جدول 1-1- محدوده طیفی و قدرت تفکیک مکانی سنجنده (OLI). …….8
جدول1-2- محدوده طیفی و قدرت تفکیک مکانی سنجنده مادون قرمز حرارتی 9
جدول3-1- مشخصات حوضه­های آبخیز اصلی گلستان 37
جدول 4-1 نتایج ارزیابی صحت نقشه کاربری های مختلف برای فصل بهار 54

جدول 4-2 نتایج ارزیابی صحت نقشه کاربری های مختلف برای فصل تابستان 55
جدول 4-3 نتایج ارزیابی صحت نقشه کاربری های مختلف برای فصل پائیز 55
جدول 4-4 نتایج ارزیابی صحت نقشه کاربری های مختلف برای فصل زمستان 56
جدول 4-5- نتایج ارزیابی صحت نقشه طبقه بندی تصاویر ماهواره­ای فصول مختلف (تک زمانه) .56
جدول 4-6 نتایج ارزیابی صحت نقشه کاربری اراضی حاصل از انتخاب بهترین طبقه از فصول مختلف 57
جدول 4- 7- نتایج ارزیابی صحت نقشه حاصل از ادغام بهترین طبقه فصول مختلف 57
جدول 4-8 نتایج ارزیابی صحت نقشه کاربری اراضی حاصل از طبقه بندی تصویر بصورت توامان چند زمانه 60
جدول 4-9- نتایج ارزیابی صحت نقشه گستره جنگل/غیرجنگل حاصل از طبقه بندی توامان چند زمانه 60
جدول 4-10- نتایج ارزیابی صحت نقشه کاربری اراضی حاصل از طبقه بندی تصاویر بصورت سلسله مراتبی 64
جدول 4-11- نتایج ارزیابی صحت نقشه گستره جنگل/ غیرجنگل حاصل از طبقه بندی تصـاویر ماهواره­ای به روش سلسله مراتبی 65
فصل اول
مقدمه و کلیات

 

1. 1. مقدمه و کلیات

 

1-1- مقدمه و هدف
برای استفاده بهینه از منابع طبیعی و توسعه پایدار در برنامه‌ریزی‌های منطقه‌ای نیازمند به جمع­آوری اطلاعات کافی از منابع زیست محیطی در زمان کوتاه و با هزینه کم است. جنگل‌های شمال دارای جایگاه ویژه‌ای در طبیعت ایران هستند و تضمین­کننده بقاء و پایداری آب و خاک در شمال کشور می‌باشد. در بین جنگل‌های شمال استان گلستان به لحاظ دارا بودن شرایط اقلیمی منحصر به فرد و متمایز از استان‌های گیلان و مازندران دارای همه نوع زیستگاه به جز مناطق کاملا کویری است (ماهینی وهمکاران، 1386).
به علت رونق کشاورزی و باغبانی و رشد صنعت و گسترش شهرها و هجوم جمعیت به این استان، زیستگاه اصلی و طبیعی استان به مناطق جنگلی و کوهستانی محدود شده و این مناطق به طور مداوم مورد تصرف و بهره‌ برداری انسان قرار دارند. در نتیجه این بهره‌ برداری‌ها موجب محو جنگل و تخریب جنگل گشته است. لذا آگاهی و علم مدیران از کم و کیف منابع جنگلی برای جلوگیری از تخریب بیشتر منابع طبیعی امری ضروری بنظر می‌رسد. از آنجایی که درصد کمی از کشور ما را جنگل تشکیل داده لذا حفظ و حراست آنها جزء اولویت‌های منابع طبیعی است و مدیریت اصولی، جز با تهیه نقشه دقیق و بهنگام از محدوده جنگل میسر نخواهد بود. متداول ترین روش تهیه نقشه جنگل، عکس‌برداری هوایی،تصحیح و تفسیر آن است. این روش در سطوح وسیع، بسیار پرهزینه‌‌‌ بوده و مستلـزم صرف زمان زیادی می‌باشد. بنابراین با توجه به تغییرپذیری و پویایی منابع طبیعی و نیز وجود تغییرات ناشی از تعرض‌های زیادی که به این عرصه‌ها به ویژه در مناطق جنگلی شمال کشور می‌شود، باید به دنبال روش‌هایی بود که در مدت زمان اندک با صرف هزینه‌های معقول بتوان نقشه‌هایی با دقت مناسب تهیه نمود (رفیعیان، 1385).
روش‌های بدست‌ آوردن اطلاعات کمی و کیفی از جنگل در طول زمان تکامل یافته است و سنجش از دور بعنوان یکی از راه‌های کسب اطلاعات مطرح می‌باشد. داده‌های ماهواره‌ای در مقایسه با داده‌های کسب شده از سایر منابع و بویژه در مقایسه با عکس‌های هوایی از مزایایی از جمله، پوشش فراوان، هزینه کمتر، قابلیت تکرار برخوردار هستندکه در بسیاری از موارد بکارگیری این نوع داده‌ها را برای کسب و استخراج اطلاعات مورد نیاز بعنوان روشی مناسب مطرح نموده‌ است (شتایی، 1382). داده ­های ماهواره­ای از بدو شروع دریافت آن تاکنون دارای تنوعی از نظرقدرت تفکیک مکانی، طیفی، رادیومتری و زمانی می باشندکه بررسی قابلیت ­های هریک از آنها در زمینه های مختلف می بایست مورد بررسی قرار گیرد.
در این راستا با توجه به پژوهش‌های گذشته از جمله شتایی (1375)، رامتین‌نیا (1376) و میرآخورلو و اخوان (1381) قابلیت بالای تصاویر TM^[1] برای تهیه نقشه جنگل تاحدی مورد تایید قرار گرفته است ولی می­بایست نتایج آن بهبود یابد. بعضی از مطالعات که به کمک تصاویر ماهواره‌ای مربوط به یک مقطع زمانی در جنگل صورت گرفته است تحت تاثیر برخی از عوامل مانند فصل تصویربرداری و مشخصه‌ های جنگل از جمله نوع گونه، زیرآشکوب و حجم توده‌های جنگلی، نتایج به دست آمده و نقشه­­های حاصله از دقت بالایی برخوردار نبودند (پورشکوری، 1381). این امر کارشناسان را برآن داشت تا از ویژگی تصویربرداری مکرر سیستم‌های ماهواره‌ای استفاده کنند. ورود بعد زمان ضمن اینکه زمینه مطالعات و کاربردهای جدیدی را فراهم ساخته باعث افزایش صحت در مطالعات سنجش از دوری نیز شده است.
یکی از مشکلاتی­که در سنجـش از دور مطرح است تداخل و تشابه بازتابی پدیده‌های مجاور در هنگام تعیین مرز جنگل می‌باشد. بازتاب پدیده‌های همچون باغات مرکبات و باغات همیشه سبز زیتون، توده‌های دست کاشت سوزنی برگ و اراضی کشاورزی زیر کشت اطراف جنگل موجب شده که تعیین محدوده مرز جنگل با تصاویر ماهواره‌ای در یک فصل دارای صحت بالایی نباشد. طبقه‌ بندی با بهره گرفتن از داده‌های چند‌زمانه یا تصاویر فنولوژیک چند فصل برای طبقه بندی، دقت بیشتری نسبت به حالت تک زمانی دارا می‌باشد (کانگلتون^[2] و اسچریور^[3]، 1995). تصاویر تک زمانی ممکن است برای بعضی از برنامه‌های کاربردی مفید باشد اما تصاویر چند فصلی برای فهمیدن تغییرات و پویایی فصلی و بهبود دقت طبقه‌ بندی مفیدتر است (سینها وهمکاران، 2011).^[4]
می‌توان با تصاویر مکرر از زمان‌های مختلف این مشکل را برطرف ساخت و با تلفیق نمودن جزء زمان و اجزای طیفی می‌توان اطلاعات بیشتر و دقیق‌تری از تصاویر ماهواره‌ای بدست آورد. به این جهت استفاده از داده‌های چندزمانه در بسیاری از مطالعات سنجش از دوری باب شده است. برای طبقه بندی تصاویر چند فصلی و چند زمانی و برای جداسازی طبقه­ها از تصاویر فصول مختلف از روش سلسله مراتبی استفاده خواهد شد. در این روش امکان جداسازی پدیده ­ها بصورت مرحله به مرحله وجود دارد ودر هر مرحله از طبقه ­بندی، از آلگوریتم­های مختلف استفاده خواهد شد (پورشکوری، 1383). در طبقه بندی سلسله مراتبی یک یا چند طبقه خاص و یا یک طبقه با زیر طبقه ­های مربوط از دیگر طبقه­ها تفکیک شده یا جدا می­ شود، طبقه جدا شده خود نیز می ­تواند در مرحله بعد مجدد مورد طبقه بندی قرار گیرد. از روش طبقه بندی سلسله مراتبی دو طبقه­ای بنا به هدف که تفکیک دو طبقه جنگل و غیرجنگل می­باشد استفاده خواهد شد. مزیت استفاده از روش­های طبقه بندی سلسله مراتبی این است که می­توان باندهای مختلف، پدیده ­های مختلف و حتی آلگوریتم­های مختلف را در هر یک از مراحل طبقه بندی بکار برد. مزیت دیگر آن در امکان جداسازی سوزنی­برگان از باغات همیشه سبز زیتون، جداسازی جنگل­های واقع در دامنه­های پشت به خورشید از جنگل­های واقع در دامنه­های رو به خورشید به صورت جداگانه و هم­چنین امکان جداسازی باغات خزان کننده و اراضی زراعی می­باشد.
همچنین با توجه به قابلیت ­های سیستم اطلاعات جغرافیایی این ابزار نیز در فرایند طبقه بندی و بعد از طبقه بندی استفاده خواهد شد. تلفیق یا ادغام داده ­های کمکی با داده ­های ماهواره­ای، استفاده از هرگونه داده غیرطیفی در فرایند طبقه بندی، به منظور اصلاح و بهبود نتایج طبقه بندی اطلاق می­ شود (شتایی، 1384)_­،که در این تحقیق نیز به آن پرداخته خواهد شد.
لذا با توجه به مسایل و مشکلات استفاده از تصاویر تک زمانه و اتکای صرف به داده ­های طیفی درفرآیند حین طبقه بندی سوالات اساسی به شرح زیر مطرح می­گرددکه با بررسی و تجزیه وتحلیل داده ­ها به آن پاسخ داده میشود.
1- آیا استفاده از داده ­های چند فصلی باعث بهبود نقشه گستره جنگل خواهد شد؟
2- آیا طبقه بندی سلسله مراتبی زمانی تصاویر می ­تواند سبب افزایش دقت نقشه گستره جنگل شود؟
3- بهترین فصل برای تهیه نقشه دقیق گستره جنگل کدام است؟
4- آیا استفاده از قابلیت ­های سیستم اطلاعات مکانی سبب بهبود نتایج طبقه بندی خواهد شد؟

 

• •  

 

 

 

• • • 1. 1. فرضیات

       

       

   

از سرمایهانسانی به شدت فعالیتهای اقتصادی و اجتماعی را تحت تاثیر قرار میدهد. در این مطالعه سعی شده از شاخص دیگری تحت عنوان شاخص آسایش حرارتی که نقش عوامل اقلیمی را بر روی میزان بهره وری نیرویار موثر میداند جهت تخمین میزان بهره وری نیرویکار در بخش ساخت وساز استفاده شود.
۱-۳-اهداف تحقیق
تعیین عوامل محیط حرارتی موثر بر بهره وری نیروی کار در بخش ساخت و ساز .
تعیین شاخص میانگین آراء پیش بینی شده (PMV)^[8] جهت بررسی عوامل موثر بر بهره وری نیرویکار در بخش ساختمان و کمک به ارتقاء بهره وری نیروی انسانی در این بخش.
تعیین مقادیر محاسبه شده بهره وری نیروی کار در بخش ساخت وساز با بهره گرفتن از شاخص PMV و مقایسه این مقادیردر مناطق مختلف ایران بر اساس درجه حرارت منطقه ای
تعیین مقادیر محاسبه شده بهره وری نیروی کار در بخش ساخت وساز با بهره گرفتن از شاخص PMV و مقایسه این مقادیر با آمار منتشره از سازمان ملی بهره وری ایران
۱-۴- سوالات تحقیق
۱-آیا عوامل محیط حرارتی بر میزان بهره وری نیروی کار تاثیر گذار است؟
۲-در محاسبه بهره وری نیرویکار در بخش ساخت و ساز با بهره گرفتن از شاخص ( PMV ) کدام یک از متغییرهای اقلیمی و انسانی نقش تاثیرگذارتری بر بهره وری نیرویکار دارد؟
۳-آیا تفاوت معنی داری بین شاخص PMV در مناطق مختلف ایران بر اساس درجه حرارت هوا وجود دارد؟
۱-۵- فرضیه های تحقیق
بین بهره وری نیرویکاردر بخش ساخت و ساز و محیط زیست گرمایی ارتباط وجود دارد.
شاخص آسایش حرارتی ((PMV توانایی توضیح ارتباط بین بهره وری نیرویکار در بخش ساختمان و محیط زیست گرمایی را دارد.
بر اساس شاخص ((PMV بهره وری نیرویکار در مناطق مختلف ایران مقدار متفاوتی خواهد بود.
۱-۶- حدود تحقیق
در این مطالعه سعی برآن شده از یکی از شاخصهای تخمینآسایش حرارتی بهنام شاخص میانگین آراء پیشبینی شده(PMV) برای محاسبه بهره وری نیرویکار در بخش ساخت و ساز اقتصاد ایران با بهره گرفتن از آمار سال۱۳۸۶ و در مناطق مختلف ایران استفاده گردد.

۱-۷- روش انجام تحقیق
روش انجام تحقیق در این مطالعه، شیوه کشفی و تحلیلی میباشد. روش کشفی- تحلیلی در پژوهش روشی است که محقق بر پایه فرایندها و الگوهای گذشته به تکمیل مدلها و یا تلفیق مدلهای گذشته و ارائه مدل جدید می پردازد.
۱-۸- ساختار تحقیق
این پایان نامه شامل پنج فصل میباشد فصل اول که فصل حاضر میباشد و به تشریح کلیات تحقیق اختصاص دارد. در دومین فصل پیشینه تحقیق آورده شده است که در آن مطالعات صورت گرفته در ارتباط با موضوع تحقیق یا نزدیک به آن در داخل و خارج از کشور مورد بررسی قرار گرفته شده است. در فصل سوم به مبانی نظری و ادبیات موضوع پرداخته شده و نظریه های موجود در زمینه پیش بینی تغییرات بهره وری نیروی کار در بخش ساخت و ساز با بهره گرفتن از شاخصPMV و سپس روش تحقیق استفاده شده توضیح داده خواهد شد. در چهارمین فصل نتایج تحقیق و تجزیه و تحلیل نتایج استخراج شده از مدل ریاضی مربوطه ارائه میشود و سرانجام در فصل پنجم به ارائه نتایج تجزیه و تحلیل این مطالعه و پیشنهادات پرداخته خواهد شد.
فصل دوم
مروری بر مطالعات پیشین
۲-۱- مقدمه
۲-۲- مطالعات انجام گرفته در داخل
۲-۳- مطالعات انجام گرفته در خارج
۲-۱- مقدمه
تاکنون از روش های اقتصادی و همچنین ریاضی مختلفی جهت محاسبه بهره وری نیرویکاراستفاده شده است وتلاشهای فراوانی جهت ایجاد مدل ریاضی که منعکس کننده رابطه بین محیط حرارتی و بهره وری نیرویکار در بخش ساخت و ساز باشد صورتگرفته است .ولی این مدلها ماهیتکار در حال انجام وسایر متغیرهای محیطی را در نظر نگرفته اند، در این تحقیق سعی شده است تاثیر عوامل محیطی را بر بهره وری نیرویکار در بخش ساخت و ساز ایران با بهره گرفتن از یکی از شاخص های آسایش حرارتی به نام شاخص میانگین آراء پیشبینی شده بررسی نماید.شاخص میانگین آراء پیشبینی شده در ارزیابی شرایط اقلیم آسایش از منظر گردشگری مورد استفاده قرار گرفته است ولی در زمینه پیشبینی تغییرات بهره وری نیرویکار در بخش ساخت و ساز با بهره گرفتن از این شاخص تحقیقات چندانی صورت نگرفته است. در زیر برخی از مطالعات انجام گرفته در این زمینه یا موضوع نزدیک به آن آورده شده است.
۲-۲- مطالعات انجام گرفته در داخل کشور
زهرا قیابکلو در سال (۱۳۸۰)^[۹]، به بررسی عوامل مهم تأثیرگذار بر آسایش فیزیکی نیروی کار در رابطه با محیط پیرامون پرداخته و به صورت توصیفی چهار روش مختلف جهت تخمین و تعیین محدوده آسایش مورد ارزیابی قرار داده است. این چهار روش عبارت است از:۱-استفاده از دمای موثر۲،-تعیین دمای آسایش بر اساس متوسط دمای محیط ۳- استفاده ازجدول سایکرومتریک برای تعیین محدوده آسایش ۴-تخمین محدوده آسایش براساس شاخص آراء پیشبینی شده(PMV) ^[۱۰] را مورد مقایسه قرار داده که نتیجه این مطالعه نشان می دهد روشPMV به دلیل بررسی همزمان معیارهای آسایش از قبیل متغییرهای اقلیمی، پوشاک و فعالیت کاملترین و دقیقترین روش تعیین محدوده آسایش می باشد.
زراء نژاد و قنادی در سال (۱۳۸۴)^[۱۱]،به تخمین تابع بهره وری نیروی کار در بخش صنایع استان خوزستان پرداخته اند. در این مطالعه از مدل کاب داگلاس تعمیم یافته با متغیرهایی نظیر موجودی سرمایه، شکاف بین تولید بالقوه و بالفعل و هزینه های تحقیق و توسعه برای سالهای ۱۳۸۰-۱۳۵۰ استفاده شده است.
(۲-۱)
که در آن، PRDO بیانگر بهروری نیروی کار (نسبت تولیدی به نیروی کار)، K نسبت موجودی سرمایه به نیروی کار، GAP شکاف بین تولید بالقوه و بالفعل و R هزینه های تحقسق و توسعه است.
نماد Ln معرف لگاریتم طبیعی متغییرهاست.
به منظور خطی کردن معادله فوق از معادله لگاریتمی آن به صورت زیر استفاده می شود:
(۲-۲)
که در آن   است
نتایج نشان میدهد که میزان بهره وری نیروی کار با موجودی سرمایه و هزینه های تحقیق و توسعه رابطه مستقیم و با شکاف بین تولید بالقوه و بالفعل رابطه معکوس دارد. ضمن اینکه بهره وری واقعی در صنایع این استان روند نزولی داشته به طوری که مقدار بهره وری واقعی در سال ۱۳۸۰ تنها ۱۰ درصد مقدار واقعی بهره وری سه دهه قبل است.
امینی در سال (۱۳۸۴)^[۱۲]، در مطالعهای روند بهره وری را به تفکیک بخشهای اقتصادی ایران اندازه گیری و تحلیل نموده، که دراین مطالعه شاخصهای بهره وری نیروی کار، سرمایه و کل عوامل تولید به تفکیک بخشهای معرفی شده در قانون برنامه پنج ساله چهارم توسعه برای دوره ۱۳۸۲-۱۳۷۰ اندازه گیری و روند آن تحلیل شده است.در این مطالعه برای اندازه گیری شاخص های بهره وری جزئی نیروی کار و سرمایه از نسبت های ارزش افزوده (به قیمت ثابت سال ۱۳۷۶) به مقادیر استفاده شده از نیروی کار و سرمایه و برای محاسبه بهره وری کل عوامل تولید با بهره گرفتن از روش شاخص دیویژیا^[۱۳] استفاده گردیده است.
که مدل مطالعه حاضر به شکل زیر آمده است:
(۲-۳)
که در آنK,L بیانگر نیروی کار و سرمایه و   و   کشش های تولیدی نسبت به سرمایه و کار می باشند. بر اساس نتایج به دست آمده، شاخص بهره وری نیروی کار در سطح کل کشور در دوره مذکور بطور متوسط سالانه ۹/۰درصد افزایش یافته و بالاترین رشد مربوط به بخش ارتباطات و بیشترین کاهش به بخش بازرگانی، رستوران و هتلداری اختصاص داشته است. شاخص بهره وری سرمایه نیز در این دوره در سطح کل اقتصاد بطور متوسط سالانه حدود ۵/۰درصد کاهش یافته و بالاترین رشد در بخش ارتباطات و بیشترین کاهش در بخش بازرگانی، رستوران و هتلداری اتفاق افتاده است. به رغم بهبود در شاخصهای مربوط به سرمایه انسانی و فناوری، شاخص بهره وری کل عوامل در این دوره بطور متوسط سالانه ۰۴/۰ درصد افزایش یافته که حاکی از عملکرد مطلوب اقتصاد در زمینه استفاده بهینه از منابع نیست. نتایج بدست آمده بیانگر آن است که بهترین بخش از نظر استفاده بهینه از منابع بخش ارتباطات و ضعیفترین بخش بازرگانی، رستوران و هتلداری بوده است. سهم رشد بهره وری کل عوامل در تأمین رشد تولید در بخشهای صنعت، ساختمان، ارتباطات، آب و برق، خدمات مؤسسات مالی، پولی، بیمه، مستغلات و حرفهای و تخصصی و حمل و نقل و انبارداری در محدوده ۴/۱۰ درصد تا ۷/۸۴ درصد بوده که کمترین به بخش صنعت و بیشترین مقدار به بخش ارتباطات تعلق داشته و در سایر بخشها رشد بهره وری کل عوامل منفی بوده است که حاکی از عملکرد ضعیف این بخشها در استفاده بهینه از منابع است. بنابراین، براساس نتایج این مطالعه میتوان به میزان ضرورت تصحیح سیاستهای گذشته و اتخاذ سیاستهای جدید برای تحقق هدف ارتقاء بهره وری در بخشهای اقتصادی پی برد.
حسن ذوالفقاری در سال (۱۳۸۶)^[۱۴]، در پژوهشی با بهره گرفتن از شاخص های دمای فیزیولوژی PET))^[15] و متوسط نظرسنجی پیش بینی شدهPMV)) زمان مناسب گردشگری در در شهر تبریز را مورد بررسی قرار داد.
PMV= (0.303 e -^0036M + ۰.۰۲۸)[(M-W)-H-E_C- C_rec-E_rec] (4-2)
E=3.05xl0′³ (۲۵۶ t_sk -۳۳۷۳ -P_a) + E_sw (۲-۵)
E_c=3.05^x10′³ [۵۷۳۳ - ۶.۹۹ x (M-W) - P_a] + 0.42 (M-W -58.15) (2-6)
C_rec = ۰.۰۰۱۴ M(34-Ta) (2-7)
E_rec= 1.72 x 10′⁵ M (5867 - P_a) (2-8)
H مستقیما قابل اندازه گیری بوده و از طریق معادله زیر نیز قابل محاسبه است:
H=K_C| = t_Sk - t_ci / I_ci (7) (2-9)
که در معادلات فوق :
=   تبادل حرارت همرفتی تعرق (w/
=   تبادل حرارت تبخیری تعرق (w/
=   تلفات حرارت تبخیری تعرق (w/

(۲۲)
که در آن عبارت انداز کوتاه‌‌ترین سررسید مربوط به وظیفه‌ها.
همانطور که مشاهده می‌کنید در اینجا اثر α و β ، عکس هم درنظر گرفته شده است. نتایج آزمایشات مقایسه بین ED³VFS و D³VFS نشان داد که انرژی مصرفی ED³VFS در β=۰٫۲ کمتر از D³VFS بوده است. همچنین از دست دادن سررسیدها نیز در β=۰٫۲ ، صفر بوده است، یعنی هیچ سررسیدی از دست نرفته است. در β=۰٫۶ نیز کمتر از D³VFS، سررسید از دست داده شد، یعنی با این تنظیمات جدید در ED³VFS، هم انرژی کمتر و هم بهره‌وری بیشتر( از دست دادن سررسید کمتر) اتفاق افتاده است.
بهترین حالتی که هم انرژی کمتری مصرف شده و هم سررسید کمتری از دست برود به این صورت شد که اگر وظایف ما بی‌درنگ سخت باشد:
β= ۰٫۲D_sr , α= ۰٫۸D_sr (۲۳)
و اگر بی‌درنگ نرم باشد :
β= ۰٫۶D_sr , α= ۰٫۴D_sr (۲۴)
(۱) Initially setting the power mode of DSP to default level f_d .
(۲) Every timer interrupt occur
(۳) if (There is any real time task)
(۴) Setting α = D_sr × ۰٫۲
(۵) Setting β = D_sr - α
(۶) if (Deadline missed)
(۷) Extending deadline of the task that missed deadline for d_e ticks.
(۸) Rising power mode.
(۹) else if (Utilization of DSP > S_r for α ticks)
(۱۰) Rising power mode
(۱۱) else if (There is no deadline missed for β ticks)
(۱۲) Falling power mode
(۱۳) else
(۱۴) setting the power mode of DSP to deadline level f_d
(۱۵) endif
شکل ۳-۱۳ شبه کد الگوریتم ED³VFS ]36[
الگوریتم TLDHLB : شکل ۱۶شکل ۳-۱۳ شبه کد الگوریتم ED3VFS [36]
برای سیستم‌هایی که دارای محدودیت توان باطری هستند، این ایده که اجازه دهیم همه‌ هسته‌های پردازنده همواره در حالت فعال باشند، ایده خوبی نیست، زیرا باعث می‌شود انرژی زیادی مصرف شود. در یک سیستم چندهسته‌ای، متعادل کردن حجم‌کار بین هسته‌‌ها، می‌تواند زمان اتمام کل همه وظایف را کاهش دهد، یعنی هسته‌های پردازنده می‌توانند برای مدت بیشتری به حالت خواب^[۱۵۱] بروند و انرژی بیشتری را ذخیره کنند.

در سطح اول این الگوریتم دو سطحی، از یک استراتژی بارگذاری غیرتعادلی برای ذخیره توان ایستا استفاده شده است. ایده اصلی در این استراتژی توزیع بار، عبارت انداز:
توزیع وظایف به هسته‌هایی از پردازنده که در حالت فعال هستند و خاموش کردن هسته‌ها، وقتی که همه وظایف موجود در صف آن هسته به اتمام برسند.
برای مثال فرض کنید یک واحد پردازنده مدیر داریم و دو هسته تحت نظر آن قرار دارند. همانطور که در شکل ۳-۱۴ مشاهده می‌شود، در ابتدا که هیچ وظیفه‌ای وجود ندارد، هر دو هسته خاموش هستند. وقتی وظیفه T₁ آزاد می‌شود، پردازنده مدیر وضعیت هسته‌ها را چک می‌کند، اگر هیچ کدام از هسته‌ها در حالت فعال نبودند، هسته شماره ۱ را روشن می‌کند و T₁ را به آن اختصاص می‌دهد. براساس ED³VFS، هسته شماره ۱ ، در سرعت پیش فرض کار خواهد کرد که معمولا در کمترین سرعت خود قرار دارد. در ادامه که چند وظیفه دیگر که به سیستم اضافه می‌شود، پردازنده مدیر آنها را به هسته‌ای می‌فرستد که فعال باشد و در بالاترین فرکانس خود نباشد. پس از مدتی که سرعت هسته شماره ۱ به حداکثر خود رسید، حال اگر T_n آزاد شود، پردازنده مدیر آن را به هسته شماره ۲ که خاموش بوده ارسال می‌کند. وقتی که هسته شماره ۱ تمام وظایف خود را به پایان رساند، این هسته خودش را به وسیله الگوریتم MEDF، خاموش می‌کند.

شکل ۳-۱۴ مثالی از بارگذاری غیرتعادلی – a : حالت آغازین –b : وظیفه t₁ آزاد شده و هسته ۱ شده است- c : زمانی که هسته ۱ در حالت حداکثر فرکانس کار می‌کند،وظیفهn آزاد شده و در نتیجه هسته۲ روشن شده و وظیفهn به آن اختصاص میابد – d : هسته ۱ اجرای همه وظایفی که به آن اختصاص داده شده بود را تمام می‌کند و خودش را خاموش می‌کند. ]۳۶[
شکل ۱۷شکل ۳-۱۴ مثالی از بارگذاری غیرتعادلی
در لایه دوم این الگوریتم، یک استراتژی بارگذاری تعادلی وجود دارد. وقتی که دو یا چند هسته در حال کار در حالت فعال باشند، استراتژی بارگذاری تعادلی در سطح دوم، وظایف جدید آزادشده را توزیع خواهد کرد. برخلاف روش‌های سنتی که شامل وظایف بی‌درنگ نمی‌شدند، در این سیستم به صورت همزمان هم وظایف معمولی و هم وظایف بی‌درنگ در نظر گرفته شده است. استراتژی بارگذاری سنتی، برای سیستم‌های بی‌درنگ طراحی نشده است، بنابراین در این مقاله یک معیار توزیع جدیدی پیشنهاد شده که مشکل توزیع وظایف بی‌درنگ را حل می‌کند.
این استراتژی جدید، از سررسید وظایف به عنوان یک معیار برای بارگذاری تعادلی استفاده می‌کند. هرچقدر بتوانیم وظایف را بر اساس سررسیدشان، یکنواخت‌تر توزیع کنیم، احتمال از دست دادن سررسید کمتری خواهیم داشت. شکل۳-۱۵ یک مثال ساده از این موضوع است که در آن دو هسته و چهار وظیفه وجود دارند. این مثال نشان می‌دهد که نتیجه یکی از دو توزیع وظایف، به شکست منجر می شود. در شکل ۳-۱۵ الف ، وظیفه۱ در سررسید d₁ به اتمام می‌رسد، بنابراین برای اجرای وظیفه ۲ به اندازه کافی زمان وجود ندارد و در نتیجه سررسید آن از دست میرود. برای وظیفه ۴ نیز در هسته ۲ ، همین شرایط وجود دارد. در شکل ۳-۱۵ ب ، از یک توزیع متفاوتی استفاده شده است که نتیجه آن اجرای به موقع وظایف و از دست نرفتن سررسیدهای آنان می‌باشد. در این حالت، برش زمانی^[۱۵۲] بین دو سررسید، طولانی‌تر است که این بدین معنی است که زمان بیشتری برای اجرای وظیفه بعدی وجود دارد، در نتیجه احتمال از دست رفتن سررسید کاهش می‌یابد.
شکل۳-۱۵ مثالی از توزیع وظایف بی‌درنگ؛ الف) توزیع ناجور وظایف؛ ب) توزیع مناسب وظایف ]۳۶[
شکل ۱۸شکل۳-۱۵ مثالی از توزیع وظایف بی‌درنگ
در این ایده، از پارامتر واریانس سررسید هر وظیفه، به عنوان یک معیار برای توزیع سررسید استفاده شده‌ است. از آنجایی که واریانس، چگونگی توزیع یک مجموعه از اعداد را شرح می‌دهد، در نتیجه واریانس می‌تواند به عنوان بیان کننده تراکم توزیع داده‌ها استفاده شود.
یک واریانس کوچک از سررسید یک وظیفه، نشان می‌دهد که فاصله زمانی بین دو سررسید، کوتاه است. معادله زیر فرمول محاسبه واریانس را نشان می‌دهد:
(۲۵)
که در آن N تعداد داده‌ها، ، داده شماره i و میانگین داده‌هاست.
غیراز این توزیع وظایف براساس سررسید، از سه استراتژی دیگر نیز برای توزیع وظایف معمولی، استفاده شده است. این سه استراتژی همچنین برای وظایف بی‌درنگی که یکنواختی توزیع سررسیدشان باهم برابر است نیز استفاده می‌شود.
استراتژی اول، به ترتیب اجرای وظایف در هر هسته مربوط می‌شود، به این معنی که، توزیع کننده، یک وظیفه را به هسته‌ای می‌فرستد که بالاترین اولویت را به آن وظیفه بدهد. برای مثال فرض کنید که دو هسته و دو وظیفه روی هر هسته داشته باشیم. حال وقتی یک وظیفه جدید آزاد می‌شود، اگر اولویت اجرای این وظیفه، در هسته شماره ۱، دومین باشد (یعنی اگر این وظیفه را به هسته اول بفرستیم، زمانبندی که هسته اول با توجه به وظایف موجود در صف خود، انجام می‌دهد، به این صورت می‌باشد که این وظیفه، دومین وظیفه‌ برای اجرا است) و در هسته شماره ۲، سومین اولویت را داشته باشد، این وظیفه به هسته اول فرستاده می‌شود.
دومین استراتژی، به تعداد وظایف موجود در صف هر هسته توجه می‌کند. به این معنی که توزیع‌کننده، وظیفه جدید را به هسته‌ای می‌فرستد که کمترین تعداد وظیفه در آن باشد.
وقتی توزیع‌کننده نتوانست با این استراتژی‌ها، تصمیم بگیرد که وظیفه را به کدام هسته بفرستد، آنگاه از آخرین استراتژی استفاده خواهد شد. این استراتژی بسیار ساده می‌باشد، به این صورت که ، توزیع‌کننده هسته‌ای را انتخاب می‌کند که شماره سریال کوچکتری داشته باشد و همچنین در حالت فعال قرار داشته باشد. شبه کد این الگوریتم را به صورت کامل در شکل ۳-۱۶ مشاهده می‌کنید.
همانطور که در این شبه‌کد مشاهده می‌کنید، پس از بررسی وضعیت هسته‌ها توسط پردازنده مدیر، در سطح اول الگوریتم توزیع ابتدا بررسی می شود که اگر همه هسته‌ها خاموش بودند، هسته‌ای که شماره سریال کمتری دارد، وظیفه به آن اختصاص میابد. در غیر این صورت اگر چند هسته روشن و در حداکثر فرکانس درحال کار بودند و چند هسته خاموش بودند، آنگاه یکی از هسته‌های خاموش انتخاب شده و وظیفه به آن اختصاص می یابد. اگر همه هسته‌ها روشن باشند و یکی از هسته‌های روشن در حداکثر فرکانس خود کار نکند، وظیفه به آن ارسال می‌شود، اما اگر هیچ‌کدام از حالت‌های ذکر شده برقرار نشد، وارد سطح دوم الگوریتم شده و هسته‌ای که واریانس سررسید آن کمتر باشد توسط تابع maxuniformity() انتخاب می‌شود، و اگر حداقل دو هسته واریانس سررسید برابری داشتند، توسط تابع minorder() هسته‌ای انتخاب می‌شود که اگر وظیفه در صف آن قرار گیرد، زودتر اجرا می شود. اگر باز هم دو هسته وجود داشتند که شرایط یکسانی داشتند، تابع mintaskNum() وظایف را به هسته‌ای کمترین تعداد وظایف را در صف خود دارد می‌فرستد. اگر دو صف با تعداد وظایف برابر وجود داشت، توسط تابع minSerial() وظیفه به هسته‌ای که شماره سریال کمتری دارد ارسال می شود.
مزایا و معایب این الگوریتم:
این الگوریتم یکی از بهترین الگوریتم‌های توزیع وظایف در سیستم‌های چندهسته‌ای می‌باشد که با یک توزیع بار حساب شده بین هسته‌ها، توانسته نرخ نقض سررسید وظایف را بخوبی کاهش داده و همچنین بهره‌وری و کارایی سیستم را بسیار بهبود ببخشد. همچنین با یک الگوریتم تنظیم ولتاژ و فرکانس سررسید محور مناسب، توانسته انرژی مصرفی را با در نظرگرفتن سررسید وظایف، تا حد زیادی کاهش دهد.
از جمله معایب این الگوریتم، که ما آن‌ها را در الگوریتم پیشنهادی خود بهبود داده‌ایم این است که این الگوریتم، بدون توجه نوع وظایف بی‌درنگ و ماهیت آن‌ها، آن‌ها را بین هسته‌ها توزیع کرده است که این مسئله تا حد زیادی می‌تواند روی انرژی مصرفی سیستم و همچنین زمان پاسخ وظایف، تاثیر منفی بگذارد. در واقع این الگوریتم هیچ تمایزی از لحاظ تناوبی و غیرتناوبی بودن وظایف بی‌درنگ، قائل نیست و این مسئله می‌تواند زمان پاسخ وظایف غیرتناوبی را افزایش دهد. همچنین عیب دیگر این الگوریتم، بالا بودن پیچیدگی و محاسبات زیاد آن، برای توزیع و زمانبندی اجرای وظایف است و همچنین الگوریتم تنظیم فرکانس و ولتاژ سررسید محور آن، دارای دو پارامتر کنترل‌کننده است که این موضوع باعث سوئیچ زیاد بین سطوح مختلف فرکانسی پردازنده خواهد شد وسربار الگوریتم را نیز افزایش می‌دهد.
(۱) Initialy turning off all of DSP’s , DSP_off = DSP_all
(۲) When a task that need be processd by DSP is released

این تحقیق از ابعاد علمی وکاربردی به دنبال تحقق اهداف ذیل است :
هدف علمی : بـررسی وتـجزیه وتـحلیل امـکان اسـتفاده از شبـکه های عصـبی در حـل مسـایل مـربوط به حوزه های مالی و بازار سهام و بیان قوت وضعف آنها.
هدف کاربردی : امکان پیش بینی شاخص پنجاه شرکت برتر بورس تهران با بهره گرفتن از شبکه های عصبی . همچنین تحقیق حاضر می تواند مورد استفاده سرمایه گذاران اعم از بالفعل وبالقوه در بورس اوراق بهادار قرار گیرد .

سوال و فرضیه تحقیق

سوال اصلی تحقیق عبارت است از :
« آیا شـاخص پنجاه شـرکت بـرتر بـورس اوراق بـهادار تـهران را می توان با بهره گرفتن از شبکه های عصبی پیش بینی نمود ؟»
در این تحقیق از مدل شبکه های عصبی برای پاسخگویی به این سوال استفاده خواهد شد.در این روش برای هر بار که پیش بینی انجام می شود ، یک خطای پیش بینی توسط شبکه عصبی محاسبه وارایه می گردد . برای تفسیر معقول بودن خطای پیش بینی لازم است که آن را با خطای پیش بینی حاصل از یک مدل دیگر مورد آزمون قرار داد . مدل هایی که به این منظور استفاده خواهد شد مدل ARIMA و مدل های رگرسیونی می باشد . لذا فرضیه اصلی تحقیق به صورت زیر تدوین می گردد:

۱- در پیش بینی شاخص پنجاه شرکت برتر بورس اوراق بهادار تهران خطای پیش بینی حاصل از مدل شبکه های عصبی کمتر از خطای پیش بینی حاصل از مدل آریما است .
۲- در پیش بینی شاخص پنجاه شرکت برتر بورس اوراق بهادار تهران خطای پیش بینی از مدل شبکه های عصبی کمتر از خطای پیش بینی حاصل مدلهای رگرسیونی است .
منظور از خطای پیش بینی در عبارت فوق ، ریشه دوم میانگین مربعات خطا است و برای آزمون فرضیه ، فرضیات آماری به شرح زیر تدوین گردیده است :
۱- خطای پیش بینی پنجاه شرکت برتر بورس اوراق بهادار تهران حاصل از مدل شبکه های عصبی برابراست با خطای پیش حاصل از مدل ARIMA است .
۲- خطای پیش بینی شاخص پنجاه شرکت برتر بورس اوراق بهادار تهران حاصل از مدل شبکه های عصبی برابراست با خطای پیش بینی حاصل از مدلهای رگرسیونی است .
۳-خطای پیش بینی شاخص پنجاه شرکت برتر بورس اوراق بهادار تهران حاصل از مدل شبکه های عصبی کوچکتر از خطای پیش بینی حاصل از مدلARIMA است.
۴-خطای پیـش بـینی شاخص پنجاه شرکت برتر بورس اوراق بهادار تهران حاصل از مدل شبکه های عصبی کوچکتر از خطای پیش بینی حاصل از مدلهای رگرسیونی است .

قلمرو تحقیق

قلمرو تحقیق از نظر مکانی محدود به سازمان بورس اوراق بهادار تهران واز نظر زمانی در برگیرنده دوره زمانی ۰۸/۰۴/۱۳۷۱ الی ۰۹/۰۳/۱۳۸۶ می باشد . از نظر قلمرو موضوعی ، تحقیق حاضر به بررسی کارایی اطلاعاتی بازار سرمایه ایران در سطح ضعیف می پردازد .

متدولوژی وروش تحقیق

روش انجام تحقیق حاضر،پیمایشی و مقایسه ای از نوع همبستگی می باشد. روش گردآوری اطلاعات به صورت کتابخانه ای می باشد که از طریق مراجعه به کتب ، مقالات و منابع موجود در کتابخانه های سازمان بورس اوراق بهادار تهران و جستجو درشبکه جهانی اینترنت و همچنین مطالعه وبررسی پایان نامه ها و رساله های کارشناسی ارشد و دکتری ، مطالب مرتبط به موضوع تحقیق گردآوری و استفاده خواهد شد. به کارگیری شبکه های عصبی با بهره گرفتن از نرم افزار NeuroSolutions 5 و آزمونهای همبستگی و مقایسه ای است .
با توجه به فرضیات تحقیق فرایند پیش بینی شاخص از سه روش شبکه های عصبی و روش ARIMA و روش رگرسیون انجام می شود .هر بار که پیش بینی انجام می شود علاوه بر اعداد و ارقام پیش بینی شده خطای پیش بینی نیز محاسبه وارایه می گردد . برای آزمون فرضیه تحقیق از آزمون مقایسه میانگین استفاده خواهد شد که در اینجا متغیر تصادفی ، مجذور میانگین مربعات خطای (RMSE) حاصل از هرکدام از روشها در هر بار تکرار فرایند پیش بینی می باشد . فرایند پیش بینی از طریق مدل شبکه عصبی ( پس از تعیین ساختار مطلوب شبکه ) ۳۰ بار تکرار می گردد که در این صورت درجه آزادی برابر با ۲۹ می شود . با توجه به اینکه درجه آزادی کوچکتر از ۳۰ می باشد برای آزمون فرضیه تحقیق از توزیع t استیودنت استفاده می شود .

مفاهیم واژه های به کار رفته در تحقیق

شاخص : شاخص کمیتی است که به صورت نسبت برای مقایسه بزرگی اندازه های مختلف یک یا چند متغیر به کار می رود وتغییرات نسبی اندازه صفتی را نسبت به یکی از اندازه های همان صفت به نام « اندازه پایه » نشان می دهد .(بت شکن،۱۳۸۲)
شاخص پنجاه شرکت برتر بورس اوراق بهادار تهران : شاخص پنجاه شرکت فعالتر بورس به دو روش میانگین حسابی وزنی و میانگین حسابی ساده و بر پایه ارزش جاری سهام پنجاه شرکت انتخاب شده، محاسبه می شود . شاخص میانگین وزنی از ۰۱/۰۱/۱۳۷۷ وشاخص میانگین ساده از ۰۱/۰۸/۱۳۷۹ محاسبه وعدد مبنای آنها ۱۰۰ در نظر گرفته شده است .(بت شکن،۱۳۸۲)
شبکه های عصبی مصنوعی : یک شبکه مصنوعی ، مجموعه ای از نرون ^[۳]های به هم متصل در لایه های مختلف است که اطلاعاتی را برای یکدیگر ارسال می کنند. شبکه شبیه یک سیستم ورودی ـ خروجی عمل می کند وارزش نرون های ورودی را برای محاسبه ارزش نرون های خروجی مورد استفاده قرارداد می دهد. ( قدیمی ومشیری ،۱۳۸۱)
مدل ARIMA: از بین روش های پیش بین اقتصادی تنها روشی که با بهره گرفتن از داده های گذشته خود متغیر، به پیش بینی می پردازد مدل ARIMA می باشد . در بقیه روشهاهمچون رگرسیون وجود حداقل دو متغیر الزامی است . باکس و جنکینز در کتاب خود با عنوان « تجزیه وتحلیل سریهای زمانی ، پیش بینی و کنترل » روش های ARIMA و VAR را معرفی نمودند که به متدولوژی “باکس ـ جنکینز” معروف شد.(باکس و جنکینز،۱۹۷۰)
مدل رگرسیون:از روش های کمی پیش بینی اقتصادی است. منطق کار در این روش به طور صریح بیان می شود و عملیات ریاضی است . در این روش با بررسی داده های تاریخی فرض می شود که فرایند ایجاد داده ها پایدار و قابل تسری به آینده است( مدرس ،۱۳۸۰).

 

 

ادبیات موضوع تحقیق

 

مقدمه

در فصل اول، موضوع تحقیق، اهمیت و اهداف و محدودیتهای تحقیق وهمچنین مختصری در خصوص روش انجام بیان گردید . در این فصل مبانی نظری وادبیات موضوع به تفصیل تشریح می گردد .
از آنجا که موضوع این پایان نامه پیش بینی شاخص پنجاه شرکت برتر بورس اوراق بهادار تهران می باشد و این پیش بینی با بهره گرفتن از شبکه های عصبی انجام می شود ، لذا این فصل در برگیرنده مطالبی در خصوص بازار مالی ، فرضیه بازار کارا و سطوح مختلف کارایی، مفهوم پیش بینی واهداف و کاربردهای آن و انواع روش های پیش بینی در علوم اقتصادی ، مفهوم بورس وشاخص های سهام می باشد .
سپس در ادامه فصل مفهوم شبکه های عصبی به عنوان شاخه ای از هوش مصنوعی ، انواع آن و کاربردهای این شبکه ها وساختار شبکه به تفصیل تشریح می گردد .
در پایان این فصل نیز به سابقه و پیشینه تحقیق خواهیم پرداخت و تحقیقات انجام شده در زمینه موضوع معرفی و مختصری در خصوص روش آن تحقیق و نتایج آنها ارائه می گردد.

سیستم مالی

یک سیستم مالی پیشرفته متشکل از پنج جزء اساسی است هر چند سیستم های مالی در جریان تغییرات هستند و امکان افزوده شدن اجزای جدید به سیستم دور از واقعیت نخواهد بود .
اجزای اصلی یک سیستم مالی پیشرفته به شرح زیر است :
الف - مشارکت کنندگان که شامل سه گروه استفاده کنندگان نهایی ، واسطه مالی و بازارسازان است .
ب- اوراق بهادار دومین جزء تشکیل دهنده سیستم مالی می باشد. این اوراق به ابزارهای سرمایه گذاری نیز معروف هستند. اوراق بهادار برای دارنده آن، دارایی مالی و برای انتشار دهنده آن بدهی مالی محسوب می شوند این اوراق را می توان بر حسب ویژگیهای که دارند به انواع مختلفی طبقه بندی نمود.
ج- سومین جزء سیستم مالی، بازارهای مالی است که در این بازارها اوراق بهادار معامله می شوند. به عبارت دیگر می توان گفت که در این بازارها اوراق بهادار ایجاد ومعامله می شوند.این بازارها به بازارهای سازمان یافته مشهورند.
د-چهارمین جزء یک نظام مالی برای بازارهای مالی سازمان یافته ترتیب معاملات می باشد که شامل انواع سفارشات که توسط کارگزاران دریافت می شود، انواع حسابهایی که توسط سرمایه گذاران نگهداری می شود وانواع توافق­هایی که سرمایه گذاران برای وام گرفتن و وثیقه گذاشتن سهام انجام می دهند، است.
ه – مقررات، هر نظام مالی نیاز به یکسری مقررات خاص دارد. تمام افرادی که در نظام مالی فعالیت می کنند باید در محیطی که مقررات برآن حاکم است به فعالیت بپردازند .

تعریف بازار

وقتی صحبت از بازار کالایی می شود ، غالبا منظور مکان معینی است که کالا درآن عرضه می شود. گاهی هم غرض از “بازار ” یک کالا، عرضه وتقاضای آن است، اما باید توجه داشت که بعضی بازارها لزوما محل خاصی ندارند. به طور کلی : بازار محل تلاقی خواسته های خریداران وفروشندگان است .
هر چند با توجه به ویژگیهای که بازارها دارند آنها را می توان به انواع مختلفی تقسیم بندی کرد با وجود این، بازارها را می توان به دو گروه عمده طبقه بندی کرد : بازار داراییهای فیزیکی و بازار داراییهای مالی .
بازار داراییهای فیزیکی : که در آن داراییها وکالاهای قابل مشاهده معامله می شوند مانند بازار املاک و مستغلات ، بازار کامپیوتر وبازار ماشین آلات .
بازار داراییهای مالی : که در آنها اوراق بهاداری مانند اوراق خزانه ، اوراق مشارکت وسهام شرکتها و غیره معامله می شوند.
بازارهای مالی به دو نوع بازار پول و بازار سرمایه تقسیم می شوند :
بازار پول : که در آن دارایی های مالی کوتاه مدت مانند اوراق خزانه بانک مرکزی خرید و فروش می گردد. متصدی بازار پول در هر کشور و از جمله در ایران بانکها و در راس آنها بانک مرکزی می باشد.
بازار سرمایه : که در آن داراییهای مالی بلند مدت از قبیل اوراق سهام شرکتها و اوراق مشارکت معامله می گردد. این بازار نیز به دو بازار رسمی و غیررسمی (یعنی بازار خارج از بورس) تقسیم می شود . متصدی بازار سرمایه رسمی در ایران سازمان بورس اوراق بهادار تهران است .

کارایی بازار

یکی از مباحث مهم در زمینه سرمایه گذاری ، کارایی بازار سرمایه می باشد . مقصود از کارایی بازار سرمایه عبارتست از این موضوع که اطلاعات جدید بطور گسترده و سریع و ارزان در دسترس عموم قرار گیرد به طوریکه سریعاً در قیمت بازار تاثیر گذاشته وتغییراتی را در قیمت اوراق بهادار ایجاد کند . به عبارت دیگر در یک بازار کارا قیمت اوراق بهادار در هر لحظه از زمان باید انعکاسی از همه اطلاعات در دسترس باشد : یعنی بازاری کاراست که اطلاعات را به سرعت دریافت کرده ، پردازش کند و اثر آنها را در قیمت ها منعکس نماید. بنابراین در چنین بازاری دسترسی به اطلاعات و در نتیجه تغییرات قیمت ها ، تصادفی می باشد. قبل از بحث در خصوص کارایی بازار سرمایه بهتر است ابتدا ویژگیهای یک بازار کارای سرمایه را بیان نماییم .
ابتدا این نکته را یادآوری می نماییم که علم مدیریت مالی و مباحث مربوط به بازارهای پول و سرمایه از جمله زیر شاخه های علم اقتصاد هستند و هنگامیکه مطالبی در این خصوص ارائه می شود باید به این فرض اساسی (که در علم اقتصاد پذیرفته شده است) توجه نمود که افراد منطقی فکرمی کند و در به حداکثر رساندن سود خود به طور عقلایی عمل می کنند. حال با عنایت به پیش فرض فوق ، ویژگیهای بازار سرمایه عبارتند از :
الف ـ شرایط بازار رقابتی در آن وجود داشته باشد یعنی تعداد خریداران وفروشندگان زیاد باشند .
ب ـ هیچگونه محدودیتی برای ورود وخروج و فعالیت در بازار وجود نداشته باشد .
ج ـ بازار باید بدون اصطکاک باشد یعنی مانعی در جهت انجام معاملات وجود نداشته باشد .

 

 

 

1. 1. خطای ناپایدار

 

 

پس از مدتی خطا ناپدید می­ شود

زیاد گرم شدن سنسور

 

 

جدول ۲-۱:یک طبقه ­بندی رایج از خطاها
به منظور غلبه بر خطا می­توان از روش­هایی بهره برد. به طور کلی برای غلبه کردن بر خطا و حفظ کارایی نرمال سیستم، سه روش الف) اجتناب از خطا^[۳۳]ب) پوشاندن خطا^[۳۴] ج) تحمل­پذیری خطا، وجود دارد. هر تکنیکی که برای جلوگیری از بروز خطا در سیستم، استفاده می­ شود، جزء تکنیک­های اجتناب از خطا می­باشد. پوشاندن خطا یعنی اینکه پس از بروز نقص در سیستم، از تکنیک­هایی استفاده کنیم تا از وقوع خطا جلوگیری شود. تحمل­پذیری خطا یعنی پس از بروز خطا، سیستم قادر به ادامه­ وظایف خود باشد.

شایان ذکر است که هدف نهایی تحمل­پذیری خطا، جلوگیری از رخ دادن خرابی در سیستم است. به منظور دستیابی به تحمل­پذیری خطا می­توان از تکنیک­های مختلفی از جمله پیکربندی مجدد استفاده کرد. معمولاً در پیکربندی مجدد می­توان عناصر خراب را از سیستم حذف کرد و سپس سیستم را به وضعیت کارآمد خود باز گرداند.
فرایندهای تشخیص خطا، تعیین موقعیت خطا، محدودسازی حوزه خطا و برطرف نمودن خطا، چهار تکنیک پیکربندی مجدد می­باشند که طراح باید به آنها دقت کند. تشخیص خطا همان فرایند شناسایی خطاست که قبل از سه فرایند دیگر انجام می­ شود. بعداز شناسایی خطا باید مشخص کرد که خطا در کجا رخ داده است. پس از شناسایی و مکان­ یابی خطا باید آنرا ایزوله کرد یعنی باید از انتشارات اثرات خطا در کل سیستم جلوگیری شود. فرایند برطرف نمودن خطا یعنی پس از پی بردن به علت خطا، عملکرد سیستم به حالت مناسب بازگردانده شود.
به طور مثال فرض کنید که یک خطا در سیستمی که از تحمل­پذیری خطا پشتیبانی می­ کند، رخ داده است. در این صورت می­توان از تکنیک­های پیکربندی مجدد بدین صورت استفاده کرد که تکنیک­های تشخیص خطا، وجود خطا را در سیستم مشخص می­ کنند. در ادامه با بهره گرفتن از روش­های تعیین موقعیت خطا، منبع خطا مشخص می­ شود. سپس یا می­توان خطا را محدود کرد و یا می­توان آنرا رفع کرد. بدین صورت که رفع خطا و پیکربندی مجدد، واحد خراب را حذف می­ کنند و یا آنرا با مؤلفه­ی سالم دیگری تعویض می­ کنند. اگر امکان تعویض مؤلفه­ی خراب نباشد، می­توان با کمک تکنیک­هایی و با کاهش قابل قبول کارایی، سیستم را در حالت فعال نگه داشت.
۲-۳-۳ ابزارهای اتکاپذیری
روش­های دستیابی به یک سیستم اتکاپذیر(ابزارها) به چهار دسته پیش­گیری از اشکال، رفع اشکال، تحمل اشکال و پیش ­بینی اشکال، تقسیم می­شوند.

 

 

• پیش­گیری از اشکال: ابزاری است که برای جلوگیری از وقوع اشکال استفاده می­ شود. که این کار به وسیله­ طراحی کاملاً دقیق و اصولی قابل انجام است. به طور کلی روش­های پیش­گیری از اشکال در مراحل طراحی و توسعه سیستم­ها مورد استفاده قرار می­گیرند.

 

 

 

• رفع اشکال: روش­های رفع اشکال هدفشان کاهش تعداد و اثرات اشکال­هاست.

 

 

 

• تحمل اشکال: روش­های تحمل اشکال، روش­هایی می­باشند که هنگام بروز اشکال­ها، از شکست سیستم جلوگیری می­ کنند، بدین صورت که خطا را تشخیص و بازیابی سیستم را انجام می­ دهند. در فرایند بازیابی، کارهای رسیدگی و اداره کردن خطا و اشکال صورت می­گیرد. که فرایند اداره کردن اشکال از چهار مرحله­ تشخیص اشکال، جداسازی اشکال، پیکربندی مجدد سیستم و آغاز مجدد سیستم، تشکیل شده است.

 

 

در مرحله­ تشخیص اشکال، مکان و علت اشکال مشخص می­ شود، در مرحله­ جداسازی اشکال، از شرکت مؤلفه­ های معیوب در انجام وظایف سیستم، جلوگیری می­ شود. سپس در مرحله­ پیکربندی مجدد سیستم، از مؤلفه­ های افزونه استفاده می­ شود و یا کل وظایف سیستم تنها به مؤلفه­ های سالم، تخصیص می­یابند. در مرحله­ آخر یعنی آغاز مجدد سیستم، پیکربندی جدید سیستم مورد استفاده قرار می­گیرد.

 

 

• پیش ­بینی اشکال: با بهره گرفتن از ارزیابی سیستم می­توان اشکال را پیش ­بینی کرد. به روش­هایی که تعداد فعلی اشکال­ها، نرخ وقوع اشکال­ها در آینده و پیامدهای احتمالی اشکال­ها را تخمین زده و پیش ­بینی می­ کنند، روش­های پیش ­بینی اشکال گفته می­ شود. فرایند پیش ­بینی اشکال، بوسیله­ی ارزیابی سیستم صورت می­گیرد که این ارزیابی به دو طریق کمی و کیفی قابل انجام است.

 

 

در بحث ابزار­های اتکاپذیری ممکن است این سؤال مطرح شود که بهترین ابزار چیست؟ هرچند که می­توان در طراحی و توسعه سیستم از روش­هایی به منظور پیش­گیری از اشکال استفاده کرد، اما همواره این امکان وجود دارد که در سیستم اشکال­هایی رخ دهد. از اینرو ابزار پیش­گیری اشکال، به تنهایی کافی نمی ­باشد و نیاز به ابزار رفع اشکال نیز می­باشد. اما واقعیت امر این است که ابزار رفع اشکال نیز خود شامل کاستی­هایی می­باشد. زیرا این ابزار قادر به یافتن همه اشکال­ها نیست، همچنین ممکن است که در هنگام برطرف کردن یک اشکال، اشکال­های جدیدی تولید شود. به علاوه این امکان وجود دارد که حتی مؤلفه­ های استاندارد سیستم، خود نیز حاوی اشکال­هایی باشند. موارد ذکر شده، نیاز به استفاده از ابزارهای پیش ­بینی اشکال و تحمل اشکال را بیان می­ کنند. پس به عنوان یک نتیجه کلی باید گفت که یک سیستم به هر چهار ابزار اتکاپذیری نیاز دارد.
اما بررسی میزان اتکاپذیری مبحث دیگری است که باید بررسی شود. میزان اتکاپذیری یک سیستم به دو روش کمی و کیفی قابل مشخص شدن است. که در این میان تزریق اشکال^[۳۵]، یکی از متداول­ترین روش­های کمی می­باشد. به فرایند افزودن آگاهانه­ی اشکال به سیستم برای ارزیابی تحمل­پذیری آن، تزریق اشکال گفته می­ شود. به طور کلی روش­های تزریق اشکال به سه روش فیزیکی، نرم­افزاری و شبیه­سازی شده تقسیم می­شوند.

 

 

• تزریق اشکال شبیه­سازی: در این روش اشکال­ها بر روی یک مدل شبیه­سازی شده از سیستم، تزریق می­شوند. از آنجا که این روش معمولاً در فازهای ابتدایی طراحی مورد استفاده قرار می­گیرد، می­توان به میزان زیادی هزینه­ های ساخت سیستم را کاهش داد. زیرا قبل از ساخت نمونه­ اصلی، تحمل­پذیری آن در برابر خطا بررسی می­ شود.

 

 

 

• تزریق اشکال فیزیکی: در این روش، اشکال­ها بر روی یک پیاده­سازی واقعی از سیستم یا یک نمونه­ واقعی از سیستم، تزریق می­شوند. این روش کارایی بالایی دارد زیرا که بجای ارزیابی یک مدل از سیستم، خود سیستم واقعی آزمایش و ارزیابی می­ شود.

 

 

 

• تزریق اشکال نرم­افزاری: در این روش­ها، اشکال­ها با کمک یکسری نرم­افزارها به سیستم فیزیکی تزریق می­شوند.

 

 

۲-۴ رهیافت­های تحمل­پذیری خطا
سه رویکرد عمده برای حل مسئله­ تحمل­پذیری خطا عبارتند از: الف)افزونگی ب)آزمایش و اشکال­زدایی کامل ج)self-healing، [۵۰] که این رویکردها در محاسبات پوشیدنی استفاده شده ­اند.
رویکرد اول برای حل این مسئله، استفاده از افزونگی است. فرایند افزونگی به افزودن یکسری مؤلفه­ ها (سخت­افزار، نرم­افزار، اطلاعات و زمان) به سیستم گفته می­ شود که در حالت عادی این مؤلفه­ ها برای عملکرد سیستم اضافی هستند[۵۱]. افزونگی هزینه­ های فاز تولید محصول را افزایش می­دهد و به علاوه تشخیص خطا، نیاز به آنالیز انسانی دارد.بطور کلی افزونگی به چهار دسته­ی سخت­افزاری، اطلاعاتی، زمانی و نرم­افزاری تقسیم می­ شود [۴۹][۵۱]. در جدول ۲-۲ به شرح این افزونگی­ها پرداخته شده است.

 

 

• افزونگی سخت­افزاری: به فرایند تکرار کردن فیزیکی سخت­افزار به سیستم به منظور تشخیص خطا یا تحمل خطا، گفته می­ شود. واحدهای سخت­افزار اضافه شده مانند یکدیگرند و کار اضافه­تری را انجام نمی­­دهند. این روش رایج­ترین نوع افزونگی است اما اگر در بحث تحمل­پذیری شبکه ­های پوشیدنی در برابر خطا، به ویژگی­های کامپیوترهای پوشیدنی دقت نشود، این روش می ­تواند مناسب نباشد؛ دلیل این امر مصرف انرژی، فضای اشغال شده و هزینه­ قطعات افزونه است[۵۲]. افزونگی سخت­افزاری به سه دسته­ی فعال، غیر فعال و هیبرید تقسیم می­شوند.

 

 

 

• افزونگی سخت­افزاری فعال(پویا): در این روش ابتدا خطا تشخیص داده می­ شود و سرانجام بعد از مکان­ یابی خطا، اقداماتی جهت رفع آن صورت می­گیرد.

 

 

 

• افزونگی سخت­افزاری غیرفعال: در این روش پوشانده شدن خطا نسبت به رفع خطا بیشتر مورد توجه قرار می­گیرد، بگونه­ای که با وجود خطا مقادیر صحیحی در خروجی پدیدار می­ شود.

 

 

 

• افزونگی سخت­افزاری ترکیبی: با ترکیب افزونگی­های فعال و غیرفعال، افزونگی ترکیبی حاصل می­ شود.

 

 

 

• افزونگی اطلاعاتی: به فرایند اضافه کردن اطلاعات اضافی به داده ­های اصلی، افزونگی اطلاعاتی گفته می­ شود. تکنیک­های این روش قادر به تشخیص و گاه رفع خطا نیز می­باشند. معمولاً از این روش برای تحمل خطاهای سخت­افزاری استفاده می­ شود.

 

 

 

• افزونگی زمانی: این روش برای در نظر گرفتن تحمل خطا از زمان اضافه­تری استفاده می­ کند. از این روش برای تحمل خطاهای نرم­افزاری و سخت­افزاری استفاده می­ شود.

 

 

 

• افزونگی نرم­افزاری: به فرایند تکرار قسمتی از برنامه یا تمام برنامه، گفته می­ شود.