۲- محدود به پسابهای غیرآلی با غلظت خیلی پائین (پایین تر از ۱ درصد) می‌باشد.
۳- قادر به حذف مواد آلی با حلالیت یا وزن مولکولی پائین نمی‌باشد.
۴- نباید ذرات جامد بصورت سوسپانسیون در جریان ورودی وجود داشته باشد.

۱-۳- آنالیز محاسبات ریاضی

زمان ظهور شکست و شکل منحنی شکست از ویژگی های مهم در یک عملیات ستون بستر ثابت برای تشخیص عملیات و پاسخ دینامیک ستون جذب به حساب می آید.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

عملکرد چگونگی جذب آمونیاک از محلول بستر ثابت معمولا با واژه های به عنوان تابع زمان یا حجم سیال خروجی برای ارتفاع بستر داده شده بیان می‌شود و منحنی‌های شکست را عرضه می کند. q_total مقدار(ماکزیمم ضریب جذب) برای غلظت خوراک داده شده، از حاصل ضرب مقدار دبی حجمی سیال در سطح زیر منحنی (که در این مطالعه غلظت آمونیاک جذب شده در برابر t است ) حاصل می شود و توسط معادله زیر بیان می گردد:
(۱-۷)
درصد کارآیی ستون (Y) از نسبت ماکزیمم ظرفیت ستون q_total به مقدار کل جرم جذب شده که به داخل ستون فرستاده می شود که در اینجا آمونیاک است ، محاسبه می شود :
(۱-۸)
مقدار W_total که همان مقدار کل جرم جذب شده است از رابطه زیر محاسبه می شود:
(۱-۹)
مدل های سینتیکی که برای بیان فرایند دینامیک جذب مورد استفاده قرار گرفته است به شرح ذیل می باشد :

۱-۳-۱- مدل توماس

ماکزیمم ظرفیت جذب سطحی در این سطوح مورد نیاز است، مدل توماس برای انجام این هدف مورد استفاده قرار گرفت. داده های بدست آمده از ستون در حالت پیوسته برای محاسبه ثابت سرعت جذب و همچنین غلظت ماکزیمم ظرفیت جذب ستون با بهره گرفتن از مدل سنتیکی حاصل می شود. مدل توماس یکی از معمولی ترین و گسترده ترین روش های مورد استفاده در یک عملیات ستونی می باشد، مدل توماس برای یک ستون جذب به شکل زیر ارائه می‌شود:
(۱-۱۰)
ضریب سینتیک k_th ، و ظرفیت جذب شدن q_t می تواند از یک طرح در مقابل t برای سرعت جریان داده شده با بهره گرفتن از تحلیل رگرسیون غیرخطی تشخیص داده شود .

۱-۳-۲- مدل آدامز – بوهارت

این مدل فرض می کند که سرعت جذب برای ظرفیت باقی مانده جاذب سطحی و غلظت گونه های جذب نسبی می‌باشد. این معادله میتواند از طرح در مقابل t در یک ارتفاع بستر داده شده و سرعت جریان بدست آید و به این صورت بیان می شود :
(۱-۱۱)
ارتفاع ستون : z
ماکزیمم ظرفیت جذب آدامز – بوهات : N₀
ثابت سینتیکی آدامز- بوهارت : k_AB
سرعت خطی طولی : U₀

۱-۳-۳- مدل یون نلسون

این مدل نه تنها پیچیدگی کمتری نسبت به مدل های دیگر دارد بلکه نیاز به هیچ داده جزئیاتی که در رابطه با مشخصه‌ های جاذب ، نوع جاذب سطحی و مؤلفه های فیزیکی بستر جذب باشد ندارد.
این رویکرد شامل ثبت طرح (c_t/(c₀-c_t در مقابل زمان نمونه گیری (t) مطابق با معادله زیر است که پارامترهای k_YN و τ می تواند با بهره گرفتن از روش رگرسیون غیرخطی بدست آید :
(۱-۱۲)
زمان نیمه عمر =

۱-۳-۴- مدل BDST

این مدل برای پیش بینی رابطه بین ارتفاع بستر ( Z ) و زمان اندازه گیری (t ) برای غلظت فرایند و پارامترهای جذب به حساب می آید. مدل BDST مبنی بر این فرض است که سرعت جذب توسط واکنش سطح بین جذب و ظرفیت با استفاده جاذب سطحی کنترل می شود.
مقادیر زمان شکست بدست آمده برای ارتفاع بستر متعدد که در این تحقیق مورد استفاده قرار گرفته است، در این مدل معرفی می گردد . رابطه خطی بین ارتفاع بستر و زمان اندازه گیری توسط معادله زیر بیان می شود :
(۱-۱۳)
در این طرح t در مقابل Z باید یک خط مستقیم را بدست آورد و در آنجا U، k ، ظرفیت جذب و ثابت سرعت به ترتیب محاسبه می شود . ]۷[.

۱-۴- طریقه ی مدل سازی

فرض کنید که شما می خواهید استدلال فوزی را برای سیستمی به کار ببرید که برای آن شما اغلب تجمعی از داده‌های خروجی/ ورودی را دارید که می خواهید از آنها برای مدل سازی، پیروی از مدل و یا بسیاری از زمینه های مشابه دیگر استفاده کنید. شما اساساً یک ساختار مدل پیش تعیین شده را بر حسب مشخصه های متغیرها در سیستم خود ندارید.
در بسیاری از حالتهای مدلسازی شما نمی توانید با نگاه کردن به داده تشخیص دهید که کدام توابع اعضاء بنظر ساده می رسند. علاوه بر انتخاب پارامترهای مربوط به تابع هدف که بصورت دلخواه یا اختیاری ارائه شده، این پارامترها همچنین می توانند به گونه ای انتخاب شوند که مناسب توابع اعضاء برای داده های خروجی/ ورودی برای محاسبه این نوع از تغییرات در مقادیر داده ها باشند در بسیاری از حالتها شما می توانید از تکنیک های یادگیری پذیرشی- عصبی toolbox منطق فوزی به همراه anfis command استفاده نمائید.

۱-۴-۱- رگرسیون^[۲۹]

تحلیل رگراسیون روشی آماری است که در آن رابطه بین دو یا چند متغیر کمی استفاده می شود تا یک متغیر و یا متغیرهای دیگر پیش بینی شود. رابطه بین دو متغیر ممکن است به صورت تابعی از متغیرها (متغیر وابسته) متکی به متغیر دیگری (متغیر مستقل) باشد (به متغیر مستقل و وابسته به ترتیب متغیر پیش بینی و پاسخ نیز گفته می شود). این رابطه رگرسیون نامیده می شود.[۸]

۱-۴-۲- سیستم استنتاج فازی-عصبی

ما در دنیایی سرشار از ابهامات همراه با پیچیدگی های روز افزون زندگی می­کنیم. از شبکه ­های حسگر چند منظوره گرفته تا سیستم­های پزشکی و مجموعه صفحات وب به هم پیوسته که به زبان طبیعی نوشته شده ­اند، همه و همه نمونه­هایی از این سیستم­های پیچیده هستند. هیچ شکی وجود ندارد که قدرت تحلیل کامپیوترهای مدرن امروزی، در مقایسه با توانایی بشر در تولید و جمع­آوری اطلاعات در سطح پایین­تری قرار دارد. عده­ای این عدم هماهنگی را فاصله بین داده ­های موجود و دانش موجود نامگذاری می­ کنند. از اوایل دهه ۱۹۶۰ این باور به وجود آمد که مدیریت و کنترل پیچیدگی سازماندهی شده در بسیاری از سیستم­های غیرخطی تنها با وارد کردن سطحی از عدم قطعیت در مدل های این سیستم­ها امکان­ پذیر است. اینجا نقطه ورود سیستم­های فازی به عرصه علم و دانش بود.
واژه « فازی » در فرهنگ لغت بصورت مبهم، گنگ، نادقیق، گیج، مغشوش و درهم توصیف شده است. سیستم­های فازی، سیستم­هایی هستند با تعریف دقیق، اساساً گرچه سیستم­های فازی جهت توصیف پدیده ­های غیرقطعی و نامشخص بوجود آمدند، با این حال خود تئوری فازی یک تئوری دقیق می­باشد. در سیستم­های عملی اطلاعات مهم از دو منبع سرچشمه می­گیرد: یکی از منابع افراد خبره که دانش و آگاهی شان را در مورد سیستم با زبان طبیعی تعریف می­ کنند. منبع دیگر اندازه ­گیری­ها و مدل های ریاضی هستند که از قواعد فیزیکی مشتق شده ­اند. آنچه سیستم­های فازی انجام می­ دهند در واقع فرموله کردن دانش بشری است.
گزاره فازی در منطق فازی برای اولین بار توسط پرفسور لطفی عسگرزاده، استاد ایرانی دانشگاه برکلی، در سال ۱۹۶۲ در مقاله­ای تحت عنوان « مجموعه­های فازی» معرفی گردید. مبحث اساسی ارائه شده در این مقاله بر اساس منطق چند مقداری بود که در سال ۱۹۲۰ جهت بحث با اصل عدم قطعیت هایزنبرگ^[۳۰] در مکانیک کوانتوم ارائه شده بود. منطق چند مقداری توسط منطق دانانی نظیر جان لوکاشیویکز^[۳۱] و برتراند^[۳۲] راسل و ماکس بلک توسعه یافت. لطفی­زاده منطق چند مقداری لوکاشیویکز را جهت ابداع نوع جدیدی از گزاره­ها که آنها را گزاره های فازی نامید بکار برد. بر اساس اصل فازی هر چیزی ارزشی دارد. ریاضیات کلاسیک یا همان منطق ارسطویی بر اساس درست یا غلط، سفید یا سیاه، صفر یا یک پایه گذاری شده است در حالی که منطق فازی علاوه بر صفر و یک، غلط و درست، مقادیر ما بین صفر و یک، تا حدودی درست و تا حدودی غلط را نیز اختیار می کند. در تئوری احتمال ما شانس وقوع یک پدیده را بررسی می­کنیم در حالی که در منطق فازی ارزش درستی وقوع هر پدیده مشخص می­ شود.

۱-۴-۳- مروری بر سیستم­های عصبی – فازی

نیاز به حل مسایل به شدت غیرخطی و متغیر با زمان روز به روز رشد روزافزونی پیدا می­ کند. مدلهای مرسوم ریاضی به طور مؤثری به تجزیه و تحلیل مسایل خطی و ثابت می­پردازند. تکنیک هایی که بر اساس مدلی خاص کار می­ کنند، اگر چه توانایی تجزیه و تحلیل مسایل بسیار پیچیده غیرخطی و متغیر با زمان را دارند اما با محدودیت هایی نیز روبرو هستند. ترکیب این مسایل با دیگر مسایل نظیر تصمیم گیری، تخمین و غیره الهام بخش رشد تکنیک های هوشمندی مثل منطق فازی، شبکه ­های عصبی، الگوریتم­های ژنتیک و سیستم­های خبره شده ­اند. سیستم­های هوشمند، عموماً ترکیبی از این تکنیک ها را جهت حل مسایل بسیار پیچیده جهان واقعی بکار می برند. اگر چه هم منطق فازی و هم شبکه ­های عصبی در حل مسایل غیرخطی متغیر با زمان بسیار موفق بوده ­اند، اما هر کدام از آنها با محدودیت هایی روبرو هستند که استفاده از آنها را در حل مؤثر بسیاری از اینگونه مسایل کاهش می­دهد. تعیین دقیق تعداد قوانین و توابع عضویت در منطق فازی، برای مسایل پیچیده بسیار دشوار و وقت گیر است. همچنین بهینه کردن حل فازی به شدت سخت تر و وقت گیرتر است. فهم ماهیت جعبه سیاه شبکه ­های عصبی و پی بردن به چگونگی یادگیری رابطه ورودی ها و خروجی ها و ایجادنگاشت مناسب توسط شبکه ­های عصبی بسیار سخت است. ترکیب مناسب شبکه ­های عصبی و منطق فازی ضمن اینکه به صورت مؤثری به رفع محدودیت های مرتبط با دو تکنولوژی می ­پردازد به حل مسایل پیچیده جهان واقعی کمک می­ کند.[۹]

۶۴

۲۴٫۵

۷۳

۲۸٫۰

تجارب تاریخی

۲۲

۸٫۴

۱۹

۷٫۳

۳۲

۱۲٫۳

۵۶

۲۱٫۵

۵۶

۲۱٫۵

۷۶

۲۹٫۱

جدول (۴-۲۰)توزیع فراوانی پاسخگویان شرایط پیرامونی بر اثربخشی امر به معروف و نهی از منکر را ، نشان می‌دهد. در گویه وِیژگی های جغرافیایی،بیشترین فراوانی با ۵/۲۴ درصد مربوط به پاسخگویانی است که گزینه (خیلی زیاد) را برای این گویه انتخاب کردند که توجه به ویژگیهای جغرافیایی منطقه، تأثیر بیشتری بر پذیرش امر و نهی دارد و کمترین فراوانی با ۷/۷ درصد مربوط به پاسخگویانی است که گزینه (خیلی کم) را برای این گویه برگزیدند.توزیع فراوانی پاسخگویان بر حسب توجه به سیاستهای بین المللی جهت اثربخشی امر به معروف، نشان می‌دهد که بیشترین فراوانی با ۷/۲۵ درصد مربوط به پاسخگویانی است که گزینه (خیلی زیاد) را برای این گویه انتخاب کردند که توجه به سیاستهای بین المللی، تأثیر بیشتری بر پذیرش امر و نهی دارد و کمترین فراوانی با ۴/۵ درصد مربوط به پاسخگویانی است که گزینه (اصلا)” را برای این گویه برگزیدند.در زمینه توجه به شرایط حکومت جهت اثربخشی امر به معروف،توزیع فراوانی پاسخ ها نشان می‌دهد،بیشترین فراوانی با ۸/۲۱ درصد مربوط به پاسخگویانی است که گزینه (خیلی کم) را برای این گویه انتخاب کردند که توجه به شرایط حکومت، تأثیر بیشتری بر پذیرش امر و نهی دارد و کمترین فراوانی با ۹/۶ درصد مربوط به پاسخگویانی است که گزینه (اصلا) را برای این گویه برگزیدند. توزیع فراوانی پاسخگویان را بر حسب توجه به قاعده آسانگیری در امر دین جهت اثربخشی امر به معروف، نشان می‌دهد، بیشترین فراوانی با ۷/۳۸ درصد مربوط به پاسخگویانی است که گزینه (خیلی زیاد) را برای این گویه انتخاب کردند که توجه به قاعده آسانگیری در امر دین، تأثیر بیشتری بر پذیرش امر و نهی دارد و کمترین فراوانی با ۷/۲ درصد مربوط به پاسخگویانی است که گزینه (کم) را برای این گویه برگزیدند.توزیع فراوانی پاسخگویان بر حسب توجه به فرهنگ منطقهای جهت اثربخشی امر به معروف، نشان می‌دهد،بیشترین فراوانی با ۰/۳۱ درصد مربوط به پاسخگویانی است که گزینه (خیلی زیاد) را برای این گویه انتخاب کردند که توجه به فرهنگ منطقهای، تأثیر بیشتری بر پذیرش امر و نهی دارد و کمترین فراوانی با ۲/۴ درصد مربوط به پاسخگویانی است که گزینه (خیلی کم) را برای این گویه برگزیدند. توزیع فراونی بر حسب استفاده از تجارب تاریخی جهت اثربخشی امر به معروف، نشان می‌دهد که بیشترین فراوانی با ۱/۲۹ درصد مربوط به پاسخگویانی است که گزینه (خیلی زیاد) را برای این گویه انتخاب کردند که استفاده از تجارب تاریخی، تأثیر بیشتری بر پذیرش امر و نهی دارد و کمترین فراوانی با ۳/۷ درصد مربوط به پاسخگویانی است که گزینه (خیلی کم) را برای این گویه برگزیدند.توزیع فراوانی پاسخگویان را بر حسب مدیریت مد و لباس ابتدا در سطح کشور و سپس در سطح جهانی جهت اثربخشی امر به معروف، نشان دهنده این است که بیشترین فراوانی با ۰/۲۸ درصد مربوط به پاسخگویانی است که (خیلی زیاد) را برای این گویه انتخاب کردند که مدیریت مد و لباس ابتدا در سطح کشور و سپس در سطح جهانی، تأثیر بیشتری بر پذیرش امر و نهی دارد و کمترین فراوانی با ۸/۳ درصد مربوط به پاسخگویانی است که گزینه (خیلی کم)را برای این گویه در نظر گرفتند.

( اینجا فقط تکه ای از متن پایان نامه درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

۴-۲-۲۱- شاخصهای پراکندگی نحوه عملکرد نیروهای مرتبط با امر به معروف جهت اثربخشی امر به معروف
جدول (۴-۲۱): شاخص‌های پراکندگی نحوه عملکرد نیروهای مرتبط با امر به معروف جهت اثربخشی امر به معروف

(تعداد کل)

(معتبر)

۲۶۱

(از دست رفته)

۰

(میانگین)

۳٫۶۳

(انحرف معیار)

۱٫۰۳

(کمینه)

۱٫۰۰

(بیشینه)

۶٫۰۰

تمام خطوط و ولتاژ شین­ها می­باشد. پس از جایابی بهینه محل واحدهای اندازه ­گیری فازوری بر روی شین­های شبکه، ترکیب بسته­های دوتایی خطوط برای تخمین پارامترهای شبکه مشخص ‌شده که با پیاده­سازی الگوریتم تخمین پارامتر-حالت بر روی هر بسته می­توان پارامترهای خطوط و ولتاژ شین­ها را تخمین زد. برای این منظور باید حداقل ۳ نمونه اندازه ­گیری شده از کمیات ولتاژ و جریان ابتدای خطوط تهیه گردد. از ویژگی­های این الگوریتم می­توان به کاهش زیاد تعداد دستگاه­های اندازه ­گیری و عملکرد مستقل تخمینگر پیشنهادی برای هر بسته دوتایی از خطوط شبکه اشاره کرد. در پایان برای بررسی عملکرد الگوریتم پیشنهادی، شبکه ۳۹ شینه IEEE انتخاب شده است. در این شبکه ابتدا جایابی بهینه دستگاه­های اندازه ­گیری انجام شده و سپس به بررسی عملکرد الگوریتم تخمین-پارامتر پرداخته خواهد شد.
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت nefo.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

فصل دوم
مروری بر منابع و پیشینه­ی تحقیق
مقدمه
از ابتدای پدید آمدن و گسترش شبکه قدرت همواره به دنبال مدل کردن آن بوده­ایم. همواره برای مطالعه، برنامه­ ریزی، بالا بردن امنیت سیستم، توزیع اقتصادی بار به منظور کاهش هزینه تولید و تلفات و … نیازمند مدلی برای سیستم هستیم. این مدل شامل پارامترهای سری و موازی خطوط، مدل ترانسفورماتورها، ژنراتورها، جبران­سازها و دیگر المان­های استفاده‌شده در سیستم قدرت است. مدل سیستم می ­تواند بسیار پیچیده و شامل معادلات غیرخطی باشد و یا ساده‌شده و به صورت خطی مدل شود؛ بنابراین مدل­های گوناگون با دقت­های مختلفی را می‌توان برای سیستم در نظر گرفت. از جمله پارامترهایی که در مدل سیستم بسیار مهم هستند پارامترهای خطوط هستند. پارامترهای خطوط شامل مقاومت و راکتانس سری خطوط و سوسپتانس موازی آن‌ها در راه ­اندازی نرم­افزارهای آنالیز سیستم قدرت نقش مهمی دارند. دقت پارامترهای خطوط نقشی اساسی در تعیین دقت خروجی­های این نرم­افزارها دارد.
الگوریتم­های مختلفی برای محاسبه پارامترهای خطوط انتقال در گذشته ارائه‌شده است. روش­های کلاسیک و تئوری که در[^[۴]] ارائه‌شده‌اند از فاکتورهایی مانند پارامترهای هندسی هادی­ها، نوع هادی و در نظر گرفتن شرایط محیطی برای تخمین پارامتر استفاده می­ کنند. ممکن است مقادیر حقیقی این فاکتورها با مقادیر به کار گرفته‌شده در معادلات تفاوت داشته باشد. از طرف دیگر در محاسبات، ساده­سازی­هایی در ابعاد هندسی هادی­ها و روابط مغناطیسی آن صورت می­گیرد که این خود باعث کاهش دقت تخمین پارامترها می­ شود. در این روش­ها امکان تخمین پارامترهای توالی مثبت و منفی و صفر با ساختارهای هندسی و هادی­هایی با جنس­های مختلف به راحتی امکان‌پذیر است.
روش دیگری در ]^[۵][ ارائه شده است که در آن یکی از ترمینال­ها را اتصال کوتاه کرده و یا آن را در حالت مدار باز قرار می­ دهند و با بهره گرفتن از جریان خط و ولتاژ سر دیگر ترمینال به محاسبه پارامترها می ­پردازد؛ اما باید دقت داشت که این‌چنین اندازه ­گیری­هایی برای خطوط مشکل و در برخی حالات غیرممکن است.
روش­های ذکرشده، روش­های تخمین پارامتر بودند اما به صورت آنلاین قابل‌استفاده نیستند. برای بدست آوردن مقادیر دقیق­تری از پارامترهای خط، روش­های تخمین آنلاین در تخمین پارامتر خطوط بسیار مناسب­تر خواهد بود. این­گونه تکنیک­های تخمین، بوسیله ترکیبی از اندازه ­گیری­های ولتاژ، جریان و توان، به تخمین پارامتر می­پردازند. در این­گونه روش­ها به صورت آنلاین کمیت­های مورد نیاز شبکه از شین­ها و خطوط استحصال ‌شده و به نرم­افزارهای مرتبط منتقل می­شوند. این نرم­افزارها با توجه به الگوریتم برنامه‌ریزی‌شده به تخمین پارامترها می­پردازند.
الگوریتم­هایی که به صورت آنلاین به محاسبه پارامترها می­پردازند را می‌توان به دو گروه اصلی تقسیم کرد.
الگوریتم­هایی که به صورت مستقیم و با اندازه ­گیری کمیت­های بهره ­برداری شبکه به محاسبه پارامترها می­پردازند.
الگوریتم­هایی که به کمک الگوریتم تخمین حالت به تخمین پارامتر می­پردازند.
روش غیر مستقیم (با بهره گرفتن از الگوریتم تخمین حالت)
روش مستقیم
الگوریتم تخمین پارامتر
روش آنالیز حساسیت
روش گسترش بردار حالت
حل به روش معادله معمولی
حل به روش فیلتر کالمن
شکل ‏۲‑۱: دسته‌بندی روش­های تخمین پارامتر
در ادامه به بررسی این دو روش پرداخته خواهد شد.
روش تخمین پارامتر با بهره گرفتن از الگوریتم تخمین حالت
همان طور که قبلاً بیان شد به علل مختلف نیازمند دسترسی به مقادیر دقیق و آنلاین پارامترهای سیستم قدرت هستیم؛ اما باید دقت داشت که اساس پیدایش الگوریتم­های تخمین پارامتر چیز دیگری بود. در سال ۱۹۷۰ مقاله­ای راجع به تخمین حالت سیستم منتشر شد. در این مقاله الگوریتمی برای تخمین حالت سیستم قدرت ارائه گردید. در این الگوریتم تخمین حالت فرض بر این بود که مقادیر صحیح پارامترهای شبکه را در اختیار داریم تا به نتایج صحیحی از تخمین حالت دست یابیم؛ اما واقعیت امر چیز دیگری است. پارامترهای نادقیق در این الگوریتم موجب پایین آمدن دقت تخمین حالت خواهند شد. پس از انتشار این مقاله، الگوریتم­های زیادی ارائه شد که هدف آن‌ها پیدا کردن خطای پارامترها و تصحیح آن‌ها برای بالا بردن دقت الگوریتم تخمین حالت بود. در این روند تکاملی الگوریتم تخمین حالت بود که اولین بار روشی برای تخمین پارامتر پیدا شد [^[۶]].
پس از سال ۱۹۷۰ و انتشار این مقاله، کمتر مقاله­ای به طور جداگانه به تخمین پارامتر پرداخته است. روش­های تخمین پارامتر اکثراً در کنار روش تخمین حالت آورده شده است و به تعبیر دیگر در این روش، تخمین پارامتر روشی است که اساس آن تخمین حالت سیستم است. در این روش مقادیر اولیه­ای برای پارامترها در نظر گرفته می­ شود. سپس با انجام تخمین حالت به پیدا کردن مقادیر دقیق پارامترها نادقیق پرداخته می­ شود. روش­هایی که در تعیین خطای پارامتر در الگوریتم تخمین حالت ارائه‌شده ­اند را می‌توان به صورت زیر دسته‌بندی کرد ]^[۷][:
روشی بر اساس آنالیز حساسیت باقی­مانده­ها
روشی بر اساس گسترش بردار حالت
همان طور که از نام‌گذاری این دو روش پیداست در روش اول مقادیری را به عنوان مقادیر اولیه پارامترها در نظر گرفته و الگوریتم تخمین حالت را به پایان می­رسانیم. سپس با پیدا کردن رابطه­ای میان خطای پارامترها و باقی­مانده الگوریتم به مقادیر صحیح پارامترها دست می­یابیم؛ اما در روش دوم مقادیر اولیه­ای را به بردار حالت الگوریتم تخمین حالت اضافه کرده و به طور همزمان به تخمین حالت و تخمین پارامتر می­پردازیم.
در روش اول، معادله تخمین حالت به دو معادله مجزا بر حسب متغیرهای حالت و پارامترهای شبکه تبدیل می­ شود. در این روش ابتدا تخمین حالت پرداخته و سپس به سراغ بروز کردن پارامترها می­رویم. در اینجا مرحله اول تخمین به اتمام رسیده است. این مرحله را آن‌قدر تکرار می­کنیم تا پارامترها و متغیرهای حالت مسئله به مقدار نهایی همگرا شوند. این راه به محاسبات و زمان زیادی نیازمند است؛ بنابراین بهتر است در هنگام به‌روزرسانی کردن متغیرها از روش دیگری استفاده کنیم. در [۹] روشی برای به‌روزرسانی کردن پارامترها بر اساس آنالیز بردار باقیمانده ارائه‌شده است. در این روش از رابطه­ای میان باقی­مانده و خطای پارامترها استفاده می­ شود. در هر مرحله پس از تخمین حالت با بهره گرفتن از باقی­مانده­ها، خطای پارامترها محاسبه‌شده و به این طریق پارامترها به‌روزرسانی می­ شود. این روش به زمان حل کوتاه­تری نیاز دارد.
اساس روش دوم گسترش بردار حالت با افزودن پارامترهای شبکه به بردار تخمین حالت و حل همزمان آن است. در این روش در هنگام حل الگوریتم تخمین حالت به یک مسئله بد حالت^[۸] برخورد می­کنیم [۴]. برای حل این مشکل روش­های زیادی ارائه‌شده که از مهم‌ترین آن‌ها می‌توان به روش فیلتر کالمن [^[۹]] و حل به روش معادله معمولی [^[۱۰]] اشاره کرد.
در این فصل قصد داریم تا مروری به این روش­ها داشته باشیم. باید توجه داشت که بدنه اصلی کلیه روش­ها به یک صورت است اما در مقاله­ها با تغییراتی سعی در بهبود الگوریتم داشته اند؛ بنابراین در این قسمت سعی بر آن شده است تا کلیات روش بیان شود.
اساس روش­های بیان­شده برای تخمین پارامتر بر اساس الگوریتم تخمین حالت است؛ بنابراین قبل از هر کاری به طور مختصر به این الگوریتم می­پردازیم.
تخمین حالت
یکی از مهم‌ترین اجزاء یک سیستم مدرن مدیریت انرژی در شرکت­های برق فرایند تخمین حالت سیستم قدرت بر اساس اندازه ­گیری کمیات آن در زمان واقعی است. حالت سیستم قدرت بر اساس مجموعه ­ای از مقادیر مؤلفه مثبت ولتاژ که از شین­های شبکه به طور همزمان تهیه می‌شوند تعریف می‌گردد. الگوریتم تخمین حالت که در حال حاضر استفاده می‌گردد در سال ۱۹۶۰ ایجادشده و بر اساس کمیات اندازه ­گیری­شده غیر همزمان عمل می کند. برای تخمین حالت سیستم می­بایست تعداد زیادی معادلات غیرخطی به صورت بهنگام حل شوند.
یکی از راه‌ حل ‌های آینده برای مانیتورینگ زمان حقیقی شبکه ­های قدرت، سیستم واحد اندازه ­گیری فازوری است که با کمک سیستم موقعیت جهانی^[۱۱] سیگنال­های زمانی بسیار دقیقی از اطلاعات شبکه ­های قدرت را جمع­آوری و استفاده می­نماید. گیرنده ماهواره‌ای سیستم موقعیت جهانی، اطلاعات دقیقی از وضعیت ولتاژ سه فاز پست­ها و جریان خطوط، ترانسفورماتورها و بارها را جمع‌ آوری کرده و در اختیار واحد اندازه ­گیری فازوری قرار می­دهد. بر اساس این اطلاعات، مؤلفه مثبت ولتاژ و جریان­ها در لحظه اندازه ­گیری به طور دقیق در مقیاس میکروثانیه محاسبه‌شده و بدین وسیله زاویه فاز آن‌ها استخراج می‌گردد.
تخمین حالت استاتیکی، مجموعه ­ای از اندازه ­گیری­هایی که از نقاط مختلف شبکه شده است را در یک زمان مشخص تحلیل می­ کند. معادلات غیرخطی مربوط به اندازه ­گیری z و بردار حالت x به صورت زیر است [^[۱۲]]:
(‏۲‑۱)
که در آن ɛ بردار تصادفی نویز با توزیع گوسی است. F نیز برداری از معادلات است که متغیرهای حالت را به اندازه ­گیری­ها مرتبط می­سازد. تخمین حالت استاتیکی بر اساس روش حداقل مربعات وزن­دار^[۱۳] فرمول­بندی شده و بوسیله یک الگوریتم مرحله­ ای حل می­ شود. در هر مرحله، روند حل مسئله، معادل با حل یک مسئله خطی شده خواهد بود. یکی از راه­های حل، جدا کردن قسمت حقیقی و موهومی اندازه ­گیری­ها و بردارهای حالت است. نتایج تخمین حالت جداشده خطی، به حل دو معادله خطی به روش حداقل مربعات وزن­دار تبدیل خواهد شد. حل هر یک از معادلات به صورت زیر است:
(‏۲‑۲)
که در آن x بردار حالت تخمین زده‌شده است. R ماتریس قطری است که کوواریانس ماتریس ɛ را بیان می­ کند و H ماتریس ژاکوبین است. بردار باقی­مانده^[۱۴] r به صورتr = z - Hx تعریف می­ شود که می‌توان آن را به صورت زیر نمایش داد:
(‏۲‑۳)
که در آن
(‏۲‑۴)
بوسیله رابطه (۲-۲۴) و با تکرار می‌توان متغیرهای حالت سیستم را بدست آورد؛ اما باید دقت داشت که این مقادیر با خطا همراه هستند چرا که پارامترهایی که در اختیار الگوریتم تخمین حالت قرار داده­ایم با خطا همراه هستند. بر این اساس بود که برای حل این مشکل و تصحیح مقدار پارامترها الگوریتم­هایی ارائه شد که اکنون آن را به عنوان الگوریتمی برای تخمین پارامتر دسته‌بندی کرده­ایم. به اختصار به دو روش مهم تخمین خطای پارامترها می­پردازیم.
محاسبه خطای پارامتر به روش آنالیز حساسیت
در این روش ابتدا با فرض مقادیری برای پارامترها به تخمین متغیرهای حالت سیستم می­پردازیم. پس از اتمام تخمین حالت به تخمین پارامتر می­پردازیم. روال کار به صورت زیر است [^[۱۵]]:
رابطه زیر را در نظر بگیرید:
(‏۲‑۵)
این رابطه از بردار اندازه ­گیری z که در یک زمان مشخص اندازه ­گیری شده است برای تخمین بردار حالت x و پارامترهای مجهول p استفاده می­ کند. با توجه به روش حداقل مربعات وزن­دار با کمینه کردن رابطه زیر به تخمین پارامترهای سیستم دست پیدا خواهیم کرد.
(‏۲‑۶)
شرط درجه اول برای مینیمم شدن تابع بالا به صورت زیر است:
(‏۲‑۷)
(‏۲‑۸)

۱۸

۴۴۲/۰

۴۰۷/۰

۳۷۰/۰

۳۱۳/۰

۲۰

۴۲۵/۰

۳۹۱/۰

۳۵۶/۰

۳۰۰/۰

۲۵

۳۹۳/۰

۳۶۲/۰

۳۲۹/۰

۲۷۷/۰

۳۰

۳۷۲/۰

۳۴۱/۰

۳۰۹/۰

۲۶۰/۰

شکل (۳-۱): نقشه موقعیت چاه­های مشاهده­ای آب­زیرزمینی محدوده بابل - بابلسر
۳-۷- معرفی سیستم اطلاعات جغرافیایی
یک نمونه از امکانات بسیار کارا و پیشرفته در زمینه بررسی­های کیفی آب، استفاده از سیستم اطلاعات جغرافیایی (GIS) است، که در چند سال اخیر بسیار مورد توجه قرار گرفته است تا قابلیت­ها و کارایی­های آن در مطالعه سفره آب­زیرزمینی یک منطقه نسبت به روش های سنتی و دستی که غالبا وقت­گیر و پرهزینه است شناسایی و معرفی گردد تا بتوان هم با سرعت بالا و هم با هزینه کمتر و با بهنگام نمودن اطلاعات، در هر زمان دلخواه از وضعیت سفره آب­زیرزمینی منطقه آگاهی پیدا کرد و با اعمال تمهیدات لازم، مدیریت صحیحی بر منابع آب اعمال کرد.
۳-۸- تعریف GIS
سیستم اطلاعات جغرافیایی یا GIS یک سیستم کامپیوتری برای مدیریت داده ­های فضایی است (مالک زوسکی، ۱۹۹۹)^[۹]. البته تلاشهای زیاد دیگری نیز برای ارائه تعریفی جامع از GIS صورت گرفته است. یکی از تعاریفی که توسط کریسمن^[۱۰] (۲۰۰۲) در مورد این سیستم­ها ارائه شده است چنین می­باشد: مجموعه ­ای از سخت­افزار، نرم­افزار، داده، کاربر، سازمان­ها و سلسله مرتب برای جمع­آوری، ذخیره، پردازش، تجزیه و تحلیل و انتشار اطلاعاتی درباره نواحی مختلف کره زمین، یک سیستم اطلاعات جغرافیایی است.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

به طور کلی این تعاریف همگی بر دو جنبه اصلی این سیستم­ها تکیه دارند: فن­آوری و حل مسائل. از نظر فن­آوری GIS به عنوان یک سری ابزار جهت ورود، ذخیره و بازیافت، تجزیه و تحلیل، دستکاری و خروج داده ­های مکانی، تعریف می­گردد و از نظر حل مسائل می­توان چنین گفت که GIS عملاً در فرایند تصمیم ­گیری نقشی اساسی را بازی می­ کند و توانایی انجام عملیات بیشماری بر روی هر نوع داده مکانی و یا مشخصاتی ذخیره شده در خود را دارد. در واقع هدف نهایی GIS را می­توان فراهم کردن پشتوانه­ای برای تصمیم ­گیری­ها دانست (طاهرکیا، ۱۳۷۶).
در ادامه به شرح مختصری درباره مؤلفه­ های اصلی هر سیستم اطلاعات جغرافیایی می­پردازیم:
- ورود داده ­ها: ورود داده ­ها به فرایندی اطلاق می­ شود که در آنها داده ­های مورد نیاز برای انجام کارهای تخصصی، شناسایی و جمع­آوری می­شوند. این فرایند شامل بدست­ آوردن، قالب­بندی، تعیین مرجع، گردآوری و ارائه سند برای داده­هاست. این داده ­ها به صور مختلف در دسترسی کاربران قرار می­گیرند. مثلاً نقشه­های مقایسه­ ای، جداول، نمودارها و داده ­های رقمی حاصل از عکس­های هوایی یا ماهواره­ای و…. یکی از فواید GIS توانایی ترکیب انواع داده­هایی است که در قالب­های مختلف گردآوری شده ­اند. GIS روش های مختلفی را برای ورود داده ­ها فراهم می­ کند مانند رقمی­سازی (Digitize) با کامپیوتر، با اسکن­کننده­ها و یا ویرایشگرهای دستی و…. این داده ­های ورودی در قالب­های مختلف در نرم­افزارهای GIS ذخیره می­شوند.
- تجزیه و تحلیل: تجزیه و تحلیل، فرایند استنباط یا دریافت مفاهیم از داده­هاست. این فرایند غالباً بصورت بصری انجام می­ شود ولی محاسبات آماری، تطبیق مدلها با مقادیر داده ­ها و سایر عملیات نیز توسط این سیستم­ها قابل انجام است. روش های بکار رفته توسط نرم­افزار برای تجزیه و تحلیل توسط کاربران و متناسب با اهداف، نوع داده ­های ورودی و امکانات خروجی تنظیم می­گردد و گاهی نتایج نهایی مجدداً به عنوان یک سری داده ورودی به سیستم برگشت داده شده و تحلیل­های دیگری به منظورهای دیگر بر روی آنها صورت می­گیرد تا تصمیم بهتری اتخاذ گردد.
- خروج داده ­ها: مؤلفه خروج داده ­ها در GIS راهی برای دیدن داده ­ها و یا اطلاعات را فراهم می ­آورد. در حقیقت زیرسیستم نتایج پردازش و تجزیه و تحلیل داده ­ها توسط نرم­افزار GIS را به کاربر نشان می­دهد. انواع خروجی داده ­ها را می­توان به سه گروه طبقه ­بندی کرد: خروجی نوشتاری (Text) مثل جداول، خروجی­ترسیم (Graghical) مثل نقشه­ها، خروجی رقمی (Digital) مثل دیسک­ها (نقشه­ها استانداردترین شکل خروجی هستند ولی اغلب جداولی نیز با آنها همراه است). وضعیت خروجی به امکانات سیستم نرم­افزاری و سخت­افزاری وابسته بوده و توسط کاربر قابل تنظیم است و گاهی تمام موارد فوق قابل دسترسی می­باشد. همانطور که گفته شد گاهی اطلاعات خروجی به عنوان یک سری داده جدید به سیستم برگردانده می­شوند و مورد بررسی بیشتر قرار می­گیرند که به این فرایند انتقال داده گفته می­ شود و می­­توان آنرا نوع دیگری از خروجی­ها دانست.
- ساختار داده ­ها: برخلاف بیشتر انواع داده­هایی که در سیستم­های جدید اطلاعاتی به­ طور معمول بکار برده می­شوند، داده ­های جغرافیایی از پیچیدگی ویژه­ای برخوردارند زیرا این داده ­ها باید شامل اطلاعاتی درباره موقعیت مکانی، ارتباطات توپولوژیک محتمل و ویژگی­های ثبت شده موضوعات باشند (طاهرکیا، ۱۳۷۶). داده ­های جغرافیایی با تکیه بر سیستم مختصات استاندارد به مکان­هایی از سطح زمین مربوط می­گردند. این سیستم یا در مقیاس محلی است یا در سطح بین ­المللی و بصورت شبکه تصویری می­باشد. این مختصات موقعیت داده ­ها را نسبت به ­یک مبنا و نسبت به ­یکدیگر برای کاربر مشخص می­ کند و دانستن آن در پیش ­بینی­ها بسیار مؤثر خواهد بود. کلیه داده ­های جغرافیایی را می­توان در سه مفهوم اصلی توپولوژیک، یعنی نقطه و خط و سطح خلاصه نمود. به عبارت دیگر هر پدیده جغرافیایی و فضایی را می­توان با نقطه، خط یا سطح بانضمام برچسب یا نوشته­ای که جنس و نوع آنرا بیان کند نشان داد. مجموعه این نشانه­ها، برچسب­ها و مختصات آنها در گذشته بصورت نقشه به نمایش در می­آمد و مورد استفاده قرار می­گرفت. امروزه و با پیشرفت علوم و فن­آوری، تهیه نقشه­ها توسط کامپیوتر و نر­افزارهای بخصوصی صورت می­گیرد که GIS یکی از این ابزارهاست.
۳-۹- ایجاد پایگاه اطلاعاتی و تهیه نقشه­های کیفی
امروزه برای مدیریت بهتر در بررسی آبهای زیرزمینی یک منطقه، از GIS به عنوان یک ابزار کارآمد بهره می­گیرند. اصولاَ پارامتر­های کیفی و کمی آب زیرزمینی در هر منطقه­ای از نوسانات زیادی در بازه­های زمانی برخوردار است. به دلیل متغیر بودن پارامترهای محیطی از نقطه­ای به نقطه دیگر، مطالعه آن­ها با روش­های متداول آمار کلاسیک مانند تجزیه و تحلیل واریانس که موقعیت جغرافیایی و مکانی نمونه­ها را در محیط در نظر نمی­گیرد، چندان مفید نخواهد بود. از این رو در این تحقیق از برنامه سیستم اطلاعات جغرافیایی که قادر به برآورد وتخمین خصوصیت مورد نظر در مکان­های فاقد نمونه برداری با بهره گرفتن از اطلاعات حاصل از نقاط نمونه برداری شده می­باشد، استفاده شده است. یکی از کاربردهای مهم GIS تولید نقشه­های کیفی با انتخاب فرایند درون­یابی مناسب می­باشد. بدین صورت که با فرایند درون­یابی (Interpolation) می­توان مقادیر تخمینی را برای یک سطح کامل از یک تعداد نقاط ساده با مقادیر مشخص تهیه نمود و یک مجموعه پیوسته را ساخت. سپس با تلفیق نقشه­های مختلف با یکدیگر جهت بهره ­برداری بهینه از ­آنها و مطالعه آبهای زیرزمینی نظیر مدل­سازی­های مختلف (کمی و کیفی) و پهنه­ بندی­های گوناگون استفاده نمود. در این تحقیق نیز از تلفیق نقشه­ها در محیط GIS برای تهیه نقشه­های کیفی آب­زیرزمینی محدوده مطالعاتی بابل- بابلسر استفاده شده است.
۳-۱۰- پارامترهای مورد نیاز جهت بررسی کیفی آب­زیرزمینی منطقه
از پارامترهای کیفی معمول جهت شناخت و بررسی ژئوشیمی آبهای زیرزمینی یک منطقه می­توان به آنیون و کاتیون­های محلول (Cl^-،(So₄)^-2 ،(Hco₃)^- ، Ca⁺²، Mg⁺²، Na⁺، K⁺)، باقیمانده خشک (TDS)، هدایت الکتریکی (EC)، pH ، نسبت جذب سدیم (SAR) و غیره اشاره نمود. در ادامه توضیح مختصری در رابطه با هر یک از این پارامترهای شیمیایی آمده است.
یکی از مهمترین وظایف در تحقیقات آب­زیرزمینی، ترجمه داده ­های شیمیایی به طریقی مناسب می­باشد که بتوان آنها را بطور بصری مورد بررسی قرار داد (فریز ۱۹۷۹، ۴۸۵)^[۱۱]، بنابراین رسم نمودار و تهیه نقشه­های مختلف از این پارامترها علاوه­­بر ارائه یک دید مکانی به مفسر، تفسیر هیدروژئوشیمی منطقه را ساده­تر می­نماید. برای این­ منظور مقادیر نقطه­ای پارامترهای کیفی اشاره شده دشت بابل- بابلسر برای دوره آماری ۱۱ ساله به نرم­افزارGIS منتقل گردید و با درون­یابی به روش Splin نقشه­های مورد نظر ترسیم شدند تا اطلاعات تفسیری دقیق­تری صورت گیرد.
۳-۱۰-۱- آنیون­ها و کاتیون­ها
نمکهای محلول در آب به صورت کاتیون و آنیون تجزیه می­شوند و هرچه مقدار نمک در آب بیشتر باشد مقدار این یون­ها افزایش می­یابد. آنیون­ها شامل مجموع غلظت یون­های Cl^-،(So₄)^-2 ،(Hco₃)^- ،)^-۲ (Co₃ و کاتیون­ها شامل مجموع غلظت یون­هایCa⁺²، Mg⁺²، Na⁺، K⁺ می­باشند.
کلر: یون کلرید (^-Cl) یکی از مهمترین آنیون­های موجود در آب است. علاوه­براین، از آنجائیکه این یون عمدتاً با سدیم و منیزیم در طبیعت وجود دارد و باتوجه به حلالیت قابل توجه این ترکیبات در آب، مقادیر قابل ملاحظه­ای از آن در آبهای زیرزمینی وجود دارد. منشأ اصلی کلر در آبهای زیرزمینی، سنگهای تبخیری، آبهای شور محبوس و یا آب دریا بوده و سنگهای آذرین سهم کمتری در تأمین کل آبهای زیرزمینی دارد (باور ۱۹۷۸، ۳۳۹)^[۱۲]. براساس استاندارد جهانی بهداشت مقدار کلر آب آشامیدنی حداکثر ppm250 است.
سولفات: آنیون سولفات دومین آنیون موجود در آب اقیانوسها و دریاهاست. عمدتاً بصورت سولفاتهای Ca و Mg و K یافت می­ شود. مهمترین منبع ورود این یون در آبهای طبیعی عبارتست از: سولفیدهای فلزی نظیر آهن، نیکل، مس، روی و سرب. این سولفیدها در اثر شرایط جوی و رطوبت اکسید شده و به سولفات تبدیل می­شوند که در اثر انحلال در آبهای جاری، به آبهای زیرزمینی وارد می­شوند (فرسنیوز ۱۹۸۸، ۸۰۴)^[۱۳]. همچنین منشأ سولفات آبهای زیرزمینی، رسوباتی نظیر ژیپس، انیدریت، سولفات سدیم و اکسیداسیون پیریت و سایر سولفیدهای موجود در سنگهای آذرین و رسوبی می­باشد. بر اساس استاندارد بهداشت جهانی (W.H.O) حداکثر مجاز سولفات منیزیم و سدیم در آب آشامیدنی ۴۵۰ میلی­گرم در لیتر می­باشد.
کربنات و بی­کربنات: یون بی­کربنات تشکیل دهنده اصلی و کربنات تشکیل دهنده فرعی در آبهای زیرزمینی می­باشند. کربنات و بی­کربنات موجود در آب از Co₂ اتمسفر، Co₂ تولید شده بوسیله موجودات زنده در خاک، سنگهای کربناته و کانی­های تبخیری تأمین می­شوند (باور ۱۹۷۸، ۴۸۰). در آب­زیرزمینی بی­کربنات با غلظت بیش از ۲۰۰ میلی­گرم در لیتر غیرمعمول نمی ­باشد، آب­های محتوی غلظت­های بی­کربنات بیش از ۴۰۰ میلی­گرم در لیتر در اکثر صنایع نامطلوب می­باشند. غلظت کربنات­ آبهای طبیعی معمولاً کمتر از ۱۰ میلی­گرم در لیتر است.

آیین‌نامه حق مالکیت مادی و معنوی در مورد نتایج پژوهش‌های علمی دانشگاه تربیت مدرس
مقدمه: با عنایت به سیاست‌های پژوهشی و فناوری دانشگاه در راستای تحقق عدالت و کرامت انسان‌ها که لازمه شکوفایی علمی و فنی است و رعایت حقوق مادی و معنوی دانشگاه و پژوهشگران، لازم است اعضای هیأت علمی، دانشجویان، دانش‌آموختگان و دیگر همکاران طرح، در مورد نتایج پژوهش‌های علمی که تحت عناوین پایان‌نامه، رساله و طرح‌های تحقیقاتی با هماهنگی دانشگاه انجام شده است، موارد زیر را رعایت نمایند:
ماده ۱- حق نشر و تکثیر پایان نامه/ رساله و درآمدهای حاصل از آن‌ها متعلق به دانشگاه می‌باشد ولی حقوق معنوی پدید آورندگان محفوظ خواهد بود.
ماده ۲- انتشار مقاله یا مقالات مستخرج از پایان‌نامه/ رساله به صورت چاپ در نشریات علمی و یا ارائه در مجامع علمی باید به نام دانشگاه بوده و با تایید استاد راهنمای اصلی، یکی از اساتید راهنما، مشاور و یا دانشجو مسئول مکاتبات مقاله باشد. ولی مسئولیت علمی مقاله مستخرج از پایان نامه و رساله به عهده اساتید راهنما و دانشجو می‌باشد.
تبصره: در مقالاتی که پس از دانش‌آموختگی بصورت ترکیبی از اطلاعات جدید و نتایج حاصل از پایان‌نامه/ رساله نیز منتشر می‌شود نیز باید نام دانشگاه درج شود.
ماده ۳- انتشار کتاب، نرم افزار و یا آثار ویژه (اثری هنری مانند فیلم، عکس، نقاشی و نمایشنامه) حاصل از نتایج پایان‌نامه/ رساله و تمامی طرح‌های تحقیقاتی کلیه واحدهای دانشگاه اعم از دانشکده‌ها، مراکز تحقیقاتی، پژوهشکده‌ها، پارک علم و فناوری و دیگر واحدها باید با مجوز کتبی صادره از معاونت پژوهشی دانشگاه و بر اساس آئین نامه‌های مصوب انجام شود.
ماده ۴- ثبت اختراع و تدوین دانش فنی و یا ارائه یافته‌ها در جشنواره‌های ملی، منطقه‌ای و بین‌المللی که حاصل نتایج مستخرج از پایان‌نامه/ رساله و تمامی طرح‌های تحقیقاتی دانشگاه باید با هماهنگی استاد راهنما یا مجری طرح از طریق معاونت پژوهشی دانشگاه انجام گیرد.
ماده ۵- این آیین‌نامه در ۵ ماده و یک تبصره در تاریخ ۱/۴/۸۷ در شورای پژوهشی و در تاریخ ۲۳/۴/۸۷ در هیأت‌رئیسه دانشگاه به تایید رسید و در جلسه مورخ ۱۵/۷/۸۷ شورای دانشگاه به تصویب رسیده و از تاریخ تصویب در شورای دانشگاه لازم‌الاجرا است.
«اینجانب سید اسماعیل موسوی دانشجوی رشته مدیریت فناوری اطلاعات ورودی سال تحصیلی ۱۳۸۸-۱۳۸۷ مقطع کارشناسی ارشد دانشکده مدیریت و اقتصاد متعهد می‌شوم کلِیه نکات مندرج در آئین نامه حق مالکیت مادی و معنوی در مورد نتایج پژوهش‌های علمی دانشگاه تربیت مدرس را در انتشار یافته‌های علمی مستخرج از پایان نامه / رساله تحصیلی خود رعایت نمایم. در صورت تخلف از مفاد آئین نامه فوق الاشعار به دانشگاه وکالت و نمایندگی می‌دهم که از طرف اینجانب نسبت به لغو امتیاز اختراع بنام بنده و یا هر گونه امتیاز دیگر و تغییر آن به نام دانشگاه اقدام نماید. ضمناً نسبت به جبران فوری ضرر و زیان حاصله بر اساس برآورد دانشگاه اقدام خواهم نمود و بدینوسیله حق هر گونه اعتراض را از خود سلب نمودم».
امضا:
تاریخ:۲۹/۴/۱۳۹۰
آیین نامه چاپ پایان‌نامه (رساله) های دانشجویان دانشگاه تربیت مدرس
نظر به اینکه چاپ و انتشار پایان نامه (رساله) های تحصیلی دانشجویان دانشگاه تربیت مدرس، مبین بخشی از فعالیت‌های علمی - پژوهشی دانشگاه است بنابراین به منظور آگاهی و رعایت حقوق دانشگاه، دانش آموختگان این دانشگاه نسبت به رعایت موارد ذیل متعهد می‌شوند:

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

ماده ۱: در صورت اقدام به چاپ پایان نامه (رساله) ی خود، مراتب را قبلاً به طور کتبی به «دفتر نشر آثارعلمی» دانشگاه اطلاع دهد.
ماده ۲: در صفحه سوم کتاب (پس از برگ شناسنامه) عبارت ذیل را چاپ کند:
«کتاب حاضر، حاصل پایان نامه کارشناسی ارشد نگارنده در رشته مدیریت فناوری اطلاعات است که در سال ۱۳۹۰ در دانشکده مدیریت و اقتصاد دانشگاه تربیت مدرس به راهنمایی جناب آقای دکتر شعبان الهی و مشاوره جناب آقای دکتر علیرضا حسن زاده از آن دفاع شده است.».
ماده ۳: به منظور جبران بخشی از هزینه‌های انتشارات دانشگاه، تعداد یک درصد شمارگان کتاب (در هر نوبت‌چاپ) را به «دفتر نشر آثارعلمی» دانشگاه اهدا کند. دانشگاه می‌تواند مازاد نیاز خود را به نفع مرکز نشر درمعرض فروش قرار دهد.
ماده ۴: در صورت عدم رعایت ماده ۳، ۵۰% بهای شمارگان چاپ شده را به عنوان خسارت به دانشگاه تربیت مدرس، تأدیه کند.
ماده ۵: دانشجو تعهد و قبول می‌کند در صورت خودداری از پرداخت بهای خسارت، دانشگاه می‌تواند خسارت مذکور را از طریق مراجع قضایی مطالبه و وصول کند؛ به علاوه به دانشگاه حق می‌دهد به منظور استیفای حقوق خود، از طریق دادگاه، معادل وجه مذکور در ماده ۴ را از محل توقیف کتاب‌های عرضه شده نگارنده برای فروش، تامین نماید.
ماده ۶: اینجانب سید اسماعیل موسوی دانشجوی رشته مدیریت فناوری اطلاعات مقطع کارشناسی ارشد تعهد فوق و ضمانت اجرایی آن را قبول کرده، به آن ملتزم می‌شوم.

نام و نام خانوادگی‌: سید اسماعیل موسوی
تاریخ و امضا:
۲۹/۴/۱۳۹۰

دانشکده مدیریت و اقتصاد
پایان نامه دوره کارشناسی ارشد مدیریت فناوری اطلاعات
ارائه چارچوب مدیریت دانش در سازمان‏های دانش‏محور
مورد مطالعه ستاد فناوری نانو ایران
سید اسماعیل موسوی
استاد راهنما
دکتر شعبان الهی
استاد مشاور
دکتر علیرضا حسن‏زاده
تیر ۱۳۹۰
تقدیم به
پدر و مادرم که گام نخست را ایشان رهنمون شدند و همسرم که تا پایان و در هر گام مرا همراه بود.
تشکر و قدردانی
«آنکه مخلوق را سپاس نگوید، هرگز خالق را سپاسگزار نخواهد بود.».
بر خود لازم می‌دانم که نهایت سپاس و قدردانی را نسبت به تمام عزیزانی که در انجام این پژوهش از راهنمائی‌ها و مساعدت‌های با ارزش آنان اعم از استادان محترم دانشگاه، مدیران و کارشناسان ارشد ستاد ویژه توسعه فناوری نانو، و همچنین عزیزانی که از حمایت‌های معنوی آن‌ها، بهره‌مند بوده‌ام، ابراز نموده و توفیق روز افزونشان را از درگاه خداوند یکتا خواستارم.
به ویژه از استاد گرامی جناب آقای دکتر شعبان الهی به سبب قبول زحمت هدایت این تحقیق و راهنمایی‌های با ارزششان کمال سپاس و امتنان را دارم. همچنین از استاد گرامی جناب آقای دکتر علیرضا حسن زاده که با قبول زحمت استاد راهنمای مشاور در انجام هر چه بهتر این پژوهش مؤثر بوده‌اند نیز کمال تشکر و امتنان را دارم.
سید اسماعیل موسوی
تیر ماه ۱۳۹۰
چکیده
امروزه، بسیاری از مدیران نقش اساسی دانش را در کسب مزیت رقابتی و دنبال کردن اهداف استراتژیک سازمان درک کرده‌اند و مدیریت دانش به صورت یک الزام رقابتی در سازمان‌ها درآمده است. در عصر اقتصاد دانشی بسیاری از سازمان‌ها به سازمان‌های دانش محور تغییر شکل داده ‏اند، بی شک، سازمان‌های دانش محور باید در طراحی و به کار گیری مدیریت دانش، در نقش سازمان‌های پیشرو ظاهر شوند، و این امر مستلزم شناسایی عوامل حیاتی موفقیت و اقدام عملی بر مبنای این عوامل تأثیرگذار در مراحل مختلف طراحی و به کار گیری مدیریت دانش است. در این پژوهش بر اساس مطالعه دقیق عوامل حیاتی موفقیت مدیریت دانش که توسط محققان و صاحب نظران گوناگون به صورت نظری و تجربی صورت گرفته است، ۱۰ عامل حیاتی و شاخص‌های هر یک از این عوامل شناسایی شدند و در یک چارچوب ارائه گردیدند. در ادامه بر پایه این عوامل حیاتی موفقیت و شاخص‌های مربوطه، یک ابزار در قالب پرسشنامه برای تعیین اهمیت و اولویت آن‌ها از دیدگاه خبرگان حوزه مدیریت دانش توسعه داده شد. به کمک آزمون‌های آماری پایایی و اعتبار این ابزار با بهره گرفتن از آزمون دو جمله‌ای برای قسمت اول پرسشنامه و آزمون کای اسکوئر به منظور تایید توانایی شاخص‌ها برای سنجش عوامل حیاتی مورد بررسی قرار گرفته و تایید شده است. سپس اهمیت و اولویت این عوامل اصلی موفقیت بر اساس آزمون فرید من مورد تجزیه و تحلیل قرار گرفت که بر اساس این تجزیه و تحلیل، پشتیبانی و تعهد مدیریت عالی سازمان به عنوان مهم‌ترین عوامل حیاتی موفقیت و الگوبرداری و اندازه گیری عملکرد از کم‌ترین اهمیت و رتبه برخوردار شدند. اهمیت و اولویت (رتبه) این مجموعه عوامل اصلی موفقیت می‌تواند به عنوان یک راهنما برای سازمان‌های دانش محور برای اولویت بندی و تنظیم فعالیت‌های مدیریت دانش مورد استفاده قرار گیرد. پس از تایید چارچوب توسعه یافته مدیریت دانش که شامل عوامل حیاتی موفقیت، اولویت‌ها و رتبه بندی هر یک از آن‌ها می‌باشد، با بهره گرفتن از پرسشنامه دوم وضعیت آمادگی مدیریت دانش در ستاد ویژه توسعه فناوری نانو مورد بررسی قرار گرفت و نقاط قوت و ضعف سازمان مورد مطالعه نسبت به حالت ایده آل و مطلوب در هر عامل و شاخص بیان گردید.