به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت

فهرست مطالب فریبا سادات حسینی

  • فریبا سادات حسینی، علیرضا واعظی*
    محتوای آب خاک نقشی مهم در رشد گیاه به ویژه در کشتزارهای دیم مناطق خشک و نیمه خشکایفاء می کند. آگاهی از عوامل موثر بر میزان نگهداشت آب در خاک برای مدیریت آب حاصل از بارش آسمانی و هم چنین درک طیف وسیعی از فرآیندهای هیدرولوژیکی شامل نفوذ، رواناب، و تبخیر و تعرق ضروری است.این متغیر تحت تاثیر هم زمان آب وهوا، ویژگی های خاک، پوشش زمین و توپوگرافی قرار دارد. در این بررسی، تغییرات محتوای آب خاک در هفت کشتزار گندم دیم با شیب چهار، هشت، 11، 15، 18، 20 و 24 درصد تحت شرایط آیش در غرب استان زنجان مورد بررسی قرار گرفت. محتوای آب خاک در عمق 20 سانتی متر در سه کرت (5/1 متر ×5/2 متر) با فاصله پنج روز در طول دوره رشد گندم زمستانه از سال 1394 تا 1395 اندازه گیری شد. محتوای آب خاک تغییرات زیادی را طی دوره پژوهش نشان داد که با تغییر ماهانه بارش همگام بود. تفاوتی معنی دار بین کشتزار ها از نظر محتوای آب خاک وجود داشت (01/ 0P<). محتوای آب خاک از شیب چهار تا 11 درصد به شدت کاهش یافت اما کاهش آن در شیب های بالاتر (15-24 درصد) ناچیز بود. کاهش در محتوای آب خاک در کشتزار ها به افزایش رواناب سطحی در آن ها مربوط بود. ماتریس همبستگی (r) برای تعیین اثرات ویژگی های کشتزار ها (درجه شیب و خصوصیات خاک) نشان داد که محتوای آب خاک با درجه شیب، شن، رس، ماده آلی و نفوذپذیری خاک همبستگی معنی داری در سطح یک درصد دارد. تجزیه وتحلیل رگرسیون چندگانه نشان داد که محتوای آب خاک رابطه ای معنی دار با شیب و مقدار شن دارد (01/0>P و 78/0=2R).بر این اساس محتوای آب خاک در کشتزارهای دیم مناطق نیمه خشک را می توان با استفاده از درجه شیب و مقدار شن خاک برآورد نمود.
    کلید واژگان: بارندگی, توزیع اندازه ذرات, رواناب سطحی, گندم زمستانی}
    Alireza Vaezi *
    Soil water content (SWC) plays an important role in plant growth, particularly in rainfed lands in arid and semi-arid regions. Knowledge of the variability of SWC is critical for understanding a range of hydrological processes including infiltration, runoff, and evapotranspiration. It is an integrative state variable affected by climate, soil properties, land cover, and topography. In this study, the variability of SWC was investigated in seven wheat rainfed lands with 4%, 8%, 11%, 15%, 18%, 20%, and 24% slope under fallow conditions in west of Zanjan province. The SWC was measured at a depth of 20 cm in three plots (1.5 m×2.5 m) with 5-day interval during the growing period of winter wheat from 2014 to 2015. The SWC showed a large variation during the study period which was associated with the monthly variation of precipitation. Significant (P
    Keywords: precipitation, Particle size distribution, Surface runoff, winter wheat}
  • محمد تقی تقوی فرد، فریبا سادات حسینی*، محمد خان بابایی

    سیستم های خبره می توانند به ساخت مدل های رتبه بندی اعتباری مشتریان بانک ها کمک کنند. در اینجا، انتخاب ویژگی های مهم در رتبه بندی اعتباری اهمیت دارد. همچنین ممکن است مقادیر ویژگی ها، به صورت فازی بیان شوند. مسئله این است، چگونه می توان به کمک الگوریتم ژنتیک، انتخاب ویژگی ها را بهبود بخشید؛ به گونه ای که این ویژگی ها به منزله ورودی در سیستم خبره فازی مورد استفاده قرار گیرند. این نوشتار به ارائه مدل رتبه بندی اعتباری هیبریدی با ترکیب انتخاب ویژگی ها، مبتنی بر الگوریتم ژنتیک و سیستم خبره فازی می پردازد. پژوهشی که در این مورد انجام گرفت، از نظر نتایج، کاربردی و از نظر هدف، توصیفی از نوع مطالعه موردی است. برای آموزش و آزمون مدل، از مجموعه داده های رتبه بندی اعتباری موسسه مالی و اعتباری قوامین استفاده شده است. پس از پیش پردازش داده ها، به کمک الگوریتم ژنتیک ویژگی ها انتخاب شدند و از طریق مصاحبه با فردی خبره و به کارگیری منطق فازی، دامنه تغییرات ویژگی های منتخب تعیین شده و سپس قوانین فازی رتبه بندی اعتباری ایجاد شدند. برای تحلیل داده ها از ابزار وکا و ماژول سیستم استنتاج فازی در نرم افزار متلب استفاده شده است. نتایج نشان می دهد، دقت طبقه بندی مدل پیشنهادی نسبت به سایر روش های مقایسه شده در این مقاله بیشتر است. قوانین فازی ایجادشده این مدل را می توان برای رتبه بندی اعتباری مشتریان بانکی به کار برد.

    کلید واژگان: الگوریتم ژنتیک, رتبه بندی اعتباری, سیستم خبره, منطق فازی}
    Mohammadtaghi Taghavifard, Fariba Hosseini, Mohammad Khanbabaei

    expert systems can help to build banks customers'' credit scoring models. Here، selection of key features of the credit scoring is important. Also، it is possible to express the features values as fuzzy. The problem is how to improve features selection by genetic algorithm، in way that these features can be employed as input in fuzzy expert system. This paper presents a hybrid credit scoring model with combination of features selection based on genetic algorithm and fuzzy expert system. The research conducted at the entry، in terms of result and objective is applied and descriptive research as case study، respectively. Ghavvamin financial and credit institution credit scoring date set is used to train and test the model. After data preprocessing، features selection is carried out using genetic algorithm. The range of selected features is determined by interview with an expert and via fuzzy logic and then credit scoring fuzzy rules can be generated. WEKA tool and fuzzy inference system (FIS) in MATLAB are used for data analysis. Results demonestare classification accouracy of the proposed model is more than the other compared methods in this paper. Fuzzy rules created by this model can be used for credit scoring of bank customers.

    Keywords: expert system, credit scoring, genetic algorithm, fuzzy logic}
بدانید!
  • در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو می‌شود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشته‌های مختلف باشد.
  • همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته می‌توانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
  • در صورتی که می‌خواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال