کر شده سبب شده است که در کشورهای در حال توسعه و توسعه‌یافته، تصفیه فاضلاب و پساب مورد توجه قرار گیرد.
اگر منابع آب به گونه‌ای که تا کنون معرفی شده‌اند در نظر گرفته شوند، باید گفت که منابع آب محدود بوده و روز به روز کاهش می‌یابند؛ اما امروزه منابع آبی معرفی شده‌اند که با منابع آب گذشته متفاوت هستند. منابعی جدید که نه تنها سبب کاهش منابع آب محدود نمی‌شوند، بلکه سبب حفاظت و ذخیره بیشتر آن منایع می‌گردند. شیرین‌سازی آب دریا و تصفیه فاضلاب و پساب از جمله این منابع می‌باشند. منابعی که حتی در خشکسالی‌ها نیز مقدار آن‌ها کاهش چندانی نخواهد داشت و علاوه بر رفع مشکلات کم‌آبی می‌توانند سبب حفاظت از محیط زیست نیز بشوند [48].

 

برای تصفیه فاضلاب و پساب روش‌های بسیاری وجود دارد که هر کدام به نوبه‌ی خود مزایا و معایبی دارند که متناسب با نیاز می‌توان روش مناسب را انتخاب کرد. برای مثال روش شیمیایی برای تصفیه فاضلاب صنعت نفت و گاز بیشتر مورد استفاده قرار می‌گیرد و روش بیولوژیک برای فاضلاب بهداشتی و صنایعی چون مواد غذایی.
اخیراً گرایش بسیار زیادی به فناوری نانو در کلیه رشته‌ها شده است و رشته‌ی مهندسی آب نیز از این امر مستثنا نمی‌باشد. شاید دلیل این امر آن باشد که فناوری‌های نانو گامی بلند برای دستیابی به توسعه‌ی پایدار می‌باشند و یک فاصله‌ی قابل توجه با روش‌های قبلی ایجاد کرده‌اند. نانوفیلترها قابلیت‌های زیادی دارند که این امر سبب استفاده از آن‌ها در مراحل تصفیه می‌گردد. از مزایای نانوفیلترها می‌توان به موارد زیر اشاره کرد :
– هزینه کارگری کم‌تر
– توانایی کاهش TDS
– قابلیت کاهش مواد ارگانیک شیمیایی
– امکان کاهش فلزات سنگین
– توانایی نرم کردن آب سخت
– امکان هوشمندسازی فیلترها برای حذف ترکیبات خاص و کاربردهای خاص
– قابلیت تنظیم فیلترها جهت بازیافت و جذب طبیعی بعد از استفاده
– قابلیت حذف آلودگی متناسب با نیاز
– توانایی تصفیه آب تا حد آب مقطر
از معایب این فیلترها می‌توان به هزینه‌ی اولیه زیاد و نیاز به نیروی کار ماهر جهت استفاده اشاره کرد. همچنین نیاز به صرف انرژی زیاد برای عبور دادن آب از فیلترها نیز از معایب و مشکلات استفاده از فیلترهای نانو می‌باشد.
عده‌ی زیادی معتقدند که جنگ جهانی سوم بر سر آب خواهد بود. در چنین شرایطی و با توجه به اهمیت بسیار بالای آب، در اختیار داشتن منابع آب بیشتر برای هر کشوری به یک اولویت تبدیل می‌شود. با این تفاسیر داشتن یک منبع نامحدود آب می‌تواند مشکلات آبی هر دولتی را بر طرف سازد و آن‌ها را به یک قدرت استراتژیک تبدیل نماید [3].
امروزه بیشترین مصرف آب در بخش کشاورزی است (حدود 60 تا 95 درصد که در کشورهای مختلف متفاوت است). مصارف صنعتی پس از کشاورزی بیشترین مصرف

یک مطلب دیگر :

منابع و ماخذ پایان نامه حقوق بین‌الملل

 آب را به خود اختصاص داده‌اند (بین 3 تا 35 درصد که این مقدار در کشورهای توسعه‌یافته و صنعتی بیشترین مقدار و در کشورهای توسعه نیافته، کم‌ترین مقدار است). مصارف شهری و شرب نیز در عمده‌ی کشورها کم‌ترین درصد مصرف آب را به خود اختصاص می‌دهند. به طور معمول هرچه آب بیشتری در یک بخش مصرف شود، میزان فاضلاب و پساب تولیدی نیز بیشتر می‌شود.

هرچند که بیشترین مصرف آب در بخش کشاورزی است، اما نمی‌توان مقدار آب مصرفی در بخش‌های صنعتی را نادیده گرفت. همچنین فاضلاب تولیدی در بخش صنعتی و شهری نیز مقدار زیادی را به خود اختصاص می‌دهند. به همین دلیل تصفیه پساب صنعتی و استفاده مجدد از آن نیز از اهمیت بسیار بالایی برخوردار است [7].

• منابع آب

منابع آب در اصطلاح ذخیره‌های آبی هستند که مفید یا ظرفیت مفید بودن برای انسان‌ها دارند. مصارف آب شامل فعالیت‌های کشاورزی، صنایع، خانگی و محیط زیست می‌باشد. هرچند که حدود سه چهارم سطح کره زمین از آب پوشیده شده است اما 7/96 درصد کل آب‌های کره زمین شور و مابقی آن (3/3 درصد) شیرین هستند. همچنین بیش از دو سوم آب‌های شیرین در یخچال‌های طبیعی و قطب‌های شمال و جنوب زمین قرار دارند که در دسترس نمی‌باشند. منبع آب شیرین، آب در گردش زمین است که به تدریج در حال کاهش می‌باشد. مقدار تقاضای آب از میزان تأمین آن در مناطق زیادی از کره زمین که نرخ رشد جمعیت بالایی دارند فراتر رفته‌است. تا کنون روند کمبود منابع آب شیرین در دسترس بشر ادامه داشته است و به احتمال زیاد همچنان ادامه خواهد داشت.
در گذشته منابع آب شیرین به دو دسته یعنی آب‌های سطحی و آب‌های زیرزمینی تقسیم می‌شدند. آب جاری در رودخانه‌ها، دریاچه‌ها و تالاب‌ها، آب سطحی گفته می‌شود. آب سطحی به طور طبیعی از طریق بارش (برف و باران) تأمین می‌شود و با ورود به دریاها یا تبخیر و یا نفوذ عمقی به سفره‌های آب زیرزمینی از چرخه دسترسی خارج می‌شوند. آب زیرزمینی نیز به آب‌های شیرینی که در خلل و فرج خاک و صخره‌ها موجود است، گفته می‌شود. همچنین آبی که در لایه‌های آبدار (سفره‌های آب زیرزمینی) زیر سطح ایستابی می‌باشد را نیز شامل می‌شود [34].
در اصل در گذشته نگاه جوامع تنها به منابع محدود آب بوده است و حرفی از منابع نامحدود آب به میان نیامده است. این در حالی است که امروزه منابع آب به دو دسته‌ی محدود و نامحدود تقسیم می‌شوند و در بین منابع آب شیرین، آب‌های نامتعارف از جمله شیرین‌سازی آب شور، لب‌شور و آب دریا، تصفیه فاضلاب و پساب و سایر آب‌های نامتعارف نیز دارای جایگاه خاص خود می‌باشند و از اهمیت بالایی برخوردارند.
هرچند که شاید دسترسی به یک منبع آب کاملاً نامحدود غیرقابل تصور باشد اما شیرین‌سازی آب و تصفیه فاضلاب و پساب می‌تواند بشر را به منبع آبی تقریباً نامحدود برساند. همچنین کاهش شدید منابع آب شیرین در سال‌های اخیر سبب می‌شود که یافتن و استفاده از منابع نامحدود آب در اولویت هر دولتی قرار گیرد [40].

• آلاینده‌های آب

R…………….……correlation coefficient

R²…………….…..shared variance

S.……………..….significant

SI……………..….simultaneous interpreting

SL…………….….source language

SOV…….……….subject-object-verb

ST…………….….sight translation

ST…………….….source text

STM.…………….short-term memory

SVO…….……….subject-verb-object

TL…………….….target language

TA…………….….total processing capacity available for SI

TR…………….….total processing capacity requirements for SI

TS…………….….translation studies

TT…………….….target text

TTS………………tail-to-tail span

Figures and Tables

Figure 2.1 Gile’s Effort Model of SI 38

Figure 2.2 Processing Capacity Requirements for SI 40

Figure 2.3 Necessary Conditions for SI 42

Table 4.1 GE Test Scores for Experimental Subjects. 122

Table 4.2 GE Test Scores for Control Subjects. 123

Table 4.3 Three Raters’ Scores for Control Subjects on SI Pretest 125

Table 4.4 Three Raters’ Scores for Experimental Subjects on SI Pretest 126

Table 4.5 Three Raters’ Scores for Control Subjects on SI Posttest 127

Table 4.6 Three Raters’ Scores for Experimental Subjects on SI Posttest 128

Table 4.7 Pearson Correlation for Raters. 129

Table 4.8 Z Transformation for Data. 130

Figure 4.1 Inter-Rater Reliability Diagram for Control Subjects’ Pretest Scores  131

Figure 4.2 Inter-Rater Reliability Diagram for Experimental Subjects’ Pretest Scores  132

Figure 4.3 Inter-Rater Reliability Diagram for Control Subjects’ Posttest Scores  132

Figure 4.4 Inter-Rater Reliability Diagram for Experimental Subjects’ Posttest Scores  133

Table 4.9 Control Subjects’ SI Pretest Scores. 134

Table 4.10 Experimental Subjects’ SI Pretest Scores. 135

 

Table 4.11 T-Test Results for SI Pretest Scores. 138

Table 4.12 Control Subjects’ SI Posttest Scores. 139

Table 4.13 Experimental Subjects’ SI Posttest Scores. 140

Table 4.14 T-Test Results for SI Posttest Scores. 142

Table 4.15 Experimental Subjects’ SI Improvement Rate. 145

Table 4.16 Linguistic Intelligence Scores for Experimental Subjects. 147

Figure 4.5 Scatterplot Diagram for SI Improvement and Linguistic Intelligence  150

Table 4.17 Logical-Mathematical Intelligence Scores for Experimental Subjects  153

Figure 4.6 Scatterplot Diagram for SI Improvement and Logical-Mathematical Intelligence  156

Table 4.18 Visual-Spatial Intelligence Scores for Experimental Subjects. 157

Figure 4.7 Scatterplot Diagram for SI Improvement and Visual-Spatial Intelligence  160

Table 4.19 Musical Intelligence Scores for Experimental Subjects. 162

Figure 4.8 Scatterplot Diagram for SI Improvement and Musical Intelligence  165

Table 4.20 Bodily-Kinesthetic Intelligence Scores for Experimental Subjects  166

Figure 4.9 Scatterplot Diagram for SI Improvement and Bodily-Kinesthetic Intelligence  168

Table 4.21 Interpersonal Intelligence Scores for Experimental Subjects. 170

Figure 4.10 Scatterplot Diagram for SI Improvement and Interpersonal Intelligence  172

Table 4.22 Intrapersonal Intelligence Scores for Experimental Subjects. 175

Figure 4.11 Scatterplot Diagram for SI Improvement and Intrapersonal Intelligence  177

Table 4.23 Naturalist Intelligence Scores for Experimental Subjects. 180

Figure 4.12 Scatterplot Diagram for SI Improvement and Naturalist Intelligence  182

Table 4.24 Correlation between MIs and SI Improvement Rate. 184

Table 4.25 Experimental Subjects’ Degree of Extroversion/Introversion. 186

Table 4.26 Extroversion Degree and SI Improvement Rate. 187

Figure 4.13 Scatterplot Diagram for SI Improvement and Extroversion. 190

Table 4.27 Introversion Degree and SI Improvement Rate. 192

Figure 4.14 Scatterplot Diagram for SI Improvement and Introversion. 194

 

Abstract

 

Conducted within the framework of causal research model in translation studies, the present experimental work addresses the effect of applying certain interpreter-training-specific techniques (e.g. shadowing, improvisation, anticipation, paraphrasing, split-attention exercises, memory enhancement exercises, etc.) on the quality of simultaneous interpretation by the trainees. Prior to the commencement of the experiment, a standard test of General English (IELTS) was administered to ensure homogeneity. The participants (initially 102 who were later reduced to 70) were all undergraduate translation trainees, of whom 35 received the treatment (experimental group) and the remaining 35 did not (control group). Two tests of simultaneous interpretation (a pretest and a posttest) were conducted and then rated by three raters. T-test results for the pretest (t=0.59) showed there was no significant difference between the two groups whereas t-test results for the posttest (t=5.1) indicated that the experimental group outperformed the control group significantly. Such an improvement is believed to be the outcome of the treatment. The possible relation between

یک مطلب دیگر :

تاثیر ات طلاق

 experimental subjects’ rate of SI improvement and their multiple intelligences was investigated: as to Gardner’s first five intelligences, no statistically significant correlation was found (verbal-linguistic: -0.03, logical-mathematical: 0.178, visual-spatial: 0.26, musical-rhythmic: 0.06, bodily-kinesthetic: 0.02) while the remaining three were observed to correlate significantly with SI improvement level (interpersonal: -0.49, intrapersonal: 0.482, naturalist: 0.446). The possible relation between SI improvement rate and Jung’s two personality types was also probed into: extroversion turned out to have a correlation of -0.08 (near zero) and introversion correlated to the extent of 0.46; a moderate positive correlation, though statistically non-significant.

TABLE OF CONTENTS

 

Dedication…………………………….………………………..………………………..…I

Acknowledgments…………………….…………………..………………….………..II

Abbreviations……………………………………………..………………………………….III

Figures and Tables…………………………….………..…………………..…………V

Abstract……………………………………………………………………..…………VIII

Table of Contents………………………………………..……………………………..X

CHAPTER 1: Introduction

1.1 Chapter Overview… 2

1.2 Introduction.. 2

1.3 Background of the Problem… 5

1.4 Significance of the Study.. 7

1.5 Purpose of the Study.. 9

1.6 Research Questions. 9

1.7 Research Hypotheses. 10

1.8 Theoretical Framework.. 11

1.9 Limitations and Delimitations. 13

CHAPTER 2: Review of the Related Literature

2.1 Chapter Overview… 19

2.2 Interpreting: Definition and Modes. 20

2.2.1 Simultaneous Interpreting.. 23

2.2.2 Consecutive Interpreting.. 26

2.2.3 Sight Translation.. 28

2.2.4 Simultaneous Interpreting with Text. 31

2.2.5 Liaison Interpreting.. 32

2.2.6 Whispering Interpreting.. 32

2.2.7 Escort Interpreting.. 33

2.3 Simultaneous Interpreting.. 33

2.3.1 Gile’s Effort Model of SI. 38

2.3.2 Horizontal vs. Vertical Approaches. 42

2.3.3 EVS and TTS.. 45

2.4 Interpreter-Training Techniques. 52

2.4.1 Shadowing.. 54

2.4.2 Sight Translation.. 59

2.4.3 Consecutive Interpretation.. 60

2.4.4 Split-Attention.. 62

2.4.5 Anticipation.. 68

2.4.6 Improvisation.. 74

2.4.7 Memory-Enhancement. 74

2.4.8 (Simultaneous) Paraphrasing.. 78

2.4.9 Condensation/Compression.. 82

2.5 Multiple Intelligences. 84

2.5.1 Verbal-Linguistic. 86

2.5.2 Logical-Mathematical 87

2.5.3 Visual-Spatial 88

2.5.4 Musical-Rhythmic. 88

2.5.5 Bodily-Kinesthetic. 89

2.5.6 Interpersonal 90

2.5.7 Intrapersonal 90

2.5.8 Naturalist. 91

2.6 Extroversion/Introversion.. 92

CHAPTER 3: Methodology

3-4-1 دسته بندی به کمک تکنیکDEA.. 46
3-4-2 دسته بندی بر اساس نظریه مدل قیمت گذاری دارایی سرمایهای (CAPM) 47
3-5خوشه بندی داده ها و مشخص نمودن داده های زائد. 48
3-6حل مدل با استفاده از ماشین بردار پشتیبان. 49
3-6-1ماشین بردار پشتیبان برای رویکرد مبتنی بر DEA.. 49
3-6-2 ماشین بردار پشتیبان مبتنی بر رویکرد CAPM.. 50
3-7 تشکیل پرتفو. 51
3-8 اعتبار سنجی مدل. 51
3-9 جمع بندی.. 52
فصل چهارم: پیاده سازی مدل در بورس اوراق بهادار تهران، نتایج و عملکرد. 53
4-1 مقدمه. 54
4-2 داده های مورد استفاده 54
4-3 آماده سازی داده ها 55
4-4 دسته بندی داده ها 56
4-4-1 دسته بندی داده ها بر مبنای رویکرد DEA.. 56
4-4-2 دسته بندی بر مبنای مدل CAPM.. 58

 

4-5 خوشه بندی داده ها و حذف داده های زائد. 59
4-5-1 خوشه بندی داده های مبتنی بر رویکرد DEA.. 59
4-5-2 خوشه بندی داده های مبتنی بر رویکرد CAPM.. 61
4-6 دسته بندی به کمک ماشین بردار پشتیبان. 64
4-6-1 دسته بندی مبتنی بر رویکرد DEA.. 64
4-6-2 دسته بندی مبتنی بر رویکرد CAPM.. 71
4-7 رتبه بندی سهام. 74
4-8 تشکیل پرتفو. 75
4-9 اعتبارسنجی مدل. 79
4-10 جمع بندی.. 80
فصل پنجم: نتیجه گیری و پیشنهاد برای تحقیقات آتی.. 81
5-1مقدمه. 82
5-2 یافته ها و نتایج تحقیق.. 83
5-3 دستاوردهای تحقیق.. 83
5-4 پیشنهاداتی برای تحقیقات آتی.. 84
فهرست مراجع. 86

فهرست جداول
 
جدول 2-1 برخی از مدل های توسعه یافته در حوزه ماشین بردار پشتیبان (به ترتیب سال تحقیق) 21
جدول2‑2 برخی از مطالعات صورت گرفته در حوزه مرتبط با توابع کرنل در ماشین بردار پشتیبان( ترتیب سال تحقیق) 25
جدول3-1 نسبتهای مالی استفاده شده 44
جدول4- 2 نرخ سود سپرده گذاری یکساله. 58
جدول4- 3 تعداد داده هر دسته در رویکرد DEA. 60
جدول4- 4 تعداد داده خوشه های دسته(1-،1،1-) 60
جدول4- 5 تعداد داده خوشه های دسته(1-،1-،1-) 61
جدول4- 6 تعداد داده های دسته های مبتنی بر رویکردCAPM.. 61
جدول4- 7 تعداد داده های خوشه های دسته(1،1) 62
جدول4- 8 تعداد داده خوشه های دسته(1،1-) 62
جدول4- 9 تعداد داده خوشه های دسته(1،1-) 63

یک مطلب دیگر :

جدول4- 10 تعداد داده های خوشه های دسته (1-،1-) 63
جدول4- 11 نتایج حاصل از اجرای مدل برحسب بازده 65
جدول4- 12 نتایج حاصل از دسته بندی بر حسب ریسک برای کلاس 1 بازده 66
جدول4- 13 نتایج دسته بندی برحسب ریسک برای کلاس1- بازده 66
جدول4- 14 نتایج حاصل از دسته بندی بر حسب نقدشوندگی برای دسته(1،1) 67
جدول4- 15نتایج دسته بندی بر حسب نقدشوندگی برای دسته(1،1-) 68
جدول4- 16نتایج دسته بندی برحسب نقدشوندگی برای دسته(1-،1) 69
جدول4- 17نتایج دسته بندی برحسب نقدشوندگی برای دسته(1-،1-) 69
جدول4- 18عملکرد مدل برای هر دسته مبتنی بر رویکرد DEA. 71
جدول4- 19 نتایج دسته بندی برحسب بازده انتظاری.. 72
جدول4- 20نتایج دسته بندی برحسب نقدشوندگی برای کلاس 1 بازده انتظاری.. 72
جدول4- 21 نتایج دسته بندی بر حسب نقدشوندگی برای کلاس1- بازده انتظاری.. 73
جدول4- 22عملکرد مدل در هر دسته در رویکرد CAPM.. 74
جدول4- 23 نتایج پرتفو برترین ها CAPM.. 76
جدول4- 24 نتایج پرتفو حاصل از 25% برتر سهام ها مبتنی بر رویکرد CAPM.. 76
جدول4- 25 نتایج پرتفو حاصل از برترین های مبتنی بر DEA. 77
جدول4- 26 نتایج پرتفو حاصل از 25% برتر مبتنی بر DEA. 77
جدول4- 27 سهام ها حاضر در پرتفو بهینه ارائه شده 78
جدول4- 28 نتایج حاصل از پرتفوی کل بازار 79
جدول4- 29 نتایج حاصل از تشکیل پرتفو به روش مارکویتز. 80
 
فهرست شکل ها
شكل 2-1 تفكیك داده ها در حالت تفكیك پذیر خطی.. 16
شکل 2-2 تفکیک داده ها در حالت تفکیک ناپذیر خطی.. 18
شکل 2-3 ماشین بردار پشتیبان غیر خطی.. 23
شکل3- 1 طرح کلی مدل. 42
شکل3-2 مدل مفهومی ماشین بردار پشتیبان سلسله مراتبی.. 50
جدول4- 1 انواع ورودی و خروجی های استفاده شده در ادبیات موضوع. 57
شکل4- 1 مقدار تابع- تکرار دسته بندی برحسب بازده 65
شکل4- 2 مقدار تابع-تکرار دسته بندی کلاس1 بازده برحسب ریسک.. 66
شکل4- 3 مقدارتابع-تکرار برای دسته بندی بر حسب ریسک کلاس1- بازده 67
شکل4- 4 مقدارتابع-تکرار دسته بندی بر حسب نقدشوندگی برای دسته(1،1) 68
شکل4- 5مقدارتابع-تکرار دسته بندی برحسب نقدشوندگی برای دسته(1،1-) 68
شکل4- 6 مقدارتابع-تکرار دسته بندی برحسب نقدشوندگی برای دسته(1-،1) 69
شکل4- 7 مقدار تابع-تکرار دسته بندی بر حسب نقدشوندگی برای دسته(1-،1-) 70
شکل4- 8 مقدارتابع-تکرار دسته بندی بر حسب بازده انتظاری.. 72
شکل4- 9مقدار تابع-تکرار برحسب نقدشوندگی برای کلاس 1 بازده انتظاری.. 73
شکل4- 10 مقدار تابع-تکرار بر حسب نقدشوندگی برای کلاس1- بازده انتظاری.. 73

فصل 1: مقدمه و کلیات تحقیق

 

3-3-1- بادام زمینی.. 25
3-3-2- کنسانتره پروتئین آب پنیر. 26
3-3-3- مواد بسته بندی.. 26
3-4- اندازه‌گیری ترکیبات شیمیایی بادام زمینی.. 26
3-5- تهیه محلول کنسانتره پروتئین آب پنیر جهت پوشش‌دهی.. 26
3-6- اندازه‌گیری ترکیبات فنلی کل در عصاره مرزه. 27
3-7- آماده‌سازی عصاره مرزه. 28
3-8- پوشش‌دهی مغزهای بادام زمینی.. 28
3-9- بسته‌بندی و نگهداری مغزهای بادام زمینی.. 28
3-10- آزمون‌های انجام شده بر روی مغز بادام زمینی.. 29

 

3-10-1- آزمون‌های فیزیکی و شیمیایی.. 29
3-10-2- آزمون میکروبی.. 33
3-10-3-آزمون حسی.. 33
3-11- آنالیز آماری.. 34

4- نتایج و بحث
4-1- آزمون‌های فیزیکی و شیمیایی.. 36
4-1-1- تعیین ترکیبات شیمیایی بادام زمینی.. 36
4-1-2- تعیین میزان کل ترکیبات فنلی موجود در عصاره مرزه. 36
4-1-3- تغییرات دما و رطوبت نسبی محیط طی مدت شش ماه نگهداری.. 36
4-1-4- رطوبت… 37
 
فهرست مطالب
عنوان                                                                                                                               صفحه

4-1-5- اندیس پراکسید.. 39
4-1-6- اندیس TBA… 41
4-1-7- شاخص دی ان مزدوج.. 43
4-2- آزمون میکروبی.. 44
4-2-1- بررسی نمونه شاهد و نمونه پوشش داده شده با کنسانتره پروتئین آب پنیر و بدون عصاره مرزه  45
4-2-2- اثرات افزودن عصاره مرزه بر رشد کپک و مخمر. 46
4-3- ارزیابی حسی.. 47
4-3-1- بافت… 47
4-3-2- رنگ….. 48
4-3-3- طعم.. 48
4-3-4- پذیرش کلی.. 49
4-4- نتیجه‌گیری کلی.. 50
4-5- پیشنهادات… 51
4-5-1- پیشنهادات پژوهشی.. 51
4-5-2- پیشنهادات اجرایی.. 52

منابع. 54

یک مطلب دیگر :

فهرست جدول‌ها
عنوان                                                                                                                               صفحه

جدول 1-1- وضعیت کشت بادام زمینی در استان گیلان…………………………………………………………… 6
جدول 1-2- جدول محتوای چربی و مقداراسیدهای چرب در سه گونه معمول بادام­زمینی…………….. 8
جدول 2-1- ترکیب شیمیایی اسانس روغنی مرزه تابستانه………………………………………………………… 19
جدول 3-1- دستگاه­های مورد استفاده…………………………………………………………………………………. 24
جدول 3-2- مواد شیمیایی مصرفی………………………………………………………………………………………. 25
جدول 3-3- جدول درجه­بندی کیفی آزمون حسی………………………………………………………………… 34
جدول 4-1- میانگین تغییرات دمایی در طی 6 ماه نگهداری نمونه­های بادام­زمینی………………………… 37
جدول 4-2- تغییرات درصد رطوبت نمونه­های بادام­زمینی و تجزیه و تحلیل آماری آنها……………….. 37
جدول 4-3- عدد پراکسید بادام­زمینی پوشش داده شده با کنسانتره پروتئین آب­پنیر در طی شش ماه نگهداری (بر حسب میلی اکی­والان پراکسید بر کیلوگرم روغن)………………………………………………………………………………………………………………… 40
جدول 4-4- میزان تغیرات اندیس TBA در طی 6 ماه نگهداری نمونه­های بادام­زمینی………………….. 42
جدول 4-5- عدد دی­ان مزدوج (میکرومول بر گرم روغن) در طی 6 ماه نگهداری نمونه­های بادام‌زمینی در دمای اتاق          44
جدول 4-6- میزان رشد کپک و مخمر در طول 6 ماه نگهداری (log cfu/gr)…………………………….. 45
جدول 4-7- میانگین امتیاز بافت بادام­زمینی در آزمون حسی……………………………………………………. 47
جدول 4-8- میانگین امتیاز رنگ بادام­زمینی در آزمون حسی…………………………………………………… 48
جدول 4-9- میانگین امتیاز طعم بادام­زمینی در آزمون حسی…………………………………………………….. 49
جدول 4-10- میانگین امتیاز پذیرش کلی بادام­زمینی در آزمون حسی……………………………………….. 49

فهرست شكل‌ها و نمودارها
عنوان                                                                                                                               صفحه

نمودار 3-1- نمودار استاندارد جذب اسید گالیک در طول موج 750 نانومتر (میلی‌گرم اسید گالیک در گرم نمونه)             27
نمودار 4-2- تغییرات درصد رطوبت نمونه‌های بادام زمینی در طی 6 ماه نگهداری.. 64
نمودار 4-3- تغییرات عدد پراکسید نمونه‌های بادام زمینی در طی 6 ماه نگهداری 64
نمودار 4-4- میزان تغییرات اندیس TBA نمونه‌های بادام زمینی در طی 6 ماه نگهداری.. 65
نمودار 4-5- عدد دی ان مزدوج نمونه‌های بادام زمینی در طی 6 ماه نگهداری.. 65
نمودار 4-6- میزان رشد کپک و مخمر در نمونه‌های بادام زمینی در طول 6 ماه نگهداری.. 66
نمودار 4-7- میانگین امتیاز بافت نمونه‌های بادام زمینی در طی 6 ماه نگهداری.. 66
نمودار 4-8- میانگین امتیاز رنگ نمونه‌های بادام زمینی در طی 6 ماه نگهداری.. 67
نمودار 4-9- میانگین امتیاز طعم نمونه‌های بادام زمینی در طی 6 ماه نگهداری.. 67
نمودار 4-10- میانگین امتیاز پذیرش کلی نمونه‌های بادام زمینی در طی 6 ماه نگهداری.. 6

مقدمه ای بر شبکه های سنسوری   بدون سیم

 

1-1- مقدمه

شبکه های سنسوری یکی از پرکاربرد­ترین مباحث روز در بحث جمع آوری اطلاعات از محیط پیرامون زندگی انسان میباشد. نه تنها بررسی محیط اطراف بلکه کنترل آن نیز از کاربردهای شبکه های سنسوری است. در حالتی که سنسورها بدون سیم باشند، در کنار افزوده شدن پیچیدگی، کاربردها و مزایای زیادی نیز حاصل میگردد
این شبکه از صد ها یا هزاران سسنسور تشکیل شده اند و به هر سنسور نام گره اتلاق می شود. در یک سیستم سیمی، نصب حسگرهای زیاد معمولا به خاطر افزایش هزینه سیم کشی میسر نمی­باشد. جاهائی که تا پیش از این غیرقابل دسترس بودند مانند داخل موتور های کارخانجات و نیز مکان های خطرناک و متحرک به وسیله WSN ها قابل دسترسی است [14].
از نظر ساختاری، شبکه های بدون سیم را می­توان به دو دسته کلی تقسیم کرد. یک دسته با ساختار سلولی[1] هستند که همه گره ها مستقیما با ایستگاه مرکزی[2] در ارتباط هستند و ارسال و دریافت اطلاعات از یک گره به گره دیگر، با واسطه این ایستگاه مرکزی صورت گرفته و کنترل میشود. دسته دوم شبکه های با ساختار اقتضایی

 (موردی، ادهاک) هستند. در این شبکه ها همه گره ها از نظر توانایی ها و وظایفی که دارند، یکسان هستند. به این ترتیب شبکه های اقتضایی بدون سیم، از تعدادی گره تشکیل میشود که قادرند بدون نیاز به ایستگاه مرکزی یا هرگونه تجهیزات زیرساخت[3] پیش ساخته، بصورت خودکار یک شبکه تشکیل دهند [6] .

در چنین شبکه هایی در غیاب ایستگاه مرکزی، خود گره ها کلیه وظایف مسیریابی و کنترل شبکه را عمدتا با استفاده از الگوریتم های کنترلی توزیع شده، بر عهده دارند .
در شبکه حسگر بدون سیم، هر حسگر علاوه بر وظیفه دیجیتال کردن اطلاعات دریافتی، وظیفه دارد تا حدی پردازش­های سبک را بر روی داده­های جمع­آوری شده، انجام دهد و نیز قابلیت برقراری ارتباط با سایر گره­ها را نیز داشته باشد؛بدین صورت که هر گره به عنوان یک منبع ،خود به عنوان یک فرستنده­ی داده عمل می­کند و در صورت لزوم داده های ارسالی از سایر گره ها را به مقصد ارسال می­کند. این روش بر خلاف شبکه های با ساختار سلولی می باشد که تمام گره ها فقط با ایستگاه مرکزی در ارتباط هستند و ارتباط هر گره با گره دیگر توسط آن انجام می­شود. نیاز نیست که موقعیت این حسگر ها از قبل تعیین شده باشد بلکه محل این حسگر ها می تواند به صورت تصادفی انتخاب شود[11] .
گره ها در WSN مانند یک شبکه Ad-Hoc توزیع شده و در بیشتر زمان خود، غیر فعال هستند اما ناگهان زمانی که رخدادی را تشخیص می­دهند فعال می­شوند. وقتی که حسگرها، پدیده مورد نظر را رصد کردند، رخداد مورد نظر به یک ایستگاه مرکزی گزارش داده می­شود.
کاربردهای مختلف و حالت تصادفی شبکه­های سنسوری بدون سیم چالش­های بسیاری برای تحقیق در این زمینه بوجود آورده است، مثلا : کنترل دسترسی رسانه [4]، پروتکلی­های مسیریابی، کنترل توان و مقیاس پذیری (قابلیت تغییر اندازه شبکه و چگالی سنسورها) [11] .
مشخص نبودن توپولوژی و تغییرات کانال در طول زمان، مشکلات متعددی را در زمینه تحقیقات، طراحی و پیاده­سازی این شبکه­ها به­ وجود آورده است. چنین تغییراتی، الگوریتم های مسیریابی[5] ، تخمین کارائی شبکه[6]، پوشش شبکه[7]، گسترش پذیری و مقیاس پذیری[8] و … را با پیچیدگی­های خاصی روبرو کرده است که بررسی آنها زمینه تحقیقات متداول امروزی است [10و24و25و26] . نیاز به کاهش پیچیدگی شبکه های سنسوری بدون سیم محققان را بر آن داشته که از منابع محدود کننده، مانند محدودیت کانال ارتباطی در حوزه های زمان و فرکانس و کد، محدودیت انرژی و طول عمر و … ، به نحو هرچه مناسب­تر استفاده کرده و به سمت هرچه بهینه تر شدن اشتراک منابع پیش روند.
کاربرد های مختلف برای انواع سنسور ها، در تعیین اولویت های تقسیم منابع، نقش تعیین کننده ای را ایفا میکند؛ به عنوان مثال هنگامیکه فقط از سنسورهای کنترل دما یا رطوبت استفاده شود، میزان اطلاعات اندک خواهد بود و بنابراین بالاتر رفتن طول عمر شبکه در اولویت اول و کاهش حجم اطلاعات تداخلی در اولویت دوم قرار می گیرد. در کاربرد های دیگری مثل کاربردهای نظامی برای کنترل جامع از محیط، نیاز است تا همکاری بسیار بیشتری بین سنسور ها برقرار گردد و در نتیجه پارامتر هایی چون رله اطلاعات و مسیریابی از اولویت بیشتری برخوردار خواهند بود. در کاربرد های پزشکی نیاز است تا دقت جمع آوری اطلاعات بالا باشد و از طرفی در کاربردی مانند تصویر برداری تشدید مغناطیسی[9] رسیدن به این دقت بالا نیازمند جمع آوری حجم زیادی از اطلاعات است و مباحث فشرده سازی و تجمیع اطلاعات مطرح خواهد شد؛ و در نهایت برای کاربرد هایی همچون تصویر برداری که حجم اطلاعات بالاست اما نسبت به کاربرد های پزشکی، بزرگی ناحیه تحت پوشش شبکه بسیار بیشتر است، علاوه بر دقت بالا نیاز است تا مکانیابی، کنترل نحوه جمع آوری اطلاعات، چگونگی همکاری بین سنسور ها چه برای جمع آوری و چه برای ارسال اطلاعات مورد توجه قرار گیرد؛ خصوصا اینکه تعداد مورد نیاز سنسور ها در واحد سطح یا چگالی سنسور ها نقش تعین کننده ای در این بین ایفا می­کند. اگر تعداد سنسور ها خیلی بالا باشد با اینکه

یک مطلب دیگر :

پایان نامه حماسه در شعر/:سبک خراسانی

 دقت افزایش می یابد اما علاوه بر افزایش هزینه های شبکه، عواملی همچون تداخل و چگونگی مسیریابی, از بازدهی آن می­کاهند. از طرفی کم بودن بیش از حد تعداد سنسور ها، امکان نظارت دقیق بر شبکه و جمع آوری کامل اطلاعات را دچار بحران خواهد نمود.

برای بالا بردن دقت و نزدیک تر شدن به واقعیت، باید حجم داده ها افزایش یابد . بدین منظور باید تعداد گره های شبکه افزایش یابد. با افزایش تعداد گره های یک شبکه حسگر در واحد سطح، علاوه بر افزایش نسبت سیگنال به نویز و تداخل و یا کاهش نرخ خطای بیت[10] (BER ) به علت افزایش توان، توان سیگنال­های تداخلی رسیده به هر گره نیز بیشتر می شود. رسیدن به نقطه بهینه که در آن نسبت سیگنال به نویز و تداخل بیشینه ویا BER کمینه شود، یکی از اهداف ما در این پروژه است که همراه با معیار ظرفیت مطرح می گردد.
از طرفی باید شرایط کانال همچون تلفات سایه [11]و محو شدگی در بررسی پارامتر های شبکه نیز لحاظ گردد .
یک مسئله مطرح در مورد شبکه های حسگر تصویر برداری بدون سیم[12]، بررسی قابلیت مقیاس پذیری این شبکه هاست [14] . رسیدن به اینکه در واقع چه تعداد سنسور می تواند در عین حداقل بودن، برای بدست آوردن اطلاعات کامل از محیط، دارای تعداد مناسب و کافی باشد، مبحث اصلی ما در این پایان نامه است که آنرا با عنوان مقیاس پذیری، بیان می­کنیم. مقیاس پذیری اینگونه بیان می­شود که با درنظر گرفتن یک معیار خاص به عنوان معیاری برای کنترل عملکرد[13]، کم شدن یا اضافه کردن چگالی سنسور ها در واحد سطح (اگر ناحیه توزیع سنسور ها را دو بعدی در نظر بگیریم) چه تاثیری در بهبود یا بدتر شدن این معیار عملکرد، خواهد داشت. می­توان بهینه­ترین حالت را برای چگالی مناسب سنسور ها در سناریو های مختلف توزیع شبکه و برای معیارهای مختص هر کاربرد، محاسبه نمود و درکنار کاهش هزینه های اضافه، به بهترین بازدهی سیستم نیز نزدیک شد.
در نگاه ما، از زاویه دید لایۀ فیزیکی به شبکه، معیار های ظرفیت ارگادیک و ظرفیت قطع، و بالتبع نسبت سیگنال به نویز و تداخل، مورد توجه خواهند بود؛ در این میان تخمین ظرفیت شبکه مسئله ایست که به نوعی با سایر مسائل ذکر شده در ارتباط است. تعیین ظرفیت شبکه علاوه بر آنکه برای تضمین کیفیت سرویس[14] برای کاربران آن مورد نیاز است، در مسیریابی مناسب و کارامد شبکه نیز موثر است. در شرایطی که بالاتر از حد ظرفیت شبکه به آن بار تحمیل شود، به دلیل وجود تراکم در بعضی گره ها، تعدادی از بسته های اطلاعات حذف[15] می­شوند. با حذف این بسته ها نه تنها بخشی از دیتای شبکه از بین می­رود، بلکه مقداری از اطلاعات مربوط به مسیریابی هم از بین می­رود [27] .
ارتباط حداکثر میزان ظرفیت یا نرخ انتقالی که می تواند به هر گره اختصاص یابد با تعداد گره های شبکه مسئله مقیاس پذیری شبکه را مطرح می­کند؛ از یک طرف با افزایش تعداد گره ها، قابلیت اطمینان و پوشش شبکه افزایش می یابد اما از طرف دیگر هرچه سطح زیر پوشش شبکه بیشتر باشد، برای به مقصد رسیدن اطلاعات ارسالی لازم است که سایر گره ها در مسیریابی و رله اطلاعات همکاری کنند. بنابر این ظرفیت یا نرخ انتقال ای که به هر گره اختصاص می یابد، تنها به ترافیک آن گره وابسته نیست و به باری که از جانب سایر گره ها به آن تحمیل می­شود نیز بستگی دارد. این مسئله می تواند شدیدا روی ظرفیت سیستم تاثیر منفی بگذارد [27و 28 ] .
بدست آوردن ظرفیت برای سناریو های مختلف بطور تحلیلی، کار دشواری است و نیاز به بهره بردن از تقریب های آماری برای رسیدن به نتایج منطبق بر شبیه سازی هاست. هدف ما اینست که با در نظر گرفتن سناریوی نسبتا پیچیده اما کاربردی و دارای مزایای فراوان و با در نظر داشتن فرض های ساده کننده وتا حد امکان عملی، مقدار و توزیع ظرفیت را بطور تحلیلی و همراه با شبیه سازی بدست آورده و با بررسی مقیاس پذیری در این شبکه ها، اثرات تعداد سنسور ها را بر این معیار های عملکرد بسنجیم و در صورت امکان مقادیر بهینه ای را برای تعداد مناسب سنسور ها بیابیم.
[1] Cellular
[2] Base station
[3] Infrastructure
[4] MAC (medium access control)
[5] Routing
[6] Performance estimation