پایان نامه درباره قانون کار

دانلود پایان نامه ارشد

100-150
نيمه سخت
150-200
سخت
200-300
بسيار سخت
300

1 – 15 -2 کيفيت آب براي مصارف مختلف
آب مصرفي براي آشاميدن بايد از لحاظ فيزيکي، شيميايي و بيولوژيک مناسب باشد. ميزان متوسط مصرف آب براي آشاميدن هر فرد 1 تا 2 ليتر در روز است که بايد مطبوع و عاري از هر گونه آلودگي باشد. در جدول (1-4) استانداردهاي آب آشاميدني آمده است [43 و88 و 121 و 122].

جدول 1 – 4 استانداردهاي آب آشاميدني [43 و69 و 88 و 121 و 122 و175]
نوع ترکيب
حداکثر مجاز بر حسب ميلي‌گرم بر ليتر

سازمان بهداشت جهاني
(1987، WHO)
سازمان حفاظت محيط زيست امريکا
(2002، USEPA)
استاندارد اروپايي

(1980، EU)
استاندارد سازمان مديريت و برنامه ريزي ايران
(استاندارد 1053)
کل جامدات محلول
1500
1500
1500
1500
سختي (برحسب ميلي‌گرم بر ليتر کربنات کلسيم)
500
500
500
500
نيترات
45
45
50
50
سولفات
400
250
250
400
فسفات
7
5
5
5
کلر
250
250
600
400
سديم
200
200
150
200
پتاسيم
12
12
12
12
کلسيم
200
200
200
250
منيزيم
150
150
50
50
آهن
0.3
0.3
0.2
0.3
منگنز
0.1
0.05
0.05
0.5
مس
1
1.3
3
1
روي
5
5
5
3
PH
6.5-8.5
6.5-8.5
6.5-9.5
6.5-9.0

ب- کيفيت آب آبياري
به طور معمول آب آبياري براي راهنمايي مصرف کنندگان، حل مشکلات مربوط به بهره برداري و بالا بردن پتانسيل توليد محصولات به گروه‌هاي متفاوتي طبقه بندي شده است. طبقه بندي کيفيت آب آبياري تنها براي راهنمايي ارائه شده و براي شرايط موجود در مزرعه بايد تنظيم شود. مناسب بودن آب آبياري بستگي به آب و هوا، خصوصيات فيزيکي و شيميايي خاک، نوع محصول و مديريت اجرايي مزرعه دارد. در جدول (1-5) راهنماي سازمان خوار و بار جهاني (فائو)52، (1985) براي کيفيت آب آبياري آمده است (کميته ملي آبياري و زهکشي ايران، 1380).

جدول 1 – 5 راهنماي کيفيت آب آبياري
معيارهاي کيفي آب
واحدها
درجه بهره برداري براي آبياري

خوب
متوسط
نامناسب
الف – شوري
ds/m
0.7
0.7-3.0
3.0
TDS
mg/l
450
450-2000
2000
ب- نفوذپذيري

درحالتي که 3 – 0 =SAR ومقدارECw
ds/m
0.7
0.2-0.7
0.2
درحالتي که 6 – 3 =SAR ومقدارECw
ds/m
1.2
0.3-1.2
0.3
درحالتي که 12 -6 =SAR ومقدارECw
ds/m
1.9
0.5-1.9
0.5
درحالتي که 20 -12 =SAR ومقدارECw
ds/m
2.9
1.3-2.9
1.3
درحالتي که 40 -20 =SAR ومقدارECw
ds/m
5.0
2.9-5.0
2.9
ج – سميت يون‌هاي ويژه

سديم (Na)

آبياري سطحي
SAR
3
3-9
9
آبياري باراني
me/l
3
3

کلريد (CL)

آبياري سطحي
me/l
4
4-10
10
آبياري باراني
me/l
3
3

بر(B)
me/l
0.7
0.7-3.0
3.0
د – اثرات متفرقه

نيتروژن نيتراتي
me/l
5
5-30
30
بيکربنات
me/l
1.5
1.5-8.5
8.5
PH

محدوده نرمال بين 4/8 – 5/6

ج – کيفيت آب آشاميدني براي حيوانات
بسياري از آبها که به علت دارا بودن املاح زياد براي انسان قابل آشاميدن نيستند براي حيوانات قابل آشاميدن مي‌باشند. البته استاندارد کيفيت آب در مورد حيوانات مختلف و حتي فصول مختلف، متفاوت مي‌باشد. معمولاً چون در تابستان مقدار مصرف آب حيوانات بيشتر است، حدود مجاز کمتر است. جدول (1-6) طبقه‌بندي آبهاي قابل آشاميدن براي حيوانات را نشان مي‌دهد (کاشانيان, 1372).

د – کيفيت آب براي استفاده صنعتي
کيفيت آب مورد استفاده در صنعت، بسته به نوع صنعت، متفاوت است. مثلاً آبي که براي ديگ‌هاي بخار تحت فشار به کار مي‌رود بايد کيفيت بالايي داشته باشد، در صورتي که آب مورد استفاده براي سرد کردن دستگاه‌هاي تقطير ممکن است به بدي آب دريا نيز باشد. حتي در يک صنعت ويژه هم تعيين معيارهاي مشخص امکان پذير نيست و فقط حدود تغييرات را مي‌توان معين کرد (رزاقي, 1353). به همين خاطر، جداول زيادي از طرف سازمان‌ها و صنايع مختلف براي کيفيت آب تنظيم شده است. در جدول (1-7) يک طبقه‌بندي عمومي آب از نظر مصارف صنعتي آمده است (کاشانيان, 1372).

جدول 1 – 6 طبقه‌بندي آبهاي قابل آشاميدن براي حيوانات
کيفيت آب آشاميدني براي حيوانات
مقدار ترکيب بر حسب ميلي‌گرم بر ليتر

TDS
Na
Ca
Mg
Cl
SO4
خوب
3000
800
350
150
900
1000
رضايت بخش
5000
1500
700
350
2000
2500
قابل قبول براي نياز تابستاني
10000
2500
900
600
4000
4000
قابل قبول براي نياز زمستاني
15000
4000
1000
700
6000
6000

جدول 1 – 7 طبقه‌بندي آب از نظر مصارف صنعتي
نوع آب
سختي (ميلي‌گرم درليتر)
قليائيت(ميلي‌گرم بر ليتر)
کل جامدات محلول(ميلي‌گرم بر ليتر)
درجه يک
50
400
1500
درجه دو
150
400
3000-5000
درجه سه
250
1000
8000-1000

1-16 تعريف شبکه‌هاي عصبي مصنوعي
در تعريفي کلاسيک، يک شبکه عصبي مصنوعي عبارت است از مجموعه‌اي عظيم از پردازشگرهاي موازي که استعداد ذاتي براي ذخيره اطلاعات تجربي و بکارگيري آن را دارند و اين شبکه دست کم از دو جهت شبيه مغز است:
?- مرحله اي موسوم به يادگيري دارد
?- وزن‌هايي که به جهت ذخيره اطلاعات به کار برده‌شدند.

شبکه‌هاي عصبي مصنوعي در واقع مثلثي هستند که ? ضلع مفهومي دارند:
?- سيستم تجزيه و تحليل داده‌ها
?- نورون يا سلول عصبي
?- شبکه يا قانون کار گروهي نورونها.

اولين اقدامات در زمينه شبکه‌هاي عصبي مصنوعي در اوايل دهه ???0 صورت پذيرفت. در سال ???? پيتز و مک کالو مقالهاي در زمينه شبکههاي عصبي مصنوعي ارائه کردند و نشان دادند که به کمک شبکه‌هاي عصبي ميتوان هر تابع منطقي يا رياضي را مدل کرد. در آن دوره چندين نوع شبکه عصبي ابداع شد و به نتايجي هم رسيدند. با اين حال آن شبکهها از نقاط ضعفي برخوردار بودند که باعث شد تا در اواخر دهه ???0 توجه محققين به سمت هوش مصنوعي معطوف نشود و شبکههاي عصبي تا حدي اعتبار خود را از دست دادند.
بين سالهاي ???0 تا ???0 تنها چند دانشمند از جمله کوهنن53 و اندرسن54 به تحقيقات در اين زمينه ادامه دادند تا اينکه بالاخره‌ هاپفيلد فيزيکدان مشهور، با انتشار مقالات خود دانشمندان زيادي را به تحقيق پيرامون شبکههاي عصبي تشويق کرد.
در سال ???? با انتشار کتاب PDP55 توسط رامل هارت و مک کليلند و ارائه قوانيني جهت يادگيري و تربيت شبکههاي عصبي چند لايه تحولي در زمينه تحقيقات عصبي به وقوع پيوست که همچنان با سرعت چشمگيري ادامه دارد. در دهه ???0 شبکههاي عصبي کاربردهاي فراواني در زمينههاي مهندسي يافتند.
امروزه شبکههاي عصبي در کنار ابزارهاي ديگري همچون هوشمصنوعي و منطق فازي به عنوان نوعي سيستم هوشمند شناخته شده است و گاه ترکيبي از ابزارهاي فوق در تحليل يک مسئله مورد استفاده قرار گرفته شده است.
ساختار کلي شبکههاي عصبي مصنوعي از شبکه بيولوژيکي مغز انسان الهام گرفته شده است و تحقيقات پيرامون شبکههاي عصبي با شناخت و بررسي ساختار و کار يادگيري مغز انسان همراه است. شبکههاي عصبي مصنوعي سيستمهايي هستند که قادر به انجام عملياتي همانند سيستمهاي عصبي طبيعي بوده‌اند يا به عبارت ديگر توانسته‌اند بعضي ويژگيهاي شبيه مغز انسان را به نمايش درآورند. هنگامي که شناخت و توصيفي صريح و دقيق از يک مسئله وجود داشته باشد، بکارگيري قوانين و روابط شناخته شده در رابطه با مسئله به حل آن کمک کرده و مناسبترين راه بوده است، ولي در شرايطي که مجموعه قوانين لازم براي حل مسئله وجود نداشته باشد و يا شناخت پديده بسيار پيچيده باشد، کاربرد اين روش ممکن است چندان سودمند نباشد. از اين رو دانشمندان به فکر کاربرد يک سيستم هوش مصنوعي که قابليتهاي يادگيري، خلاقيت و انعطاف پذيري (مانند سيستم بيولوژيکي) انسان را دارا باشد افتاده و در اين راستا روش‌هاي محاسباتي عصبي56 را ارائه دادند. در اين روش محاسباتي احتياجي به مجموعه قوانين خاصي جهت حل مسئله وجود ندارد و تکيه اساسي بر تربيت تدريجي سيستم بوده است.
شبکههاي عصبي مصنوعي با پردازش روي دادههاي تجربي، دانش يا قانون نهفته در وراي دادهها را به ساختار شبکه منتقل کرده‌اند. به همين خاطر به اين سيستمها هوشمند گفته شده است چرا که براساس محاسبات روي دادههاي عددي يا مثالها، قوانين کلي را فرا گرفته‌اند. در ساختار اين سيستمها پارامترهايي وجود دارند که قابل تنظيم بوده‌اند. تنظيم اين پارامترها براي آنست که سيستم رفتار مطلوبي را در برابر تحريکات و اطلاعات خارجي از خود نشان دهد که به اصطلاح به اين عمل آموزش57 آن سيستم گفته شده است. در واقع اين سيستمها قادرند ياد بگيرند و از راه يادگيري دانش لازم براي برخورد مناسب با يک پديده را جمعآوري نمايند و از آن دانش به هنگام نياز بهره ببرند. فرايند يادگيري اين سيستمها ميتواند به روش‌هاي گوناگوني صورت پذيرد که مبحث عمده پژوهش در توليد شبکههاي عصبي مصنوعي را تشکيل داده است. مدلهاي شبکه عصبي مصنوعي پيوسته در حال توسعه و بهبودند و کاربرد آنها نيز همراه با پيشبرد پايههاي تئوري مدلها بيشتر شده است (نوح زانگ, 2006).

1-17 سيستمهاي عصبي بيولوژيکي58
دستگاه عصبي انسان بسيار پيچيده و شامل ميليونها ياخته عصبي است که نرون ناميده شده‌اند و هر نرون با هزاران نرون ديگر در ارتباط است، بدين معني که از آنها سيگنالهايي دريافت کرده و سيگنالهايي را به آنها ارسال کرده است. در شکل (1-1) يک نرون زيستي و اجزاي آن نمايش داده شده است.

شکل (1-1) ساختار يک نرون و اجزاي آن

هر ياخته عصبي يا نرون از بدنه سلول که شامل هسته و ضمائم ديگر است، يک آکسون59 براي ارسال سيگنال به نرون ديگر و دندريتها60 که تودهاي نخ مانند هستند و سيگنالها را از نرونهاي ديگر دريافت ميکنند، تشکيل شده است. انتهاي آکسون شاخهشاخه است و پايانههاي عصبي را بوجود آورده‌اند، همچنين پايانههاي عصبي با دندريتهاي عصبي سلولهاي ديگر تلاقي پيدا کرده و پيوندگاه يا سيناپس61 را بوجود آورده‌اند. پيامهاي عصبي به صورت يکطرفه و از دندريتها به بدنهي سلول و از بدنه سلول به سمت آکسون حرکت کرده‌اند.

1-18 ويژگي کلي نرونهاي مصنوعي
بدنه اصلي هر شبکه عصبي مصنوعي از تعدادي گره و پارهخطهاي جهت داري که گرهها را به هم وصل کرده‌اند، تشکيل شده است. در شکل (1-2) مدل يک نرون مصنوعي نشان داده شده است.

شکل (1-2) مدل يک نرون مصنوعي

مدل مصنوعي نرونهاي بيولوژيکي انسان توسط مک کالو و پيتز ارائه گرديد. اين نرون در واقع سنگ بناي هر شبکهي عصبي را تشکيل داده است. شبکههاي عصبي امروزي اين نرون پايه را با معماريهايي مختلف ترکيب کرده‌اند تا قابليتهاي محاسباتي متنوعي را بدست آورند.
همانطور که در شکل (1-2) ملاحظه شده است، هر نرون بوسيله يک مجموع خطي وزن دار n و يک تابع که ميتواند خطي يا غيرخطي باشد، نشان داده شده است. تابع که مقدار خروجي را بر اساس وروديها مشخص ساخته، تابع فعاليت62 يا تابع انتقال ناميده شده است.
اگر سيگنال ورودي iام از نرون jام را با و وزن آن را با (وزن سيگنال iام به نرونjام ) نشان داده ‌شود، در نهايت مجموع سيگنالهاي وزن دار شده به صورت رابطه (1-4) محاسبه گرديده است:
(1-4)
البته گاهي اوقات مقدار ثابتي در هر نرون به رابطه (1-4) به نام وزن باياس63

پایان نامه
Previous Entries پایان نامه درباره آبهاي، زيرزميني، آلودگي Next Entries پایان نامه درباره مقدار خطا