پایان نامه روشهای پیش بینی ضریب بهره وری TBM

اختصاصی از یارا فایل پایان نامه روشهای پیش بینی ضریب بهره وری TBM دانلود با لینک مستقیم و پرسرعت .

این فایل در قالب ورد وقابل ویرایش در 140 صفحه می باشد. 
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

 CSM  وNTH کاربرد بیشتری دارند. روش  CSM بر اساس تخمین نیروهای اعما ل

 شده 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 و

 در 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 های

 دیسکی – 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

 مقدمه

 فصل اول

 1- اشنایی و سابقه.............................................................................. 1

     1-1- نرخ پیشروی.......................................................................... 3

     1-2- نرخ نفوذ.............................................................................. 3

 فصل دوم

 2- آزمون های مورد نیاز برای پیش بینی بهره وری TBM ........................... 11

   2-1- آزمون تعیین تردی................................................................... 11

   2-2- آزمایش اندیس جی سیورز.......................................................... 12

   2-3- آزمون سایش......................................................................... 12

   2-4- آزمون اندیس سوشار................................................................ 13

   2-5- آزمون های برش ازمایشگاهی..................................................... 14

      2-5-1- آزمون برش خطی............................................................. 14

      2-5-2- آزمون برش دورانی........................................................... 16

   6-2- آزمون پانچ........................................................................... 16

      2-6-1- تاریخچه آزمون................................................................ 18

   7-2- آزمون های تعیین سختی............................................................ 18

   8-2- آزمون های مقاومت سنگ.......................................................... 19

   9-2- خواص توده سنگ.................................................................. 19

 فصل سوم

 3- تحلیل مکانیسم برش سنگ توسط برش دهنده های دیسکی......................... 21

   3-1- فرضیات پایه......................................................................... 22

   3-2- توزیع فشار و فرایند برش......................................................... 26

   3-3- طراحی ماشین و محاسبات......................................................... 33

   3-4- پیش بینی نرخ نفوذ................................................................. 33

 فصل چهارم

 4- پیش بینی نرخ نفوذ بر اساس تردی................................................... 37

   4-1- ارزیابی برخی داده های حاصل از آزمایش...................................... 38

 فصل پنجم

 5- پیش بینی نرخ نفوذ با استفاده از نتایج آزمون پانچ................................. 48

   5-1- تعیین نرخ نفوذ..................................................................... 48

   5-2- رده بندی سنگ با استفاده از آزمون پانچ....................................... 51

   5-3- آزمون پانچ ابزاری جهت ارزیابی پارامترهای ماشین......................... 54

 فصل ششم

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

  شبکه عصبی............................................................................... 56

   6-1- روش فازی – عصبی............................................................. 56

      6-1-1- اجزاء منطقی................................................................ 58

      6-1-2- اجزاء عددی................................................................. 59

   6-2- مدل نرخ نفوذ ( روش عصبی – فازی).......................................... 60

      6-2-1- ویژگیهای توده سنگ........................................................ 60

      6-2-2- ویژگیهای ماشین............................................................. 60

      6-2-3- هندسه تونل................................................................... 61

      6-2-4- تحلیل داده ها................................................................. 62

      6-2-5- مدلهای عصبی – فازی ( روش تاکاگی – سوگنو)....................... 64

   6-3- مقایسه با روشهای مختلف........................................................ 68

   6-4- مدل نرخ پیش روی ( بر مبنای شبکه عصبی)................................. 69

      6-4-1- انتخاب ساختار مدل و کاهش متغییرها.................................... 69

      6-4-2- الگوریتم آموزش شبکه عصبی............................................ 71

      6-4-3- توپولوژی شبکه عصبی.................................................... 71

      6-4-4- بهبود قابلیت تعمیم شبکه عصبی.......................................... 71

      6-4-5- نتایج – تفسیر – اعتبار و توان تعمیم مدل............................... 73

      6-4-6- مقایسه با مدلهای آماری.................................................... 73

 فصل هفتم

 7- پیش بینی بهره وری TBM با استفاده از.................................. 74

  7-1-  و ....................................................................... 74

   7-2- سایش برش دهنده............................................................... 81

   7-3- رابطه میان نرخ نفوذ و نرخ پیشروی با .............................. 82

   7-4- تخمین زمان اتمام تونل......................................................... 84

 فصل هشتم

 8- پیش بینی بهره وری TBM براساس فاکتور پایداری تونل..................... 85

   8-1- تخمین ضریب بهره وری....................................................... 86

   8-2- تخمین نرخ پیشروی............................................................ 87

   8-3- مثالی از کاربرد مدل............................................................ 89

   8-4- تخمین زمان اتمام تونل........................................................ 92

 فصل نهم

 9- پیش بینی بهره وری TBM برمبنای روش NTH............................. 94

 فصل دهم

 10- پیش بینی بهره وری TBM بر مبنای روش CSM......................... 106

    10-1- نیروهای عمودی روی برش دهنده ............................... 108

    10-2- نیروهای غلتشی ....................................................... 109

    10-3- رابطه مدرسه عالی معدن کلرادو جهت تعیین نیروهای روی برش دهنده در

             یک نفوذ مشخص.......................................................... 113

    10-4- تصحیح نرخ نفوذ.......................................................... 116

      10-4-1- شاخص دشواری زمین (GDI )................................... 116

      10-4-2- انرژی ویژه........................................................... 117

      10-4-3- اصلاحات پیشنهادی روش CSM جهت تخمین نرخ پیشروی... 117

 نتیجه گیری............................................................................ 122

 منابع................................................................................... 124

 فصل اول

________________

 اشنایی و سابقه

 در طول چند دهه گذشته تکنولوژی TBM های سنگ توسعه زیادی پیدا کرد. این ماشین ها

 اکنون به مرحله ای رسیده اند که می توانند در هر نوع سنگ یا خاکی حفر کنند ولی به هر

 حال حفر با ماشین پر خطر بوده زیرا همیشه امکان روبرو شدن با زمینی که ماشین توانایی

 حفردر آن را ندارد وجود دارد. پیش بینی ضریب بهره وری بخش مهمی از هر پروژه حفر

 مکانیزه است. تعداد برش دهنده های مورد نیاز هزینه های آزمایشگاهی – هزینه های

 سرمایه ای و عملیاتی همه از دوره ساخت پروژه و دوره ساخت پروژه از ضریب بهره

 وری و نرخ نفوذ تاثیر می پذیرد که تخمین این دو بسیار مشکل ا ست. تاکنون تلاش های

 زیادی جهت گسترش روشهای پیش بینی بهره وری و پیش بینی دقیق نرخ پیشروی در یک

 شرایط زمین شناسی شده است. در کشورهای مختلف و توسط شرکت های مختلف سازنده

 TBM دامنه وسیعی از روشهای پیش بینی ضریب بهره وری استفاده می شود.

 اصولا" این روشها بر مبنای تحلیل نظری و داده های تجربی بنا نهاده شده اند. در حالت

 کلی می توان روشهای ارائه شده را به دو گروه تقسیم کرد. روشهای کاملا" تجربی و

 روشهای تئوری/ تجربی. گروه اول بر مبنای داده های جمع اوری شده از زمین و استفاده

 از تحلیل رگرسیون میان پارامترهای ماشین خواص سنگ و نرخ نفوذ حاصل شده اند.

                                                                                                         1

 روش NTH یک نمونه از این روشها است. گروه های دیگر بر جزئیات فرایند برش

در سنگ تحلیل نظری فرایند شکست سنگ با ابزار مکانیکی و نیروهای وارد بر هر برش

 دهنده به منظور دستیابی به یک نرخ نفوذ مشخص متمرکز شده اند.

 روش CSM و برخی از روشها که توسط کارخانه های سازنده TBM توسعه داده شده اند

 در این گروه قرار می گیرند. این روشها می توانند در بهینه کردن طرح تاج حفار به کار

 گرفته شوند. نیروهای اعمال شده بر برش دهنده که توسط این روشها تعیین می شوند میتواند

 در تخمین نیروی محوری گشتاور و توان مورد نیاز نیز استفاده شود.

 در حالت عمومی روشهای پیش بینی بهره وری بر مبنای قواعد زیر پایه گذاری شده اند:

 1) داده های حاصل از زمین یا آزمایش

 2) آزمایشهای کوچک مقیاس ( ازمونهای شاخص)

 3) آزمایشهای بزرگ مقیاس

 4) روشهای تجربی

 5) مدلهای تئوری

 به عنوان مثال روش پیش بینی NTH ترکیبی از قواعد 1- 2- 4 است و روش CSM

 شامل تمامی قواعد ذکر شده می شود.

 در تمام روشهای پیش بینی بهره وری نمونه گیری صحیح یک عامل کلیدی است. اگر نمونه

 های مورد ازمایش معرف ( نماینده شرایط واقعی زمین) نباشند نتایج پیش بینی قا بل اعتماد

 نخواهد بود. تخمین بهره وری TBM در سنگهای سخت یک فرایند بسیار پیچیده است که به

 شرایط زمین شناسی خواص توده سنگ و جزئیات ماشین( مانند اندازه برش دهنده ها-

 فاصله و بار اعمالی بر آنها) مربوط می شود. فرایند برش و نفوذ در سنگ توسط برش

 دهنده مستلزم شکست کششی- برشی و فشاری سنگ است.

                                                                                                         2

 درزه ها و شکستگی ها تا حدودی نرخ نفوذ ماشین را بهبود می بخشند.

 بر اساس مطالعات صورت گرفته میان   و نرخ نفوذ همبستگی خوبی در TBM های

 سنگ سخت وجود دارد.

در این رابطه میزان تنش های برجا و  مقاومت فشاری

 توده سنگ می باشد.

مقاله پیش بینی زنجیره تامین خودروی گازسوز براساس تقاضای بازار(کنترل موجودی)

اختصاصی از یارا فایل مقاله پیش بینی زنجیره تامین خودروی گازسوز براساس تقاضای بازار(کنترل موجودی) دانلود با لینک مستقیم و پرسرعت .

چکیده :

گرایش به استفاده از سوخت گاز طبیعی به عنوان یک سوخت پاک برای مصرف کننداگن به سرعت رو به افزایش است. بحث گاز سوز کردن خودروها به دلایلمتعدد بحث روز بسیاری از کشورها بوده واز منابع جدید دنیا بشمار می آید,بطوریکه حتی بسیاری از کشورهای پیشرفته صنعتی که فاقد منابع گازی می باشند مشغول انجام پژوهش و تحقیق در این زمینه هستند. کنترل پیش بینی مبتنی بر ( MPC ) از طریق بکارگیری مدلی صریح و واضح از فرآیند و اعمال ورودیهای کنترلی بدست آمده از حل یک مسئله بهینه سازی در یک افق کنترلی , رفتار آینده یک سیستم در یک افق مشخص را کنترل می کند ....

نوع فایل : PDF

تعداد صفحات : 15 صفحه

پیش بینی بار سیستم های توزیع انرژی

اختصاصی از یارا فایل پیش بینی بار سیستم های توزیع انرژی دانلود با لینک مستقیم و پرسرعت .

پیش بینی بار سیستم های توزیع انرژی

175 صفحه در قالب word

به همراه 131 اسلاید آماده در قالب پاورپوینت

1-1 مقدمه کلی و تاریخچه 

پیش بینی بار یک فرایند مرکزی و جامع در برنامه ریزی و بهره برداری صنعت برق بوده است. روشهای برخورد زیادی در دو دهه اخیر برای به کارگیری این مسئله تحقیق و بررسی شده اند.این روشها اغلب ماهیتا با هم تفاوت داشته و به نظریات مختلف مهندسی و تحلیل های اقتصادی پاسخ می دهند.

یکی از مراحل مهم در طراحی سیستمهای توزیع انرژی الکتریکی پیش بینی بار و سیر تغییرات آن از زمان حال تا پایان سال مورد نیاز برای طراحی می باشد.پیش بینی بار صحیح علاوه بر صرفه جویی در هزینه های سرمایه گذاری، امکان برنامه ریزی زمانی مناسب جهت اجرای پروژه را نیز فراهم می نماید.(طراحی دینامیک).  در کشورهای پیشرفته و در حال توسعه، برنامه های اقتصادی میان مدت و بلند مدتی به منظور رسیدن به اهداف اقتصادی و اجتماعی ان کشورها طرح ریزی می شود.یکی از شاخه های برنامه های اقتصادی، پیش بینی مصرف انرژی و شاخه فرعی ان ، پیش بینی مصرف انرژی الکتریکی است.

با پیش بینی مصرف انرژی الکتریکی می توان اطلاعات کافی برای طراحی و توسعه شبکه های توزیع تهیه کرد. این پیش بینی به منظور تحلیل نیازهای اینده و برنامه ریزی در باره محل ،ظرفیت و وابستگی فیدرها، پست های اصلی و پست های فرعی ، مورد نیاز است.

پیش بینی مصرف انرژی الکتریکی با اعمال ضریب بار به پیش بینی بار پیک تبدیل می شود. تا جهت طراحی اجزاء مختلف سیستمهای تولید ، انتقال و توزیع انرژی الکتریکی استفاده می شود

گروه کاری پیش بینی بار IEEE در دو فاز فهرست مستندی در مورد پیش بینی بار منتشر کرده است.فهرست اول(فاز 1)فلسفه های کلی پیش بینی بار را پوشش داده است،و فهرست دوم(فاز2) روی موضوعات اقتصادی پیش بینی بار تمرکز دارد.آخرین بررسی بوسیلهGross وGaliana در1987 گزارش می شود که در این گزارش نویسندگان روشهای مختلف پیش بینی بار کوتاه مدت را بررسی کرده اند. که بعضی از روشها پیشنهادی بوده و بعضی نیز هم اکنون مورد استفاده می باشند. انتشارات دیگری نیز وجود دارند که مسئله پیش بینی بار را بررسی نموده اند. یکی از اینها کار آقای Bunn است که روندهای پیش بینی بار کوتاه مدت را در صنعت تولید برق مورد ارزیابی قرار داده است.در یک کار دیگرآقایBunnوFarmer به بررسی و بحث در روشهایی از پیش بینی پرداخته اند که در صنعت برق به کار برده می شوند.کار دیگری توسط آقایFields انجام شده که مدلهای تحقیقاتی پیش بینی کمی را در بر گرفته است در پیش بینی بار تکنیکهای مختلفی برای مسئله پیش بینی روزانه بار به کار گرفته شده است.تقریبا کلیه این تکنیک ها از روشهای آماری استفاده کرده اند،اما امروزه روشهای پیشرفته تری وجود دارند

که با استفاده از سیستم های خبره(مبتنی بر دانش)مسئله پیش  بینی بار را انجام می دهند.

1-2 اهداف پروژه

بررسی اهمیت پیش بینی بار سیستم های توزیع انرژی

مزایا و نتایج حاصل از  پیش بینی صحیح بار در سیستم های توزیع انرژی

معرفی و مقایسه روشهای مختلف پیش بینی بار سیستم های توزیع انرژی

ارائه روش های نوین و کارا در پیش بینی بار سیستم های توزیع انرژی

پیشنهاد یک روش جدید در پیش بینی بار سیستم های توزیع انرژی مبتنی بر منطق فازی و شبکه های عصبی

1-3 تقسیم بندی زمانی  پیش بینی بار

انرژی الکتریکی در مقیاس وسیع به طور اقتصادی قابل ذخیره نمی‌باشد. بدین دلیل بر خلاف شاخه‌‌های دیگر اقتصاد، در اقتصاد الکتریسیته باید همزمان با مصرف, انرژی تولید گردد. میزان مصرف با الکتریکی ثابت نمی‌باشد بلکه تصوری پیچیده و غیرخطی تابعی از پارامترهای متعددی می‌باشد. با توجه به متغیر بودن میزان مصرف بار الکتریکی، شرکتهای تولید کننده برق، موظفند با پیش‌بینی آن در زمان بندی‌های مختلف اطلاعات مورد نیاز برای تصمیم گیریهای خود در سیستم قدرت را حاصل نمایند.

بطور کلی پیش بینی بار بر اساس دوره پیش‌بینی به دسته‌هایی تقسیم می‌شود

• بلند مدت (5 تا 30 سال)، پیش‌بینی آماری اقتصادی که نقش اصلی در برنامه ریزی اقتصادی ظرفیت تولید و شبکه‌های انتقال دارد.
• میان مدت (1 ماه تا 5 سال) ، که به طور عمده برای برنامه‌ریزی سوخت مصرفی، برنامه ریزی تعمیرات و نگهداری، برنامه‌های مالی و تعرفه بندی بکار می‌رود.
• کوتاه مدت (1 روز تا چندین هفته) , برای برنامه‌ریزی روزانه و هفتگی، در مدار قرار گرفتن بهینه نیروگاهها (بهینه سازی ولتاژ – توان راکتیو، برنا‌مه‌ریزی برای انرژی رزرو مورد نیاز, زمان بهره‌برداری از نیروگاههای پمپ ذخیره‌ای ) و تبادل انرژی الکتریکی با شرکا استفاده میشود.
• بسیار کوتاه مدت (چند دقیقه تا چندین ساعت) ، که اطلاعات مورد نیاز در پخش بار اقتصادی و تخمین اطمینان را تامین می‌نماید. همچنین پیش‌بینی بسیار کوتاه مدت (چند دقیقه تا چندین ساعت)، برای زمانبندی تعویض قدرت بین شرکت‌ها و مطالعه تحمیلات انتقال مفید می‌باشد.

پیش بینی کوتاه مدت بار که در آن بار یک روز تا یک هفته آینده به صورت ساعتی پیش بینی می شود معیار مهمی در برنامه ریزی جهت بهره برداری از شبکه های قدرت می باشد.

تعیین زمان حداکثر بار و آمادگی قبلی برای زمانهای بحرانی شبکه، مطالعات پخش بار، مطالعات قابلیت اطمینان سیستم، برنامه ریزی برای سرویس شبکه و حتی بهره برداری اقتصادی از شبکه های تولید و انتقال همگی در گرو پیش بینی بار ساعتی میان مدت می باشد

1-4 مرور روشهای پیش بینی بار سیستم های توزیع انرژی

روشهای مختلف برای پیش بینی بار سیستم های توزیع انرژی وجود دارد که می توان موارد زیر را نام برد

1- پیش بینی بار  با رگرسیون خطی

2- پیش بینی بار با سریهای زمانی آماری.

3- پیش بینی بار با  اکسپونانسیل عمومی.

4- پیش بینی بار با  کاربری ارضی

5- پیش بینی بار با شبکه های عصبی

6- پیش بینی بار با  منطق فازی.

1-4-1 پیش بینی بار با  روش رگرسیون خطی چندمتغیره(MLR):

در روش رگرسیون خطی چند متغیره(MLR)بار بر حسب متغیرهای توصیفی خود مثل متغیر آب و هوا ومتغیرهای غیر آب و هوایی که بر بار الکتریکی تاثیر می گذارد تعریف می شود.

ممکن است هنگام انتقال از فایل ورد به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است

متن کامل را می توانید در ادامه دانلود نمائید

چون فقط تکه هایی از متن برای نمونه در این صفحه درج شده است ولی در فایل دانلودی متن کامل همراه با تمام ضمائم (پیوست ها) با فرمت ورد word که قابل ویرایش و کپی کردن می باشند موجود است

مدل هوشمند برای پیش بینی میزان موفقیت دانشجویان در یادگیری الکترونیکی

اختصاصی از یارا فایل مدل هوشمند برای پیش بینی میزان موفقیت دانشجویان در یادگیری الکترونیکی دانلود با لینک مستقیم و پرسرعت .

پایان نامه دکتری تکنولوژی آموزشی

همراه با پرسش نامه

258 صفحه

چکیده

آموزش الکترونیکی در مؤسسه­های آموزش عالی به ویژه در حوزه آموزش مهندسی ایران در حال توسعه چشمگیر است. پذیرش دانشجو برای تحصیل به روش الکترونیکی در ایران و جهان با چالشی مشترک و پدیده­ای تحت عنوان افت تحصیلی مواجه بوده به گونه­ای که آماری بین 20 تا 80 درصد برای افت تحصیلی گزارش شده که این میزان دو برابر آموزش متداول است. در راستای شناسایی عوامل مؤثر بر موفقیت یادگیرنده الکترونیکی در جامعه پژوهشی حاضر که مرکز آموزش الکترونیکی دانشگاه علم و صنعت ایران است، تحقیقی کمّی- کیفی اجرا شد. نمونه پژوهش 738 یادگیرنده الکترونیکی بود. داده‌های کمّی پژوهش با استفاده از پرسشنامه محقق ساخته گردآوری شد. روایی سازه ابزار با استفاده از روش تحلیل عاملی اکتشافی، روایی پیش­بین با استفاده از روش تحلیل رگرسیون و پایایی آن با استفاده از روش آلفای کرونباخ بررسی و تایید شد. داده‌های کیفی نیز از طریق مصاحبه، جلسات برخط، فروم و پیام­های دانشجویان گردآوری و مورد تحلیل کیفی قرار گرفت.

نتایج تحلیل رگرسیون چند متغیری نشان داد، مدل رگرسیونی که تجارب یادگیری الکترونیکی را در بر می­گیرد 66.7%، متغیرهای دموگرافیک 24.8%؛ پیشینه تحصیلی 23.1%؛ متغیر­های روانی- فنی 16.4%؛ مدیریتی 14.6%؛ اجتماعی- اقتصادی 8% و رسانه­ای 4.4% از تغییرات معدل کل یادگیرنده الکترونیکی را تبیین می­کنند. معنی­دارترین متغیر­های پیش­بین در هر کدام از مدل­ها عبارت بود از: معدل ترم اول دانشجو در تحصیل الکترونیکی، سن، معدل مقطع قبل، اضطراب امتحان، خودگردانی، سکونت در شهرستان، دارا بودن لپ­تاپ. با استفاده از مدل معادلات ساختاری، مدلی تدوین و آزمون شد. این مدل 72% از تغییرات معدل کل یادگیرنده الکترونیکی را تبیین کرده و برازش مطلوب نیز داشت (2.294=X2/Df).

در بخش تحلیل کیفی پژوهش، پس از تحلیل محتوای کیفی و کدگذاری باز و محوری، 11 کد محوری استخراج شد. پنج کد محوری که بیشترین فراوانی را داشتند عبارتند از: 1) تبعیض گذاشتن بین دانشجوی مجازی و روزانه؛ 2) عدم شرکت در کلاس مجازی؛ 3) مسائل روان‌شناختی محیط یادگیری الکترونیکی؛ 4) وفق نیافتن با سیستم مجازی؛ 5) مشکلات کلاس مجازی.

در راستای شناسایی مدل مناسب هوش مصنوعی، از روش داده­کاوی آموزشی استفاده شد. پیش­بینی وضعیت دانشجو در یادگیری الکترونیکی به دو صورت مسئله طبقه­بندی و رگرسیونی تعریف شد. نتایج میانگین خطای مطلق نشان داد برای مسئله رگرسیونی، الگوریتم M5' (از مدل­های درخت تصمیم­گیری) و M5Rules (از مدل­های استنتاج قانون) دقیق­ترین و پایاترینِ مدل­ها هستند. برای مسئله طبقه­بندی نیز الگوریتم JRip (از مدل­های استنتاج قانون) قدرت پیش­بینی مطلوب­تری نسبت به سایر مدل­ها داشت. مدل­های پیش­بینی درخت تصمیم و استنتاج قانون به دلیل قابلیت تفسیر نتایج و قدرت پیش­بینی بر مدل­های دیگر چون شبکه عصبی ترجیح داده شد. در پایان نتایج مربوط به یافته­های پژوهش بحث و پیشنهادات کاربردی برای کاهش افت و افزایش موفقیت یادگیرنده الکترونیکی ارائه شد.

واژگان کلیدی: یادگیری الکترونیکی، افت تحصیلی، یادگیری ماشینی، هوش مصنوعی، داده­کاوی آموزشی

توسعه مدل ریاضی به منظور پیش بینی کارایی ماشین زیرکوب در روسازی راه آهن

اختصاصی از یارا فایل توسعه مدل ریاضی به منظور پیش بینی کارایی ماشین زیرکوب در روسازی راه آهن دانلود با لینک مستقیم و پرسرعت .