، اقتصادی و روانی وابسته است، برای غلبه بر محدودیت تکنیک های تحلیل سنتی در پیش بینی الگوهای غیرخطی، متخصصان طی دو دهه اخیر تکنیک های هوشمند و بخصوص شبکه های عصبی مصنوعی و الگوریتم ژنتیک را برای بهبود پیش بینی قیمت سهام به کاربرده اند. این پژوهش، با توجه به گسترش روز افزون روش های پیش بینی در بازارهای مالی و نیز، از آنجا که قیمت سهام یکی از مهم ترین عوامل مؤثر در تصمیمات سرمایه گذاری است و پیش بینی آن می تواند نقش با اهمیتی در این زمینه ایفا کند، در این پژوهش سعی شده است، مدلی ارائه شود تا بر اساس آن بتوان روند حرکتی قیمت سهام مورد نظر را با دقت بالایی پیش بینی کرد. بر همین اساس، یک مدل ترکیبی برای پیش بینی روند حرکتی قیمت سهام با استفاده از شبکه عصبی مصنوعی ارائه شده است. برای نمونه آماری، شرکت های برتر بورس اوراق بهادار در سه ماهه دوم سال ۱۳۹۹ انتخاب شده است. سپس برای هراین منظور، ۳۲ متغیر محاسبه شد. این متغیرها ورودی مدل هستند و به کمک الگوریتم شبکه عصبی مصنوعی بهینه سازی شده اند. نتایج نشان می دهد، مدل در پیش بینی روند حرکتی قیمت سهام بسیار بهتر عمل کرده و درمقایسه باروش های سنتی، از دقت بالاتری برخوردار است.

   وفاق اجتماعی، یکی از موضوعات اساسی است که از گذشته طولانی مورد توجه صاحب نظران در حوزه مطالعات اجتماعی و فرهنگی بوده است. با گذشت زمان این مسئله نه تنها اهمیت خود را از دست نداده، بلکه به جهت تحولات روزافزون در صحنه بین الملل و جهانی از اهمیت بیش از پیشی برخوردار شده است. وفاق اجتماعی به عنوان یکی از مولفه های اساسی و بنیادین سرمایه اجتماعی و از عومل تاثیرگذار بر روابط اجتماعی می باشد که روز به روز فرسایش می یابد و ضعیف تر می گردد- این مساله هم در سطح جهانی و هم در سطح ملی مشاهده شده است. برای تحلیل و تبیین این موضوع، چهارچوب نظری تحقیق بر اساس نظریات پاتنام و بوردیو و مکاتب کارکردگرایی و کنش متقابل نمادین طراحی گردیده است. هدف از پژوهش حاضر، بررسی نگرش مدیران ورزشی و غیر ورزشی در میزان توانایی پیش بینی ورزش قهرمانی در افزایش ابعاد وفاق اجتماعی(کنش های ارتباطی، برقرای نظم اجتماعی، تعادل و توازن اجتماعی و همنوایی اجتماعی) می باشد.    پژوهش حاضر به لحاظ اجرا از نوع پیمایشی است. جامعه آماری پژوهش، مدیران ورزشی و غیر ورزشی 31 استان کشور بوده است  که از بین این استان ها، ده استان بالای دو میلیون نفر جمعیت به شکل تصادفی ساده انتخاب شدند. مدیران ورزشی، 5 نفر شامل مدیران و معاونان ادارات کل تربیت بدنی استان ها- دارای تجربه و زمینه  مدیریت در توسعه ورزش همگانی و قهرمانی- و مدیران غیر ورزشی 5 نفر شامل3 نفر از  مدیران سیاسی، امنیتی و انتظامی 31 استانداری و 2 نفر از مدیران و معاونان ادارات کل فرهنگ و ارشاد اسلامی- دارای سابقه در زمینه فرهنگ سازی برقراری نظم و ثبات و فراهم نمودن همبستگی-  بودند که در مجموع، 100 نفر به عنوان نمونه آماری انتخاب شدند. در واقع، نمونه گیری به روش کل شمار و به صورت هدفمند انجام شد. ابزار جمع آوری اطلاعات در تحقیق حاضر، پرسش نامه بود. برای سنجش میزان روایی از روش همبستگی درونی گویه ها و همچنین «آلفای کرونباخ» استفاده گردید. تجزیه و تحلیل داده ها با استفاده از SPSS 16 صورت گرفت.    تجزیه و تحلیل داده ها نشان داد که هر چند متغیر مشارکت در ورزش قهرمانی با هر چهار بعد وفاق اجتماعی(کنش های ارتباطی، برقرای نظم اجتماعی، تعادل و توازن اجتماعی و همنوایی اجتماعی) رابطه معنی داری دارد( 05/0 (p اما تحلیل رگرسیون چندگانه نشان می دهد تنها متغیر همنوایی اجتماعی به دلیل دارا بودن بالاترین ضریب همبستگی، 158/0 از واریانس ورزش قهرمانی را تبیین می کند که با توجه به میزان F مشاهده شده این واریانس تبیین شده است. در نتیجه، مدل رگرسیون درگام اول در سطح 01/0 معنی دار و نشان از توانایی پیش بینی ورزش قهرمانی  تنها در بعد همنوایی اجتماعی را دارد و در سه بعد دیگر (کنش های ارتباطی، برقرای نظم اجتماعی، تعادل و توازن اجتماعی) این پیش بینی معنی دار نمی باشد.

حسین زارعیان[1] علیرضا الهی[2]  نصرالله سجادی[3] امین قاضی زاهدی[4]   تاریخ دریافت مقاله: 1/11/1393                                                                                  تاریخ پذیرش مقاله:7/3/1394   پژوهش حاضر با هدف پیش بینی موفقیت کشورهای شرکت کننده در بازی های المپیک 2016 ریودوژانیرو با استفاده از روش هوشمند MLP انجام شد. این پژوهش، در دو مرحله کیفی (تعیین شاخص ها) و کمی (جمع آوری داده های مربوط به کشورهای منتخب) صورت گرفت. در مرحله اول ، مصاحبه های کیفی نیمه ساختارمند و عمیق با 28 نفر از نخبگان آگاه از موضوع پژوهش به صورت غیرتصادفی هدفمند تا حد اشباع نظری انجام شد. پس از شناسایی شاخص ها، اطلاعات شاخص های انتخاب شده - شاخص های      22 گانه اقتصادی، سیاسی، اجتماعی و فرهنگی، فناوری و ورزشی (PEST+S)-  برای 42 کشور منتخب به صورت غیرتصادفی در دسترس در بازه زمانی 40 ساله از بازی های المپیک 1976 مونترال تا 2012 لندن جمع آوری گردید. در مرحله بعد، از آزمون مدل مفهومی شبکه های پرسپترون چندلایه (MLP) برای مقایسه شاخص های 22 گانه ایران با مقادیر واقعی در سال 2012 استفاده شد. نتایج نشان داد در مقایسه مقادیر واقعی با مقادیر پیش بینی شده در سال 2012، روش MLP از خطای پایینی در پیش بینی شاخص های      22 گانه برخوردار است. همچنین، در خصوص مقایسه رتبه واقعی و رتبه پیش بینی شده 42 کشور منتخب در سال 2012، روش MLP از ضریب خطای مطلق میانگین پایینی (4629/0) برخوردار بود. در مرحله نهایی، شاخص های 22 گانه در سال 2016 تخمین زده شد و رتبه کشورهای منتخب در المپیک 2016 ریودوژانیرو پیش بینی شد. با استناد به نتایج تحقیق، کشورهای ایالات متحده آمریکا، چین و انگلستان در بازی های المپیک 2016 در رتبه اول تا سوم قرار خواهند گرفت. همچنین ایران نیز در بین تیم های شرکت کننده در جایگاه 21 قرار خواهد گرفت. به طور کلی، با استفاده از الگوی شبکه های عصبی، برای سیاستگذاران ورزش کشورها این امکان فراهم است تا از شاخص ها و مولفه های شناسایی شده در    برنامه ریزی های آتی خود جهت شرکت موفق تر در بازی های المپیک استفاده نمایند.  

مقدمه: با توجه به اهمیت بازی های آسیایی، هدف از این پژوهش پیش بینی تعداد مدال های ایران در بازی های آسیایی 2022 هانگژو با استفاده از سری زمانی است.روش پژوهش: روش پژوهش تحقیق توصیفی – تحلیلی و نوع پژوهش کاربردی است. جامعه آماری تحقیق شامل مدال های کسب شده توسط ایرانیان از اولین دوره (1951 دهلی نو) تا آخر هجدهمین دوره بازی های آسیایی (2018 جاکارتا) است که به دلیل محدودیت جامعه آماری، جامعه و نمونه در این تحقیق برابر است. گردآوری اطلاعات به صورت کتابخانه ای صورت گرفت. با استفاده از منابع کتابخانه ای شامل کتاب، پایان نامه، مقالات داخلی و خارجی و همچنین سایت های اینترنتی، به مرور منابع در زمینه پیش بینی نتایج ورزشی پرداخته شد. برای تجزیه وتحلیل داده ها از آمار توصیفی برای ترسیم جداول و نمودارها و برای پیش بینی بازی آسیایی آینده از روش آماری سری زمانی استفاده شد.یافته ها: توجه به تحلیل های سری زمانی نتایج تحقیق نشان داد که ایران در بازی های آسیایی 2022 هانگژو 58 مدال خواهد گرفت.نتیجه گیری: مدیران و تصمیم گیران ورزشی باید روی رشته های برتر مانند کشتی، وزنه برداری، رشته های غیرفعال و رشته های ورزشی زنان سرمایه گذاری کنند تا ایران در بازی های آسیایی آینده به مدال های بیشتری دست یابد.

پژوهش حاضر به دلیل ارائه روشی نوین برای پیش بینی ارزش طول عمر مشتری و کاربرد آن در افزایش سودآوری سازمان های ورزشی به لحاظ هدف، کاربردی بوده و از نظر روش گردآوری داده ها از نوع میدانی است. در این پژوهش با استفاده از تکنیک دسته بندی گروهی داده ها در شبکه عصبی به محاسبه و پیش بینی ارزش طول عمر مشتریان در باشگاه های ورزشی پرداخته شده است. حجم نمونه در بخش کیفی با استفاده از روش غیر تصادفی هدفمند، تعداد ۱۸ نفر از خبرگان (اساتید دانشگاهی و مدیران متخصص ورزشی) که در حوزه های مرتبط با موضوع تخصص داشتند، شناسایی شده و با آن ها مصاحبه مستقیم انجام شد و یا از پرسشنامه باز پاسخ استفاده گردید. برای دستیابی به نقطه اشباع، مطالعه میدانی تا زمانی ادامه پیدا کرد که هیچ گواه و مؤلفه جدیدی از داده ها حاصل نشد. پس ازآن عوامل تحلیل گردیده و ابزار تحقیق ساخته شد. پایایی کلی پرسشنامه 85/0 محاسبه گردید. در بخش کمی جامعه آماری شامل 413 نفر از ورزشکاران زن و مرد که حداقل 6 ماه سابقه فعالیت ورزشی و عضویت در یکی از باشگاه های ورزشی واقع در استان های غرب و شمال غرب کشور را داشتند، توزیع گردید؛ که به علت پراکندگی و گسترده بودن جامعه موردنظر از روش نمونه گیری خوشه ای استفاده شد. برای تحلیل داده ها، اطلاعات جمعیت شناختی، سابقه ورزشی و 33 متغیر مستقل وارد شبکه شد. همچنین وجود زیرساخت ورزشی، حمایت مالی باشگاه ها، رفاه عمومی جامعه، اثربخشی خدمات ورزشی، مدیریت ورزشی هوشمند و مهارت مربی، تأثیر بالایی بر افزایش ارزش طول عمر مشتری دارد.

تکنیک داده کاوی با افزایش داده های جامع که با موفقیت در مناطق مختلف مورد استفاده قرار می گیرد، ما را قادر می سازد تا دانش پنهان را برای تأثیرگذاری بر خدمات ورزشی پیدا کنیم. تمرکز پژوهش حاضر با استفاده از الگوریتم نزدیکترین همسایه (KNN)، بر پیش بینی ماندگاری مشتریان باشگاه های است. جامعه آماری این مطالعه توسعه ای-کاربردی مربوط به 724 ورزشکار بود که در فراخوان اینترنتی (واتس آپ، اینستاگرام، تلگرام و ...) با تکمیل پرسشنامه در پژوهش حاضر شرکت نمودند. بعد از حذف پرسشنامه های فاقد شرایط نهایتاً تعداد 537 ورزشکار در رده سنی 20 تا 60 سال در پژوهش حاضر شرکت نمودند. پرسشنامه الکترونیکی، ناشناس و محقق ساخته دارای 75 عامل مربوط به رضایت مندی مشتریان بود، که بر اساس بازخورد دریافتی، تغییرات متعددی در پرسشنامه ایجاد گردید و نهایتا 18 عامل به عنوان عوامل اصلی ریزش یا ماندگاری مرتبط با امکانات و شرایط سالن های ورزشی انتخاب شدند. روایی صوری پرسشنامه توسط 5 نفر از اساتید دانشگاه و متخصص در حوزه مرتبط بررسی شد. نتایج نشان داد الگوریتم KNN می تواند با دقت 4/73 % درصد و صحت 6/71 % درصد ماندگاری مشتریان سالن ورزشی خصوصی که تکرار خرید دارند را پیش بینی کند. این مطالعه نشان داد با کشف الگوها و روابط پنهان در داده ها، احتمالا به درستی می توان از این الگوریتم برای بهبود کیفیت مدیریت اماکن ورزشی جهت جلوگیری از ریزش و ماندگاری بیشتر استفاده کرد.

تأثیرات مفاهیم فلسفی را در ساحت های مختلفی از علوم می توان مشاهده کرد. یکی از حوزه های تأثیرگذاری فلسفه بر علم اقتصاد، حول مفاهیم متدلوژیکی و معرفت شناسی بوده است. به نظر می رسد که اقتصاددان برجسته ی قرن بیستم نیز، از این تأثیرپذیری بی نصیب نبوده اند. یکی از مفاهیم فلسفی مؤثر بر روش شناسی فریدمن، مفهوم ابزارگرایی بوده است. این مفهوم، از مباحث چالشی و مهمی است که در مقاله ی اقتصاد اثباتی فریدمن[1] موردتوجه قرار گرفته است. به کارگیری این لفظ و مفهوم در مورد مقاله ی فریدمن، امری بحث برانگیز بوده و موجب پیدایش بحث های چالشی در این رابطه شده است. در این مقاله درستی انتساب این لفظ در مورد روش شناسی فریدمن مورد مداقه قرار گرفته است. یافته های پژوهش نشان می دهد که عناصری از ابزارگرایی در مقاله ی فریدمن وجود داشته است و وجود همین عناصر از ابزارگرایی در مقاله ی فریدمن سبب شده است که بسیاری، این لفظ را در مورد روش شناسی فریدمن بکار ببرند. علی رغم وجود برخی اشتراکات در این بین، ابزارگرایی فریدمن با ابزارگرایی فلسفی مصطلح، تفاوت های معناداری هم دارد. ابزارگرایی فلسفی به معنای رویکردی فلسفی است که در برابر جریان رئالیسم مطرح شده است ولی ابزارگرایی فریدمن به شکل مبنایی با رئالیسم تقابل ندارد و بیشتر در حوزه ی متدلوژیکی متوقف شده است. اگر منظور از ابزارگرایی، بهره برداری فریدمن از نظریات به منظور ابزاری برای رسیدن به هدف پیش بینی باشد، فریدمن را می توان یک ابزارگرا توصیف کرد؛ ولی اگر این لفظ را به معنای مصطلح فلسفی آن بکار ببریم، فریدمن با این نوع از ابزارگرایی فاصله ی معناداری دارد. توجه به این تمایز ظریف دراین باره می تواند از بسیاری از سوء تفاهمات نسبت به روش شناسی فریدمن جلوگیری کند.  

مقدمه: یادگیری ترکیبی به عنوان رایجترین رویکرد تربیتی و انگیزش تحصیلی و درگیری تحصیلی به عنوان سازه های روانشناختی به ترتیب به عنوان مولفه بیرونی و محرک های درونی موثر بر عملکرد تحصیلی تلقی می شوند. بر این اساس، هدف مطالعه پیش بینی موفقیت تحصیلی بر اساس رویکرد یادگیری تلفیقی، انگیزش تحصیلی و درگیری تحصیلی است. روش ها: در این پژوهش زمینه یابی مبتنی بر ضریب همبستگی، از بین220 نفر دانشجوی رشته علوم تربیتی دانشگاه پیام نور مرکز خلخال در نیمسال دوم سال تحصیلی 99-1398، با استفاده از روش نمونه گیری تصادفی طبقه ای و بر اساس جدول کرجسی و مورگان،140 نفر به عنوان نمونه انتخاب شد. برای جمع آوری اطلاعات از پرسشنامه محقق ساخته یادگیری ترکیبی، پرسشنامه انگیزش تحصیلی هرمانس(2014)و پرسشنامه درگیری تحصیلی زرنگ(1391) به همراه نمرات پایان ترم به عنوان عملکرد تحصیلی استفاده شد. سرانجام برای بررسی رابطه علی بین متغیرها از تحلیل خطی ساده مبتنی برآزمون ضریب همبستگی پیرسون و برای بررسی رابطه همزمان بین متغیرها از تحلیل چند خطی(همزمان) مبتنی برآزمون ضریب همبستگی رگرسیون به کمک نرم افزار SPSS-V21استفاده شد. یافته ها: تک تک متغیرهای رویکرد یادگیری ترکیبی، انگیزش تحصیلی و درگیری تحصیلی بر موفقیت تحصیلی تاثیر دارند(389/7،213/4 ،990/5T=، 05/0>p)، اما در این میان، رویکرد یادگیری ترکیبی در مقایسه با انگیزش تحصیلی و درگیری تحصیلی، بیشترین تاثیر را بر موفقیت تحصیلی داشت(210/0، 288/0<439/0). نتیجه نهایی تحقیق نیز نشان داد که تاثیر همزمان رویکرد یادگیری ترکیبی، انگیزش تحصیلی و درگیری تحصیلی در مقایسه با تاثیر تک تک متغیرها بر موفقیت تحصیلی، بیشتر است(435/0=R2). نتیجه گیری: اگر ابعاد و مولفه های تشکیل دهنده یادگیری ترکیبی و ابعاد درونی و بیرونی و تنظیم شده انگیزش تحصیلی به همراه سه بعد رفتاری، شناختی و انگیزشی درگیری تحصیلی در طول دوره آموزشی به خوبی نیازسنجی، طراحی، اجرا و ارزشیابی شوند، می توانند بر موفقیت تحصیلی تأثیرات چشمگیری داشته باشند.

برای انجام این پژوهش ابتدا داده های مشاهده ای بارش ماهانه سینوپتیک و هیدرومتریک از سازمان هواشناسی کشور و وزارت نیرو طی دوره 30 ساله (1976-2005) اخذ شد. برای بررسی چشم انداز تغییرات بارش در آینده، داده های تاریخی دوره (1976-2005) و داده های شبیه سازی شده اقلیمی دوره (2050-2021) با استفاده از دو مدل GFDL-CM3)، (CSIRO-Mk3.6 ازسری مدل های (CMIP5) و طبق 4 سناریوی RCP2.6)، RCP4.5، RCP6 و RCP8.5 که با قدرت تفکیک مکانی 5/0*5/0 با روش BCSD در دسترس می باشند استفاده شده است. برای اصلاح اریبی موجود در برون داد مدل های مذکور، استراتژی Mean-based (MB)) بکار رفته است. نتایج عملکرد مدل های AOGCM نشان داد برای شبیه سازی بارش در حوضه کارون بزرگ ضریب خطای مدل CSIRO-Mk3.6 کمتر از مدل GFDL-CM3 بوده است. میانگین بارش آتی (2021-2050) در کل حوضه نسبت به میانگین بارش مشاهداتی در طول دوره آماری 1976-2005 نشان می دهد، در هر دو مدل و سناریوها در دو حوضه از نظر مقدار و مساحت پهنه بارشی در حال کاهش محسوس است. بیشینه بارش ها در حوضه کارون بزرگ در تمامی سناریوها و مدل ها در شرق حوضه متمرکز بوده است. بیشترین بارش را مناطق کوهپایه ای مرکزی دریافت کرده است. کمترین دریافت بارش جنوب غرب و جنوب شرق است. نتایج نهایی پژوهش حاضر 83-116 میلی متر کاهش بارش نسبت به میانگین مشاهداتی حوضه کارون بزرگ پیش بینی می شود. هردو مدل ارائه شده، بیشترین کاهش بارش حوضه کارون بزرگ دو سناریوی rcp4.5 و rcp2.6 پیش بینی می شود.

هدف این مقاله بررسی کارایی مدل های معادلات دیفرانسیل تصادفی در پیش بینی قیمت سهام است. برای ارزیابی دقت این مدل ها، یک مطالعه مقایسه ای بین این مدل ها و مدل های سری زمانی متداول انجام شده است. در این حوزه، مدل های حرکت براونی هندسی و هستون بررسی شده اند. برای این مقاله از بین نمادهای حاضر در بورس تهران به صورت موردی به بررسی سهام بانک ملت در نماد وبملت پرداخته شده است؛ بدین منظور مقاله روی داده های تعدیل شده قیمت این سهام از ابتدای سال 1394 تا ابتدای سال 1402 صورت گرفته است. قبل از مدل سازی قیمت سهام و انجام پیش بینی، احتمال وجود الگوهای تکرارشونده و خودشبیه در روند حرکت قیمت سهام بررسی شده است. نتایج نشان می دهند که سهام بانک ملت دارای حافظه بلندمدت است که باعث می شود پیش بینی رفتارش تا حدودی امکان پذیر باشد. در ادامه پیش بینی قیمت سهام برای نماد وبملت انجام شده است و یافته های تحقیق نشان می دهند که مدل دی ف رانس یل تصادفی ه ست ون براساس اکثر معیارهای ارزیابی پ س آزم ون، عملکرد بهتری در پیش بینی قیمت سهام دارد؛ به طوری که این مدل تنها 64/4 صدم درصد خطای مطلق را در پیش بینی ها نشان داد. مدل سری زمانی AR نیز با این فرض کلیدی که الگوهای گذشته در آینده نیز تکرار می شوند، عملکرد قابل قبولی داشته است. این فرضیه با وجود حافظه بلندمدت و پایداری در شاخص کل همخوانی دارد و باعث می شود که مدل AR بعد از مدل هستون، در جایگاه دوم معیارهای ارزیابی قرار گیرد. بنابر نتایج به دست آمده مدل های معادلات دیفرانسیل تصادفی مدل های کارآمدی برای مدل سازی و پیش بینی قیمت سهام هستند.

در عصری که شرکت ها برای بقا در بازارهای رقابتی با چالش های فراوانی روبه رو هستند، شناسایی عوامل تاثیرگذار بر بحران های مالی اهمیت می یابد. یکی از راه های کمک به سرمایه-گذاران و شرکت ها ارائه، الگوهایی جهت پیش بینی درماندگی مالی است. هدف این پژوهش، بررسی توانایی تئوری مجموعه راف و مقایسه آن با شبکه های عصبی مصنوعی و فازی جهت پیش بینی درماندگی مالی شرکت های فعال در بورس اوراق بهادار تهران است. بدین منظور 329 جفت شرکت سالم و درمانده مالی طی بازه زمانی سال های 1385-1399 انتخاب شده است. شبکه-های عصبی بررسی شده در این پژوهش عبارتنداز: شبکه عصبی پرسپترون چندلایه (MLP) و شبکه عملکرد پایه شعاعی (RBF) و شبکه استنتاج فازی انطباق پذیر(ANFIS) و همچنین نرم افزار مورد استفاده جهت ایجاد تئوری مجموعه راف ROSETTA و نرم افزار مورد استفاده جهت طراحی شبکه های عصبی مصنوعی و فازی نرم افزار MATLAB می باشد. نتایج به دست آمده در این پژوهش نشان از کارایی بالای مدل مجموعه های راف با دقت 7/98درصد جهت پیش بینی درماندگی مالی دارد.

شکست های آبشاری یکی از مهم ترین چالش ها و مخاطرات کسب وکارهای ابری است که می-تواند به طور زنجیروار به بخش های دیگر سیستم آسیب برساند و منجر به فروپاشی کل سیستم شود. هدف این پژوهش بررسی عوامل مختلف مرتبط با شکست های آبشاری در مدل های کسب وکار ابری و معرفی رویکردهای مناسب برای پیش بینی، جلوگیری و مدیریت این نوع شکست ها است. در این پژوهش، از روش مرور ادبیات با استفاده از پردازش زبان طبیعی برای جمع آوری اطلاعات و تحلیل موضوع استفاده شده است. منابع مورد استفاده شامل مقالات علمی معتبر درزمینه فناوری اطلاعات و کسب وکار از سال 2015 تا 2024 از دیتاست های IEEE Xplore، Google Scholar و arXiv بود که 23 مقاله با روش های پردازش زبان طبیعی مورد بررسی قرار گرفت. استفاده از تکنیک های پیشرفته NLP، امکان ارزیابی دقیق تر و تحلیل عمیق تر عوامل مرتبط با شکست های آبشاری را فراهم می کند. همچنین، ریشه یابی خطاها و تدوین نقشه راه عملی برای مدیریت بهتر آن ها، به کسب وکارها امکان می دهد تا بهبود و بهره وری در محیط ابری خود را تسهیل کرده و مسیری پایدارتر را در پیش گیرند. این مراحل نه تنها به افزایش کیفیت و کارایی خدمات ابری کمک می کنند، بلکه هزینه ها و زمان مورد نیاز برای رفع مشکلات را نیز به شدت کاهش می دهند. عوامل مختلف مرتبط با شکست های آبشاری در مدل های کسب وکار ابری به طور مفصل بررسی شده است. این عوامل شامل مشکلات فنی، مشکلات مدیریتی و مشکلات بازاریابی است. همچنین، رویکردهای مختلف برای پیش بینی، جلوگیری و مدیریت این نوع شکست ها معرفی شده است.

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 ارائه صورت های مالی در نتیجه رسوایی های گزارشگری، در متن ها و مجله های حسابداری، بسیار در کانون توجه قرار گرفته است. هدف اصلی پژوهش، ارائه معیاری مناسب برای پیش بینی تجدید ارائه صورت های مالی با استفاده از مدل های بنیش و توسعه بنیش است.روش: این پژوهش از نوع کاربردی و از نظر روش شناسی، پس رویدادی است و در حوزه 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 دوره ۱۳۸۸ تا ۱۳۹۹ 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 اولیه 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 ۴۳/۲۹ درصد و دقت کلی مدل در خصوص مدل توسعه یافته بنیش نیز ۶۸/۶۸ درصد برآورد شد. نتایج پژوهش حاکی از این است که براساس ماتریس درهم ریختگی، در بین مدل های پیش بینی کننده تجدید ارائه صورت های مالی، مدل توسعه یافته بنیش با رگرسیون لاجیت ۶۸/۶۸ درصد، توانایی پیش بینی کل را دارد و در مقایسه با مدل اولیه بنیش (دقت مدل = ۴۳/۲۹ درصد) بیشترین قدرت پیش بینی را داشته است؛ از این رو فرضیه پژوهش تأیید می شود و دقت مدل توسعه یافته 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، توسعه 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 ارائه اطلاعات صحیح و به موقع توسط شرکت های پذیرفته شده در بورس اوراق بهادار، یکی از عوامل مهم مؤثر برای دستیابی به بازار سرمایه کار است. این پژوهش به دنبال ارائه یک مدل بهینه با استفاده از مدل دست کاری سود بنیش، برای پیش بینی احتمال تجدید ارائه صورت های مالی است. پژوهش های متعددی تاکنون با همین محوریت صورت گرفته است؛ اما خلأ شواهد تجربی درباره ارائه یک مدل کارا و مفید متناسب با شرایط اقتصادی بازار سرمایه 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 مرحله دوم، به منظور ارائه 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 ارائه 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 مرحله سوم، براساس ماتریس درهم ریختگی با مقایسه بین آن ها، بهترین مدل و روش جهت پیش بینی انتخاب شد.

زمینه و هدف: ورود غیرمجاز اتباع خارجی به کشور پس از تحولات اخیر منطقه ای افزایش یافته است این موضوع احتمال ارتکاب جرایم امنیتی و غیرامنیتی توسط آنان را افزایش داده است. این پژوهش با هدف پیش بینی ارتکاب این جرایم توسط اتباع موصوف در شرق استان تهران انجام شده است. روش: این پژوهش به لحاظ هدف، کاربردی و از حیث ماهیت، پیمایشی است که داده های آن با رویکرد کمی جمع آوری و با استفاده از آمار توصیفی، تحلیل شده است. جامعه آماری تحقیق شامل روسا، مدیران و کارشناسان خبره پلیس اطلاعات و امنیت عمومی و پلیس آگاهی شرق استان تهران به تعداد 63 نفر هستند که به صورت تمام شمار در پژوهش اخیر مشارکت نمودند. جمع آوری اطلاعات با ابزار پرسش نامه محقق ساخته انجام شد. روایی صوری و محتوایی پرسشنامه با نظر اساتید دانشگاهی و خبرگان به دست آمد. آلفای کرونباخ 0.86 برای پرسش نامه نشان دهنده پایایی آن است.یافته ها: یافته های این پژوهش حاکی از تجربه پاسخ گویان در مورد پرونده های جرایم اتباع خارجی در شرق استان تهران است. پاسخ گویان معتقد به افزایش چشم گیر جرایم امنیتی و غیرامنیتی توسط این اتباع در کشور هستند.نتیجه گیری: بررسی ها نشان می دهد که اتباع خارجی در شرق استان تهران سوابق جرایم امنیتی کمتری نسبت به جرایم جنایی و مواد مخدر داشته اند، اما به دلیل مهاجرت غیرمجاز اتباع و به خصوص ورود افراد دارای مقاصد ضدامنیتی در پوشش مهاجرت، احتمال بروز جرایم امنیتی را افزایش می دهد.

پژوهش حاضر به دنبال مقایسه تعداد ورزشکاران رشته های مختلف ورزشی در دوران قبل از کرونا؛ بعد از کرونا و پیش بینی میزان کاهش ورزشکاران در صورت وجود کرونا برای سال های آینده در شهر کرمانشاه بود. این پژوهش از نظر هدف، کاربردی و از نظر ماهیت و رویکرد تحقیقاتی؛ تبیینی است. به لحاظ روش جمع آوری اطلاعات پیمایشی؛ و از نظر نوع داده ها، کمی است. جامعه آماری کلیه باشگاه های دولتی و خصوصی سطح کرمانشاه است که پنج باشگاه مشهور به عنوان نمونه انتخاب شدند. تعداد افراد مبتلا به کرونا و فوتی های کرونا شهر کرمانشاه، بر حسب هر ماه از ابتدای شیوع کرونا (اسفند ۹۸ تا اسفند ۱۴۰۰) از مراجع معتبر وزارت بهداشت استخراج گردید. سپس آمار تعداد ورزشکاران از اداره کل ورزش و جوانان کرمانشاه کسب شد. با استفاده از تکنیک هوش مصنوعی و نرم افزار متلب؛ پیش بینی اطلاعات مذکور برای آینده امکان پذیر شد. میزان خطای به دست آمده در نمودار هیستوگرام، 003/0 به دست آمد که کم تر از مقدار سطح 05/0 بود، لذا فرض صفر رد و بین متغیرهای ورودی (تعداد مبتلایان به کرونا و تعداد فوتی های کرونا و ....) و متغیر خروجی (تعداد ورزشکاران) رابطه معنادار و معکوس وجود داشت. مقدار ضریب تعیین در نمودار پراکندگی رگرسیون، که 93/0 به دست آمد؛ نشان می دهد 93 درصد واریانس متغیر وابسته (تعداد ورزشکاران) توسط متغیرهای مستقل (تعداد مبتلایان به کرونا و تعداد فوتی های کرونا) پیش بینی شده است.

به منظور کنترل عرضه و تقاضای انرژی و برنامه ریزی صحیح در هدایت مصرف، میزان مصرف گاز ماهانه صنایع کشور با شبکه عصبی مصنوعی و الگوریتم ژنتیک در این پژوهش برای سال 1402 موردبررسی قرار گرفت. اطلاعات جمعیت کشور، شاخص بهای تولیدکننده صنعت، تولید ناخالص داخلی به قیمت ثابت 90 و مصرف گاز صنایع کشور به عنوان متغیرهای تأثیرگذار بررسی شدند. نتایج نشان داد بهترین شبکه عصبی مصنوعی ترکیب شده با الگوریتم ژنتیک، شبکه ای با نرخ جهش 5/0، نرخ تقاطع 5/0، تعداد تکرار 150 و اندازه جمعیت اولیه 150 است. ترکیب شبکه عصبی مصنوعی و الگوریتم ژنتیک نشان داد که در فصل بهار درمجموع 7/2957 میلیون بشکه معادل نفت خام، در تابستان این رقم به 6/3502، در پاییز 9/4329 و در زمستان با رشد 15/8 درصدی به 4683 میلیون بشکه معادل نفت خام خواهد رسید.

طلا توسط سرمایه گذاران به عنوان پوششی (ابزاری برای حفظ ارزش پول) در برابر سایر دارایی های مالی استفاده شده و از این جنبه از اهمیت بسیار بالایی برخوردار است. نوسانات شدید در قیمت طلا اهمیت شناسایی و فرآیند اثرگذاری عوامل موثر بر تغییرات قیمت آن را دو چندان نموده است. بازار طلا، یکی از بازارهای پرتلاطم است، که پیش بینی آینده آن میتواند در تصمیم گیری ها تأثیر مثبتی بر جای بگذارد. با آگاهی از قیمت طلا و پیش بینی صحیح آن می توان فرآیند تصمیم گیری خرید و فروش طلا در بازارهای جهانی را تسهیل و بهترین زمان اجرای معاملات و سرمایه گذاری ها را تعیین نمود؛ لذا پیش بینی صحیح قیمت طلا از جهات مختلف حایز اهمیت است. در این تحقیق اقدام به مدل سازی پیش بینی نوسانات قیمت طلا در بازار جهانی شده است. تحقیق حاضر کاربردی است و از داده های ماهانه در بازه زمانی 2010 تا 2022 میلادی استفاده شده است. 35 عامل موثر بر ایجاد نوسانات قیمت طلا مورد ارزیابی قرار گرفتند. از رویکرد مدل های گارچ و نوسان تصادفی جهت استخراج نوسان قیمت طلا و از مدل های TVPDMA، TVPDMS و BMA جهت شناسایی مهم ترین متغیرهای موثر بر ایجاد نوسان استفاده شده است. بر اساس نتایج، مدل های SV نسبت به مدل های گارچ در استخراج نوسانات از دقت بالاتری برخوردارند. از میان مدل های TVPDMA، TVPDMS و BMA، مدل BMA از دقت بالاتری برخوردار بود. بر اساس نتایج 12 متغیر موثر شاخص دلار، قیمت نفت، واردات و صادرات طلا، نرخ بهره جهانی، شاخص رمز ارزها، RSI (شاخص قدرت نرخ بهره)، MACD (دیفرانسیل ماهیانه درصدهای حرکت متوسط)، Retracement (بازگشت فیبوناچی)، ADX (شاخص جهت در بازار)، Oscillator (نوسان سهام)، Pivot Point DeMark Pivot Point Fibonacci بالاترین احتمال حضور و سطح معناداری را در جهت پیش بینی قیمت نوسان دارا بودند. نتایج بیانگر این واقعیت هستند که عوامل داخلی موثر بر نوسانات قیمت طلا بیش از عوامل بیرونی بر این نوسانات اثرگذار می باشند.

گردوغبار پدیده ای است که آثار زیست محیطی زیادی را در بخش های مختلف زندگی انسان ها از جمله: کشاورزی، اقتصاد، بهداشت و غیره دارد. هدف از پژوهش حاضر بررسی و پیش بینی پدیده گردوغبار در شهر کرمانشاه می باشد. داده های هواشناسی با وضوح 3 ساعته در دوره آماری (2020-2000) ایستگاه کرمانشاه از سازمان هواشناسی کشور اخذ شد. ابتدا داده های گردوغبار نرمال سازی شد و سپس با استفاده از مدل های شبکه عصبی ANN برای پیش بینی غلظت گردوغبار و شبکه عصبی تطبیقی ANFIS برای خطایابی و پیش بینی سری زمانی وقوع گردوغبار در نرم افزار MATLAB خطایابی و پیش بینی شدند. یافته های پژوهش نشان داد که حداکثر میزان غلظت گردوغبار پیش بینی شده مربوط به حداقل نقطه شبنم با بیشترین میزان همبستگی پیرسون با گردوغبار، به میزان 23/3451 میکروگرم بر مترمکعب برآورد شده است. همچنین نتایج پیش بینی سری زمانی با استفاده از مدل ANFIS نشان داد تابع عضویت زنگوله ای خطی با درجه 3، در مراحل آموزش و آزمون، مطلوب ترین تابع ورودی را در بین دیگر توابع عضویت به خود اختصاص داده است. بر اساس مدل های پیش بینی، بیشترین احتمال رخداد حداکثر گردوغبار در 20 سال آینده کرمانشاه با مقدار 94% به دست آمد.

هدف: مرکز سنجش به عنوان ابزاری انعطاف پذیر و معتبر طی بیش از یک سده ی گذشته برای اهداف مختلفی ازجمله اهداف مدیریتی و نظامی مورداستفاده قرار گرفته است. به رغم ظرفیت شگرف مراکز سنجش، شناخت کافی در خصوص نحوه و میزان استفاده از این مراکز در حوزه آموزش وجود ندارد؛ لذا این پژوهش باهدف مرور منظم پیشینه موجود درباره کاربست مرکز سنجش در آموزش و نتایج حاصل از آن انجام شده است.روش پژوهش: این مقاله، مرور منظمی از پیشینه کاربست مرکز سنجش در آموزش و نتایج حاصل از آن است. به منظور انتخاب مقالات مرتبط، پنج پایگاه اطلاعات علمی شاملScienceDirect, SAGE, JSTOR Springer,  و  ERICمورد جستجو قرار گرفتند. پس از خارج کردن مقالات نامتناسب با هدف پژوهش، مرور کامل بر روی 28 مقاله باقی مانده انجام شد.یافته ها: نتایج نشان داد استفاده از مرکز سنجش در آموزش با سه هدف کلی پیش بینی عملکرد، انتخاب و توانمندسازی افراد انجام شده است. همچنین مشخص شد مرکز سنجش در نیل به اهداف خود در غالب پژوهش های انجام شده، موفق بوده است.نتیجه گیری: یافته ها نشان داد مرکز سنجش، ابزاری معتبر و روا برای دستیابی به اهداف پژوهش هایی است که از آن در حیطه آموزش استفاده کرده بودند و می تواند برای سنجش طیف گسترده ای از فعالیت های آموزشی ازجمله پیش بینی عملکرد متقاضیان ورود به دوره های آموزشی یا دانشجویان، انتخاب مدیران آموزشی، انتخاب متقاضیان ورود به دوره های آموزشی یا دانشجویان، توانمندسازی آن ها و توانمندسازی و پیش بینی عملکرد مدیران آموزشی مورداستفاده قرار گیرد.