تحقیق در مورد نرم افزار طالع بینی

اختصاصی از سورنا فایل تحقیق در مورد نرم افزار طالع بینی دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

 تعداد صفحه14

نرم افزار طالع بینی

مقدمه

نرم افزاری را که در پیش رو دارید نرم افزاری بسیار کار آمد ، که شامل بخشهای مختلف و متنوع می باشد . این نرم افزار توسط زبان برنامه نویسی دلفی نوشته و طراحی شده است . در اینجا ما می کوشیم تا گوشه هائی هر چند اندک از این نرم افزار مفید و جالب را برای شما تشریع کنیم .

نرم افزار طالع بینی شامل بخشهای زیر می باشد :

• طالع بینی هندی
• تعبیر خواب
• ستاره شناسی
• طالع بینی چینی
• روانشناسی رنگ ها
• فال قهوه
• طالع بینی تولد

لب

پروژه روش های پیش بینی ضریب بهره وری (TBM) . doc

اختصاصی از سورنا فایل پروژه روش های پیش بینی ضریب بهره وری (TBM) . doc دانلود با لینک مستقیم و پر سرعت .

نوع فایل: word

قابل ویرایش 138 صفحه

چکیده:

در این پایان نامه پس از بررسی اصول پایه شکست سنگ توسط برش دهنده آزمایشهای استفاده شده در روشهای مختلف پیش بینی نرخ نفوذ و ضریب بهره وری شرح داده شده و پارا مترهای ورودی – خروجی و دامنه کاربرد هر یک از روشهای پیش بینی مورد بحث قرار گرفته است. روشهای مختلف با هم مقایسه شده و شباهت ها – تفاوتها – مزایا و معایب هر کدام عنوان گردیده و روشهای که می توانند جهت بهینه کردن طرح تاج حفار و دستیابی به بهره وری بیشینه مورد استفاده قرار گیرند شرح داده شده است . در میان روشهای ارائه شده دو روش CSMوNTH کاربرد بیشتری دارند. روشCSM بر اساس تخمین نیروهای اعما لشده بر برش دهنده و روش NTH بر مبنای تجربیات حاصل از حفاری می باشد. هنگامی که داده های حاصل از آ زمونهای بزرگ مقیاس موجود باشد استفاده از روش CSM برای تخمین نرخ نفوذ و روش NTH جهت پیش بینی نرخ پیشروی توصیه میشود.

مقدمه:

ضریب بهره وری زمان تکمیل پروژه و به تبع ان هزینه را تحت تا ثیر قرار می دهد لذا نقش اساسی در انتخاب شدن یا نشدن حفر مکانیزه به عنوان روش حفر بازی می کند.زمان حفر ماشین به کل زمان پروژه یا عملیات روزانه را ضریب بهره وری می گویند. این ضریب تابعی از شرایط زمین – نوع ماشین – تاسیسات پشتیبانی – مدیریت پروژه ودر نهایت تجربه کارکنان است. حاصلضرب نرخ نفوذ در ضریب بهره وری را نرخ پیشروی می گویند. نرخ نفوذ نرخ پیشروی انی ماشین است و از هندسه تونل و ویژگیهای سنگ و پارامترهای ماشین تا ثیر می پذیرد. تاکنون مدلهای زیادی جهت پیش بینی نرخ نفوذ ارائه شده است و هر کدام تعدادی از پارامترهای موثر را منظور کرده اند. در این مطالعه به پیش بینی نرخ نفوذ بر مبنای تردی در فصل چهارم و بر مبنای نتایج آزمون پانچ در فصل پنجم پرداخته شده است.

آزمایشهای زیادی جهت پیش بینی نرخ نفوذ و بهره وری ایجاد شده اند که برخی از آنها در فصل دوم مورد بحث قرار گرفته است. فرایند برش سنگ توسط برش دهنده هایدیسکی – توزیع فشار پیرامون دیسکها و نحوه محاسبه نیروهای وارد بر دیسک در فصل سوم مفصل توضیح داده شده است. در این مطالعه بر مبنای فاکتور پایداری در تاج تونل و مقاومت سنگ پیشروی پیش بینی شده است و در مورد روشهای پیش بینی CSM و NTH بحث شده است.

فهرست مطالب:

مقدمه

فصل اول

 1- اشنایی و سابقه

1-1- نرخ پیشروی

1-2- نرخ نفوذ

 فصل دوم

2- آزمون های مورد نیاز برای پیش بینی بهره وری TBM

2-1- آزمون تعیین تردی

2-2- آزمایش اندیس جی سیورز

2-3- آزمون سایش

2-4- آزمون اندیس سوشار

2-5- آزمون های برش ازمایشگاهی

2-5-1- آزمون برش خطی

2-5-2- آزمون برش دورانی

6-2- آزمون پانچ

2-6-1- تاریخچه آزمون

7-2- آزمون های تعیین سختی

8-2- آزمون های مقاومت سنگ

9-2- خواص توده سنگ

فصل سوم

3- تحلیل مکانیسم برش سنگ توسط برش دهنده های دیسکی

3-1- فرضیات پایه

3-2- توزیع فشار و فرایند برش

3-3- طراحی ماشین و محاسبات

3-4- پیش بینی نرخ نفوذ

فصل چهارم

4- پیش بینی نرخ نفوذ بر اساس تردی

4-1- ارزیابی برخی داده های حاصل از آزمایش

فصل پنجم

5- پیش بینی نرخ نفوذ با استفاده از نتایج آزمون پانچ

5-1- تعیین نرخ نفوذ

5-2- رده بندی سنگ با استفاده از آزمون پانچ

5-3- آزمون پانچ ابزاری جهت ارزیابی پارامترهای ماشین

 فصل ششم

 6- پیش بینی نرخ نفوذ بر مبنای مدل فازی – عصبی و نرخ پیشروی با بهره گیری از شبکه عصبی

6-1- روش فازی – عصبی

6-1-1- اجزاء منطقی

6-1-2- اجزاء عددی

6-2- مدل نرخ نفوذ ( روش عصبی – فازی)

6-2-1- ویژگیهای توده سنگ

6-2-2- ویژگیهای ماشین

6-2-3- هندسه تونل

6-2-4- تحلیل داده ها

6-2-5- مدلهای عصبی – فازی ( روش تاکاگی – سوگنو)

6-3- مقایسه با روشهای مختلف

6-4- مدل نرخ پیش روی ( بر مبنای شبکه عصبی)

6-4-1- انتخاب ساختار مدل و کاهش متغییرها

6-4-2- الگوریتم آموزش شبکه عصبی

6-4-3- توپولوژی شبکه عصبی

6-4-4- بهبود قابلیت تعمیم شبکه عصبی

6-4-5- نتایج – تفسیر – اعتبار و توان تعمیم مدل

6-4-6- مقایسه با مدلهای آماری

 فصل هفتم

7- پیش بینی بهره وری TBM با استفاده از QTBM

7-1-Q و QTBM

7-2- سایش برش دهنده

7-3- رابطه میان نرخ نفوذ و نرخ پیشروی با

7-4- تخمین زمان اتمام تونل فصل هشتم

8- پیش بینی بهره وری TBM براساس فاکتور پایداری تونل

8-1- تخمین ضریب بهره وری

8-2- تخمین نرخ پیشروی

8-3- مثالی از کاربرد مدل

8-4- تخمین زمان اتمام تون

فصل نهم

9- پیش بینی بهره وری TBM برمبنای روش NTH

فصل دهم

10- پیش بینی بهره وری TBM بر مبنای روش CSM

10-1- نیروهای عمودی روی برش دهنده

10-2- نیروهای غلتشی

10-3- رابطه مدرسه عالی معدن کلرادو جهت تعیین نیروهای روی برش دهنده دریک نفوذ مشخص

10-4- تصحیح نرخ نفوذ

10-4-1- شاخص دشواری زمین (GDI )

10-4-2- انرژی ویژه

10-4-3- اصلاحات پیشنهادی روش CSM جهت تخمین نرخ پیشروی

نتیجه گیری

منابع

منابع و مأخذ:

1-Jamal Rostami,Bjorn Nilsen and Levent Ozdemir,Comparition Between CSM And NTH Hard Rock TBM Performance Prediction Models

2- Bjorn Nilsen and Levent Ozdemir, Hard rock tunnel boring performance/field Perediction, RETC 1993,Chapter

3 - Johannessen, O. et al, 1998, Hard Rock Tunnel Boring, Norwegian InstituteOf Thecnology, Div. of Construction Engineering, Project Report No. 1-88,183P

4 - Tarkoy, P.J.1973, Prediction TBM penetration rate in selected Rock types,In Proceedings, Ninth Canadian Rock Mechanics

5 – Tunnel Boring Machine Performance Concepts and Performance Prediction Appendix C, US Army Corps, EM 1110-2-2901,30 May

6 – Dominic and F. Hawarth, Mechanical Rock Excavation, Assessment ofCuttability and Borability, 1966,

7 – Demuth, H. and Beale, M. 1994, Neural Network Toolbox User s Guide, the Math works Inc

8 – Barton, N.(2000).TBM Tunnelling in Jointed and Faulted Rock

9 – Schmidt, R.L.,1972. Drillability studies percussive drilling in the field USMB RI 7684

10 – Clark, G.B.,1979. Principles of Rock Drilling. Colorado School of Mines, Colorado

11 – Nick Barton NGI Norway, Jhun ITOH ERIC Japan Performance Estimation Estimation in Rock Using

12 – Chiu, S.1994, Fuzzy model identification based on cluster estimation, Journal of Intelligent and fuzzy systems

جزوه درس روش های پیش بینی و تحلیل سری های زمانی در زنجیره تأمین

اختصاصی از سورنا فایل جزوه درس روش های پیش بینی و تحلیل سری های زمانی در زنجیره تأمین دانلود با لینک مستقیم و پر سرعت .

این فایل، جزوه درس روش های پیش بینی و تحلیل سری های زمانی در زنجیره تامین است که به زبان ساده، علم پیش بینی و تحلیل سری های زمانی را به همراه مثال هایی بیان کرده است. همچنین این جزوه شامل نمونه سوالات و تمرینات این درس هم می باشد و مطالعه آن برای دانشجویان رشته های مهندسی صنایع، لجستیک و زنجیره تامین، مدیریت، ریاضی کاربردی و آمار مفید می باشد.

در این جزوه تقریباً همه مباحث مهم این درس در قالب یک فایل آورده شده است و خواندن آن برای آموزش و تدریس و دروس دوره های کارشناسی و ارشد و دکترا هم بسیار مفید می باشد.

اصطلاح پیش بینی همان گونه که از معنای لغوی آن برمی آید، عبارت از تجسم یک موقعیت یا وضعیت در آینده است. از پیش بینی های لازم در فعالیت های صنعتی، پیش بینی میزان تقاضای محصولات و مصرف مواد و قطعات است. به عنوان مثال، یک کارخانه سازنده خودرو باید همواره پیش بینی دقیقی از تعداد خودروهایی که می تواند در ماه ها و حتی سال های اینده به فروش برساند، در دست داشته باشد. در این جزوه به آموزش روش های پیش بینی تقاضا در حالت های مختلف پرداخته شده است و مثال های کاربردی عددی هم همراه با آموزش روش های پیش بینی تقاضا، بیان شده است.

مطالب:

• تعریف پیش­ بینی و انواع آن
• روش­های پیش ­بینی بر مبنای داده­ های گذشته
• روش میانگین ساده، میانگین متحرک، میانگین متحرک وزنی، میانگین متحرک با درنظر گرفتن تغییرات فصلی
• مفهوم سری­ های زمانی
• تکنیک تعیین معادله خط روند
• روش هموارسازی نمایی و هموارسازی نمایی با اصلاح روند
• روش هموارسازی نمایی با الگوی فصلی
• روش ­های پیش ­بینی علت و معلولی
• روش تحلیل رگرسیون خطی
• اندازه­ گیری دقت روش ­های پیش ­بینی
• کنترل پیش­ بینی
• تمرین و نمونه سوال

فرمت فایل: PDF

تعداد صفحه: 45

گردآورنده: فضه پرتوی (مدرس دانشگاه های علمی و کاربردی)

دانلود تحقیق رابطه خوش بینی و بد بینی با سلامت عمومی

اختصاصی از سورنا فایل دانلود تحقیق رابطه خوش بینی و بد بینی با سلامت عمومی دانلود با لینک مستقیم و پر سرعت .

افراد در شرایط و موقعیتهای استرس آمیز واکنشهای مختلفی از خود نشان می دهند و بعضی در شرایط سخت سلامت روانی  جسمی خود را حفظ می کنند و بعضی در مقابل تعارضات زود تحمل خود را از دست میدهند که اصطلاح خوش بینی و بد بینی را به آن می دهند هدف تحقیق حاضر بررسی تأثیر خوش بینی و بد بینی بر سلامت عمومی در دانشجویان گروه راهنمایی و مشاوره بود. روش تحقیق بکار گرفته شده برای پژوهش اخیر یک طرح همبستگی بود، که  برای بررسی میزان همبستگی ، پرسشنامه های خوش بینی و بدبینی و سلامت عمومی روی 50 نفر از دانشجویان دختر و پسر دانشگاه آزاد واحد قوچان به شیوه نمونه گیری تصادفی انتخاب شده بود اجرا گردید. و این نتیجه بدست آمده که بین خوش بینی و سلامت روان رابطه وجود دارد.

در زندگی روزمره چه بسا به افرادی بر می خوریم که با شرایط و موقعیتهای در زندگی روبه رو می شوند که آن شرایط و موقعیتها ناگوار و استرس آمیز است ولی در برخورد با این گونه شرایط افراد مختلف واکنشهای روانشناختی وفیزیولوژی متفاوتی از خود بروز می دهند.عده ای سخت آشفته شده و دچار نابسامانی های روانی و جسمی می شوند و عده ای نیز به آسانی با این گونه شرایط سازگار می شوند و حتی در شرایط سخت،سلامت روانی و جسمی خود را حفظ می کنند،عده ای به طور کلی زندگی را بی ارزش می دانند و در مقابل ناکامی ها و شرایط تعارض برانگیز زود تحمل خود را از دست داده،از تلاش و کوشش خود دست بر می دارد.در مقابل عده ای نیز هر چند که شرایط زندگی سخت و طاقت فرسا باشد و حتی گاهی در مقابل با آن دچار شکست
می شود،اما با این وجود نیرو و انرژی خود را از دست نداده و زندگی را ارزشمند
 می بینند.حال با در نظر گرفتن چنین واقعیتهای سوال اینجاست که چه عامل یا عواملی موجب می شوند که انسانها در مقابل یک واقعیت واحد بیرونی پاسخهای کاملا متفاوتی از لحاظ روانشناختی و جسمی از خود به نمایش بگذارند؟ روانشناسان هنوز دانش کافی درباره آنچه که زندگی را برای انسان ارزشمند می سازد ندارند.آنها نیاز دارند درباره این که چگونه انسانها تحت شرایط نا مساعد زنده می مانند و آن شرایط را تحمل می کنند . خیلی چیزها بدانند به هر حال روانشناسان دربارهی آن که چگونه افراد عادی تحت شرایط مساعد تر به اوج شکوفای می رسند کم می دانند.(بنیامین 1992)(1) :کوخ ولیاری 1958(2)

دهه اخیر رویکرد دیگر به روانشناسی بنام(روانشناسی مثبت)شروع به فعالیت نموده است.حوزه ی روانشناسی مثبت در سطح ذهنی درباره ی تجارب زهنی [1]ارزشمند از قبیل رضایت و خشنودی (3) (گذشته)امید وخوش [2]بینی(آینده)شادمانی(4) (در حال حاضر)می باشند نظر کریستو فرپترسون (5) درباره ی افراد باد خوش بینی بالا می گوید:اینها گرایش دارند که خلق بهتری داشته باشند ،دارای موفقیت و پشتکار بیشتر باشند و سلامت جسمانی بهتری را تجربه کنند.خوش بینی چگونه کار می کند؟ چگونه می توان آن را افزایش داد؟چه موقع آن شروع به تحریف واقعیت می کند؟اینها بعضی از سوالاتی هستند که پترسون مطرح می کند و پژوهش حاضر نیز در پی فراهم آوردن دانش و اطلاعاتی در این زمینه بخصوص است.پترسون همچنین معتقد است که بحثهای پیچیده ی روانشناسی نمی توانند به تنهای جدا از زمینه های اجتماعی و فرهنگی که آنها را احاطه کرده است،شناخته شوند حال با توجه به این واقعیتها ،این سوال مطرح می شود که چگونه یک فرهنگ نسبتا بدبین بر بهزیستی اعضایش تاثیر می گذارد؟و به طور معکوس آیا یک فرهنگ نسبتا خوش بین می تواند افراد خود را بسوی تندرستی و عملکرد بهینه سوق دهد.(همان منبع)

بیان مسئله

خوش بینی و بدبینی اصطلاحاتی هستند که بطور فزاینده ای هم رسانه های جمعی و هم ادبیات  روانشناختی را در سالهای اخیر در بر گرفته اند .خوش بینی بعنوان ادراک اینکه یک فرد پیامدهای مثبتمرا برای حوادث و موقعیتهای زندگی تجربه می کند. تعریف می شود :به عبارت دیگر خوش بینی به نتیجه ی تعمیم یافته انتظاراتی اشاره دارد که چیزهای خوب بیشتر از چیزهای بد اتفاق خواهد افتاد.در مقابل بدبیتی به این گرایش دارد که در آینده باید منتظر پیامدهای بد و ناگوار بود(سلیگمن ومیهالی،2000)

بر مبنای خوش بینی که بعنوان تمایلی برای باوراین مطلب تعریف شده است که رویدادهای که پیش می آیند به طور کلی خوشایندند،می توان سلامت روانی و جسمانی بیشتری را پیش بینی نمود.تحقیقات انجام گرفته به وسیله ی روانشناسان فواید مختلف خوش بینی و زیانهای همراه بدبینی را ثابت کرده است.خوش بینی که شیوهای مختلف مفهوم سازی و ارزیابی شده است با خلق مثبت و روحیه بالا موقعیتهای تحصیلی،ورزشی،نظامی،شغلی و سیاسی با محبوبیت و سلامت بالا وقتی با

شامل 91 صفحه فایل word قابل ویرایش

مقاله پیش بینی دما با استفاده از روش های هوشمند

اختصاصی از سورنا فایل مقاله پیش بینی دما با استفاده از روش های هوشمند دانلود با لینک مستقیم و پر سرعت .

این محصول در قالب ورد و قابل ویرایش در 100 صفحه می باشد.

مقدمه

تابش های مستقیم و غیر مستقیم منشا اصلی انرژی حرارتی کره ی زمین است بازتاب آن ها توسط زمین موجب گرم شدن هوا می گردد. اندازه گیری دما در محیط باز نشان دهنده ی دمای هوا ، دمای ناشی از تابش های اجسام مجاور و تابش های مستقیم خورشید است به همین دلیل دماسنج ها را در پناهگاههای هواشناسی قرار می دهند به طوریکه مخزن آن ها از سطح زمین در ارتفاع مشخصی در حدود 135 سانتی متری قرارداشته باشند. به این ترتیب دمای هوای بدست آمده در نقاط مختلف با یکدیگر قابل مقایسه هستند و تحت تاثیر تابش های مستقیم یا غیر مستقیم نمی باشند. از جمله عوامل موثر در دمای یک منطقه عرض جغرافیایی، ارتفاع، جریان های دریایی، فاصله از دریا، باد، جهت و پوشش ابری می باشند.

حال با توجه به عوامل ذکر شده برای پیش بینی دما روش های گوناگونی به کاربرده شده است طوری که در پی سالیان متمادی تحقیق و پژوهش، روشهای گوناگونی در زمینه پیش بینی پیشنهاد گردیدند که می‌توان آنها را در دو گروه روش های کلاسیک و اکتشافی مدرن طبقه بندی کرد روشهای کلاسیک بر پایه ی احتمالات و مدل ریاضی عمل می‌کنند ولی روش های اکتشافی هوشمند، از سیستم های مبتنی بر شبکه های عصبی، منطق فازی، الگوریتم های تکاملی و ترکیبی از روشهای هوش مصنوعی تشکیل شده است. مزیت اصلی روش های اکتشافی مدرن در این است که به طراح در دستیابی به سیستمی دینامیک و غیر خطی کمک می کنند، و همچون متد های کلاسیک نیازی به پیشنهاد یک الگو ندارند و هیچ فرضی درباره ماهیت توزیع داده های مشاهده شده در آنها به چشم نمی خورد. حتی در مواقعی که با مشکل داده های مفقود شده مواجه می شویم، بر خلاف روش های کلاسیک، در متد های اکتشافی مدرن می توان این نقیصه را تا حدودی برطرف نمود. اما شاید مهمترین برتری اکتشافی مدرن در این باشد که عناصر ذهنی و انسانی را در طراحی راه حل مسئله کنار می گذارد، امری که در روش های کلاسیک یکی از ارکان اصلی در پیاده سازی سیستم محسوب می‌گردد. در حالی که روش های اکتشافی مدرن بدون داشتن هیچ فرضی از مسئله، با کمک داده های مشاهده شده و ساختار های هوشمند نظیر شبکه های عصبی، و یا بر اساس دانش انسان خبره در سیستم های مبتنی بر منطق فازی سعی در مدل کردن مسئله در یک بلاک بسته دارند.