سناریوی اول

سناریوی دوم

غیر صمیمی

سناریوی سوم

سناریوی چهارم

همان‌طور که در جدول ۳-۱ نیز مشخص‌شده است، هر یک از عوامل طرح دوعاملی این پژوهش از دو سطح تشکیل‌شده‌اند؛ بنابراین طرح پژوهش یک طرح عاملی ۲×۲ بوده است. در این راستا چهار گروه آز مایش تشکیل‌شده‌اند که هر گروه به یکی از چهار سناریوی مشخص‌شده در جدول ۳-۱ تعلق یافته است. برای این کار، ابتدا به‌صورت تصادفی نمونه کلی پژوهش انتخاب و سپس اعضای نمونه به‌صورت تصادفی در هر یک از چهار گروه آزمایش تخصیص یافتند. طرح‌های آزمایشی دوعاملی یکی از طرح‌های قابل‌اعتماد پژوهشی است که امکان کنترل شرایط آزمایش را افزایش می‌دهد (بورگ و گال،۱۳۷۸).

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

۳-۳ – جامعه آماری
جامعه مورد مطالعه این پژوهش شامل کلیه دانش آموزان پسر و دخترسال سوم دبیرستان‌های آموزش‌وپرورش شهرستان لنگرود است که در تحصیلی ۱۳۹۴-۱۳۹۳ مشغول به تحصیل بودند.
۳-۴ – نمونه و روش نمونه‌گیری
در این پژوهش حجم نمونه با بهره گرفتن از جدول مورگان محاسبه گردید. لذا برای اطمینان از حجم نمونه، ۳۶۰ دانش‌آموز با روش نمونه‌گیری تصادفی انتخاب شد.
برای انتخاب نمونه از روش نمونه‌گیری خوشه‌ای چند مرحله‌ای استفاده شد. در این روش ابتدا فهرستی از دبیرستان‌های پسرانه و دخترانه شهر لنگرود به‌عنوان چارچوب نمونه‌گیری تهیه شد و بر اساس این فهرست چند مدرسه به شیوه تصادفی برگزیده شدند. نحوه انتخاب بدین‌صورت بود، مدارسی که در رشته‌های ادبیات و علوم انسانی تجربی و ریاضی، کاردانش، جمعیت بیشتری دارند، انتخاب شدند.
سپس برای تخصیص نمونه انتخاب‌شده به چهار گروه مختلف آزمایش، نمونه ۳۶۰ نفری به چهار نمونه ۹۰ نفری تقسیم و هر نمونه به‌صورت تصادفی ساده به یکی از چهار گروه آزمایش (چهار سناریوی متفاوت) اختصاص یافت.
۳-۵- ابزار اندازه‌گیری
در این پژوهش برای جمع‌ آوری داده‌ها از پرسشنامه‌های زیر استفاده شد
۳-۵-۱- پرسشنامه معیار انتظار از معلم (^[۱۴۵]IES)
معیار انتظار صمیمیت دانش آموزان از معلمان. اولین معیار، انتظار بی‌واسطه (IES) هست. معیاری شبیه به مقیاس لیکرت است که محدوده آن از پنج‌تا یک می‌باشد. پنج برای معیار «کاملاً موافقم» و یک برای معیار «کاملاً مخالفم» است. شاخصی است بیست‌وهشت موردی، رفتارهایی که دانش آموزان از معلمان انتظار دارند در کلاس درس استفاده بکنند و یا استفاده نکنند را اندازه‌گیری می‌کند. دو بُعد در این معیار وجود دارد که عبارت‌اند از رفتارهای صمیمی و سوء رفتارهای معلمان. رفتارهای مورداستفاده در این معیار به‌صورت رفتارهای صمیمی (طبق نظریه ثویت و مک کراسکی، ۱۹۹۸) و یا سوء رفتارهای معلمان (طبق نظریه کیرینی و همکاران، ۱۹۹۱؛ ثویت و مک‌کراسکی، ۱۹۹۸) می‌باشد.
موارد ۱، ۲، ۴، ۷، ۹، ۱۲، ۱۳، ۱۵، ۱۶، ۱۷، ۲۱، ۲۲ و ۲۳ نشان‌دهنده رفتارهای صمیمی است که دانش‌آموزان انتظار دارندمعلمان در کلاس درس استفاده کنند و موارد ۳، ۵، ۶، ۸، ۱۰، ۱۱، ۱۴، ۱۸، ۱۹، ۲۰، ۲۴، ۲۵، ۲۶، ۲۷ و ۲۸ نشان‌دهنده رفتارهای نامناسب است که دانش‌آموزان انتظار دارند معلمان در کلاس درس استفاده نکنند.
امی دن سون (۲۰۰۱)، شواهد مناسبی را برای روایی و پایایی این ابزار ارائه کرد. طبق مطالعه او پایایی این ابزار با روش همسانی درونی با الفای کرونباخ، ۷۴/۰ برای زیر مقیاس رفتار صمیمی و ۷۳/۰ برای سوء رفتار محاسبه شد که این حکایت از پایایی قابل‌قبول این ابزار داشته است. در این مطالعه نیز، پایایی این دو زیر مقیاس با بهره گرفتن از آلفای کرونباخ (روش همسانی درونی) به ترتیب ۷۲/۰ و ۷۱/۰ محاسبه شد؛ بنابراین، در این پژوهش نیز پایایی این ابزار تایید شد.
۳-۵-۲- پرسشنامه بازنگری چهار سناریو^[۱۴۶]
برای مشخص نمودن ادراک دانش آموزان از رفتارهای صمیمی و غیر صمیمی از فرم بازنگری سناریو هاله در آن ویژگی رفتارهای صمیمی وغیرصمیمی معلم در ۴ سناریو دستکاری‌شده است، استفاده شد.
برداشت از صمیمیت و سوء رفتارها. صمیمیت معلمان و سوء رفتارهای معلمان با بهره گرفتن از چهار سناریوی پیشنهادشده توسط ثویت و مک‌کراسکی (۱۹۹۸) ارائه شد. سناریوهای صمیمیت شامل شش رفتار غیرکلامی است. معلم صمیمی از همه این شش رفتار صمیمیت استفاده می‌کند. معلم غیر صمیمی از هیچ‌یک از رفتارهای صمیمی استفاده نمی‌کند… معلم فاقد سوء رفتار تنها از رفتارهای مناسب استفاده می‌کند. معلم با رفتار بد فقط از سوء رفتارها استفاده می‌کند. شرکت‌کنندگان بایستی این سناریوها را که رفتارهای صمیمی درک شده و سوء رفتار درک شده را اندازه‌گیری می‌کرد با بهره گرفتن از معیار امتیازدهی رتبه‌بندی کنند. ثویت و مک‌کراسکی (۱۹۹۸) اعتبارهای داخلی در معیار صمیمیت درک شده را به‌صورت ۹۴/۰ و ۹۸/۰ در معیار سوء رفتار درک شده (نظریه ثویت و مک‌کراسکی ۱۹۹۸) را گزارش کرده است. این مطالعه اعتبارهای داخلی ۹۰/۰ برای صمیمیت و ۹۲/۰ برای رفتار بد را به همراه داشت.
۳-۵-۳ -پرسشنامه معیار اعتبار^[۱۴۷]
ارزیابی از اعتبار معلمان بر اساس سطح صمیمیت با بهره گرفتن از معیار استاندارد ۱۸ موردی تِون و مک‌کراسکی (۱۹۹۵) با اندازه‌گیری شایستگی، مراقبت و قابلیت اعتماد آزمون شد.
سنجش اعتباربراساس سه ملاک درسوالات مذکور آمده است.

ملاک‌های موردسنجش

سؤالات مدنظر

شایستگی و صلاحیت (ازنظر تسلط علمی)

۱،۲،۳،۴،۵،۶

مراقبت (حسن نیت و اراده)

۷،۸،۹،۱۰،۱۱،۱۲

قابلیت اعتماد (امانت‌داری و صداقت)،

۱۳،۱۴،۱۵،۱۶،۱۷

تِون و مک‌کراسکی ارتباطی بین شایستگی/مراقبت، قابلیت اعتماد/مراقبت و شایستگی/قابلیت اعتماد به ترتیب ۶۰/۰، ۶۳/۰، ۶۰/۰ گزارش کردند، براساس مطالعه حاضر اعتبار آلفای صلاحیت ۸۰/۰، مراقبت ۸۱/۰ و قابلیت اعتماد را ۸۰/۰ بدست آمد.

(۳-۱)

که در این نمایشt یک مقدار حقیقی^[۹۶] و x(t) یک سیگنال پیوسته هست. برای بدست آوردن یک سری باید در زمان‌های گسسته از سیگنال نمونه گرفت. اگر بازه ی نمونه‌گیری، در نمونه‌گیری یکنواخت^[۹۷]، باشد، خواهیم داشت:
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت nefo.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

(۳-۲)

از جمله پردازش‌های ممکن روی سری‌های زمانی، علاوه بر دسته‌بندی، توصیف^[۹۸] و تبدیل^[۹۹] پیش ­بینی مقادیر آینده x[t] است. به منظور پیش‌بینی آینده با برگشت به عقب از زمان t، سری زمانی را خواهیم‌داشت که می‌خواهیم x را در زمان های آینده تخمین^[۱۰۰] بزنیم:

(۳-۳)

در این نشانه‌گذاری به s، افق پیش ­بینی ^[۱۰۱] می‌گویند. اگر بخواهیم فقط یک نمونه زمانی در آینده را پیش‌بینی کنیم s را برابر ۱ در نظر می‌گیریم. در واقع این مبحث، یک مسئله تقریب تابع^[۱۰۲] هست که برای حل آن باید ابتدا یک مدل در نظرگرفته وآن را روی همه مقادیرگذاشته x[t_i] آموزش دهیم و سپس مدل را برای پیش‌بینی x[t+s] اجرا کنیم. به عبارتی می‌توان پیش‌بینی را به دید یک نگاشت ^[۱۰۳]یا تابع در نظرگرفت که x ورودی و y خروجی (یک مقدار پیوسته یا با ترتیب) می‌باشد که قرار است این تابع و رابطه x و y را یاد بگیریم.
از میان روش‌های متعدد گسترش یافته در این حوزه مانند روش‌های کالمن فیلترینگ [۴]، [۳]، متدهای آماری غیرپارامتریک [۵]، [۶]، روش‌های یادگیری متوالی [۷] مدل‌های شبکه‌عصبی [۸-۱۲] و آنالیزهای سری‌های زمانی[۱۳-۱۷] از پرکاربردترین متدهای مورد استفاده به حساب می‌آیند. در نگاهی کلی، (۱) روش‌های آنالیز سری‌های زمانی بر روی ویژگی‌های سری زمانی بودن داده‌ها، تکیه دارند و غالبا برای این فرض استوارند که داده‌های ثبت شده در طی زمان‌های مختلف نسبت به هم همبستگی^[۱۰۴] دارند. (۲) الگوریتم‌های شبکه عصبی مصنوعی نیز متدهای یادگیری باناظر^[۱۰۵] هستند که با بکارگیری مدل‌های مختلف همچون RBF، TDNN،… و تنظیم انواع پارامترها شامل تعداد لایه‌ها و نرون‌ها، سعی در حل مسئله پیش‌بینی ترافیک دارد. علاوه بر این، نظر به گرایش قابل ملاحظه‌ای از تحقیقات اخیر به سمت (۳) روش‌های داده کاوی، در قسمت بعدی به بررسی آن‌ها می‌پردازیم. در واقع تکنیک های داده کاوی قابلیت استخراج اطلاعات از پایگاه داده‌های بزرگ همچون داده‌های ترافیکی را دارند. در ادامه به توضیح و بررسی هرکدام از این روش‌ها می‌پردازیم.

روش‌های مبتنی بر آنالیزهای سری زمانی:

نظر به ارائه‌ داده‌های ترافیکی در غالب داده‌های سری زمانی، آنالیزهای سری زمانی بطور گسترده‌ای مورد استفاده‌ی این حوزه قرار گرفتند. در واقع آنالیزهای سری زمانی در جهت استخراج آمارهای معنادار و دیگر خصوصیات از داده سری زمانی مورد استفاده قرار می‌گیرند. همچنین فرض اصلی آنالیزهای سری زمانی، به همبستگی داده‌های جمع آوری شده در طول زمان، استوار است .[۲۲] این موضوع از دهه ۹۰ در مبحث پیش ­بینی کوتاه مدت ترافیک اهمیت زیادی پیدا کرده است. بسیاری از روش‌های عضو این دسته، مبتنی بر مدل معروف” میانگین متحرک خودگردان یکپارچه^[۱۰۶] (ARIMA) هستند که با توجه به پرکاربرد بودن آن در بسیاری از تحقیقات همچون [۱۳] ، [۱۴]، [۱۵] ،[۱۷] در ابتدا مروری بر مفاهیم آن خواهیم داشت.
مدل‌های ARIMA در سری‌های زمانی برای توصیف مدل یا پیش ­بینی وضعیت آینده به کار گرفته می‌شوند. این مدل سه پارامتر مهم q,d,p دارند که به ترتیب درجه خودگردانی^[۱۰۷]، یکپارچگی^[۱۰۸] و میانگین متحرک^[۱۰۹] هستند. صفر بودن هرکدام از این پارامترها، نشان دهنده‌ی مدل‌های Auto-Regression(AR) که همان ARIMA(1,0,0)، مدل‌های Integrated(I) یا ARIMA(0,1,0) و مدل‌های Moving Average(MA) که برابر با ARIMA(0,0,1) می‌باشد. بطور کلی، مدل‌های ARIMA در مواردی که داده‌ی مورد بررسی غیر ایستا^[۱۱۰] داشته باشند و روند آن‌ها قابل تشخیص باشد، بکار گرفته می‌شوند. اگر x_t سری زمانی داده شده باشد که t یک عدد صحیح شاخص و x_t عدد حقیقی باشد، پیش ­بینی با ARIMA را می‌توان ترکیبی از مدل‌های wide-sense stationary بصورت زیر در نظر گرفت:

(۳-۴)

( ۱- ) X_t = ( ۱+ ) ε_t

که در آن پارامتر L عملگر تأخیر و مربوط به بخش خودگران مدل و پارامتر قسمت میانگین متحرک هستند. همچنین _tε نمایانگر خطای مدل می‌باشد و در حالت ایستا^[۱۱۱] بصورت:

(۳-۵)

در نظر گرفت. بدین ترتیب می‌توان از تکنیک‌های استاندارد پیش ­بینی جهت فرموله کردن فرایند Y_t استفاده کرد و داده در زمان t یعنی x_t را تخمین زد. [۳۶]
در سال ۱۹۹۵، یک مدل سری‌زمانی با بهره گرفتن از روش Box Jenkin، ]۱۵[،ارائه شد که در واقع با بکارگیری مدل‌های ARIMA به دنبال پیدا کردن تطابق سری زمانی با داده‌های بیشتر بودد. این تحقیق با هدف پیش ­بینی نرخ ترافیک^[۱۱۲] آینده و بر روی پایگاه داده‌ی نرخ ترافیکی از ۵ شریان اصلی شهر انجام شد. این روش قادر بود تا تنها با نگهداری آخرین خطای تخمینی و نمونه جریان ترافیکی جاری، مدل­سازی را انجام دهد که این مطلب از جمله ویژگی‌های مطلوب آن محسوب می‌شد [۳۵].
در راستای بهبود کیفیت پیش‌بینی در روش‌های مبتنی بر مدل‌های ARIMA، در سال ۱۹۹۹ مدل ARIMA Subset ارائه شد که تنها تفاوت آن با مدل ARIMA استفاده از تعداد کمتر ضرایب غیرصفر در بردار ضرایب بود. این مدل با سه مدل دیگر با نام‌های مخفف FAR^[113]، ^[۱۱۴]SAR و Full ARIMA مقایسه و بر روی داده‌های جمع آوری شده در طول ۷ ساعت از روز در بازه‌های ۵ دقیقه‌ای اعمال شد. هدف این مدل‌ها پیش ­بینی نرخ ترافیکی مربوط به یک گام جلوتر بود و به منظور ارزیابی آنها دو تست نویز سفید^[۱۱۵] نیز اعمال شد. نتایج نشان داد که از میان دیگر مدل‌های سری زمانی، Subset ARIMA دقیق‌ترین نتیجه و بالاترین کارایی را خواهد داشت[۱۳].
علاوه بر این، اگر مدل‌های ARIMA برای واریانس خطا در نظر گرفته شود، مدل حاصل GARCH^[116] ارائه شده توسط [۳۷] خواهد بود. در سال ۲۰۰۵، Kamarianakis و همکارانش مدل GARCH را با هدف ارائه خاصیت داینامیک جریان‌های ترافیکی به کار گرفتند. در واقع نظر به تغییرات واریانس جریان‌های ترافیکی در طول زمان، هدف این مطالعه ارائه بازه‌های اطمینان بهتر، در خصوص پیش‌بینی بود. این تحقیق به روی داده‌های جمع‌ آوری شده توسط حلقه‌های تشخیص وسائل نقلیه که در خیابان‌های اصلی منتهی به مرکز شهر آتن در یونان قرار داده شده بودند، انجام شد. در واقع با توجه به کارآیی مناسب مدل ARIMA در خصوص پیش‌بینی کوتاه‌مدت و پریودیک، این مدل با مدل GARCH ترکیب شد تا به کارآیی بالاتری دست یابد [۱۶].

این روش به داده های ورودی بر پایه اطلاعات توصیفی، قضاوت مهندسی و تجربه به عنوان اساس آنالیز احتمال و پیامد ازکارافتادگی احتیاج دارد. ورودی ها اغلب به جای مقادیر مجزا و جداگانه، بصورت محدوده ای از داده ها می باشند. نتایج نوعا بصورت عبارات کیفی مانند زیاد، متوسط و کم خواهند بود، ولیکن مقادیر عددی نیز ممکن است به هر کدام از این رده بندی ها نسبت داده شود. مزیت این نوع از آنالیز در امکان تکمیل ارزیابی ریسک تحت شرایط نبود داده های کمی می باشد. دقت نتایج حاصل از آنالیز کیفی، بستگی به سابقه تجربی و مهارت شخصی آنالیز کننده دارد.[۶]
مبانی آنالیز ریسک به روش کیفی همانند روش نیمه کمی است، ولی در این روش به جزئیات کمتری جهت آنالیز ریسک نیاز می باشد و فرایند آنالیز ریسک می تواند در مدت زمان بسیارکوتاه تری نسبت به روش کمی انجام گیرد. با اینکه دقت نتایج به دست آمده در این روش کمتر از دقت نتایج روش کمی انجام گیرد. با اینکه دقت نتایج به دست آمده در این روش کمتر از دقت نتایج روش کمی است، ولیکن از آن می توان برای اولویت بندی برنامه بازرسی استفاده کرد.

( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

آنالیز کیفی بر اساس استاندارد API 581 می تواند در هر یک از سطوح زیر انجام شود:
الف-یک واحد عملیاتی : مثلاً کل یک پالایشگاه
ب- یک منطقه اصلی و یا قسمت عملکردی از واحد عملیاتی : مثلاً واحد تقطیر در خلا یک پالایشگاه
پ-یک سیستم ( قسمت اصلی دستگاه و تجهیزات جانبی آن) : مثلاً یک کوره اتمسفری شامل مبدل پیش گرم کننده و پمپ های تغذیه
واژه ‹‹ واحد ›› ممکن است در هر کدام از سطوح فوق به کار رود. روش کمی به میزان زیادی تحت تاثیر مقدار تجهیزاتی است که در واحد مورد نظر قرار گرفته اند. بایستی توجه داشت که در بررسی های مقایسه ای باید تعداد تجهیزات واحدهایی که با هم مقایسه می شوند برابر باشد. آنالیز کیفی می تواند بر اساس ‹‹ دستورالعمل ›› ارائه شده در پیوست A استاندارد API 581 انجام گیرد که در آن یک سری از جداول به کاربر کمک کرده تا ریسک را محاسبه نماید . این جداول بدین منظور طراحی شده اند که یک پالایشگاه معمولی بتواند در مدت کوتاهی مورد ارزیابی قرار گیرد .
آنالیز کیفی RBI شامل سه مرحله اصلی است :
الف- ارزیابی اولیه واحدهای موجود در یک سایت به منظور انتخاب سطح آنالیز مورد نیاز و تعیین فواید آنالیز دقیق تر ( مانند آنالیز کمی و یا تکنین های دیگر ) ;
ب- درجه بندی میزان ریسک واحدها و تعیین موقعیت آنها بر روی ماتریس ریسک ;
پ- تعیین نواحی بحرانی تر که ممکن است نیازمند توجه بیشتری در برنامه بازرسی باشند .
در آنالیز کیفی ابتدا فاکتوری که نشان دهنده احتمال وقوع از کارافتادگی است مشخص شده ، سپس فاکتوری برای پیامدهای وقوع از کارافتادگی مشخص می شود; آنگاه با ترکیب دو فاکتور فوق موقعیت واحد مورد نظر در ماتریس ریسک تعیین شده و ریسک واحد رتبه بندی می شود. قبل از انجام مراحل جزئی تر آنالیز کیفی RBI ، کاربر می تواند یک ارزیابی اولیه ساده انجام دهد تا ریسک نسبی بین واحدها را تعیین کند .
۳-۱-۱-۱رتبه بندی واحدها بر اساس ریسک بالقوه:
نتیجه آنالیز کیفی ریسک ، ارائه یک درجه بندی ریسک برا ی واحد عملیاتی با دسته بندی دو مؤلفه ریسک ( احتمال وقوع از کارافتادگی و عواقب آن ) می باشد. مواد شیمیایی موجود و مرز فیزیکی منطقه مورد مطالعه بایستی قبل از انجام آنالیز کیفی تعیین گردند. در ادامه یک شرح کلی از فاکتورهایی که بایستی در طول انجام آنالیز کیفی تعیین شوند ، آمده است. [۷]
۳-۱-۱-۲ احتمال وقوع از کارافتادگی:
بخشA از ‹‹دستورالعمل›› آنالیز کیفی ریسک در مورد تعیین دسته احتمال وقوع از کارافتادگی بوده که شامل شش فاکتور اثرگذار بر احتمال وقوع یک نشتی بزرگ می باشد. هر یک از این شش فاکتور وزن دهی شده ، و از ترکیب آنها فاکتور احتمال وقوع از کارفتادگی به دست می آید. این فاکتور بر روی محور عمودی ماتریس ریسک رسم می شود.[۸] شش فاکتوری که بر احتمال وقوع از کارافتادگی موثرند عبارتند از :
۱-تعداد تجهیزات یا فاکتور تجهیزات^[۱۸]
۲-مکانیزم های تخریب یا فاکتور تخریب^[۱۹]
۳-مناسب بودن بازرسی یا فاکتور بازرسی^[۲۰]
۴-شرایط فعلی دستگاه یا فاکتور شرایط^[۲۱]
۵-طبیعت فرایند یا فاکتور فرایند^[۲۲]
۶-طراحی دستگاه یا فاکتور طراحی مکانیکی^[۲۳]
مجموع این شش مولفه فاکتور کلی، احتمال وقوع از کارافتادگی را تعیین می کند، سپس دسته احتمال از کارافتادگی بر اساس فاکتور احتمال از کارافتادگی به دست می آید .
فاکتور تجهیزات (EF) : این فاکتور وابسته به تعداد اجزایی است که در واحد مورد ارزیابی قرار دارند و احتمال از کارافتادگی آنها وجود دارد . فاکتور تجهیزات دارای ماکزیمم ۱۵ نمره است .
فاکتور تخریب (DF) : این فاکتور میزانی از ریسک است که مربوط به یک مکانیزم تخریب شناخته شده در واحد می باشد. این مکانیزم تخریب شناخته شده در واحد می باشد. این مکانیزم ها شامل خوردگی عمومی ، ترک ناشی از سوختگی ، قرار گرفتن در معرض دمای پایین و اضمحلال ناشی از دمای بالامی باشد ، این فاکتور می تواند ماکزیمم ۲۰ نمره از کل نمره ارزیابی را داشته باشد .
فاکتور بازرسی (IF) : این فاکتور نشان دهنده میزان کارایی برنامه بازرسی فعلی بوده و توانایی آن در تشخیص مکانیزم های تخریب فعال و یا پیش بینی شده در واحد می باشد . برای تعیین این فاکتور بایستی نوع تکنیک های بازرسی مورد استفاده ، میزان درصد پوشش دهی هر تکنیک و مدیریت بازرسی را مدنظر قرار داد. از آنجایی که کیفیت یک برنامه بازرسی احتمال وقوع از کارافتادگی را کاهش می دهد ، این فاکتور با مقادیر منفی وزن دهی می شود . ماکزیمم مقدار برای فاکتور بازرسی ۱۵نمره می باشد
فاکتور شرایط (CCF) : این فاکتور شرایط فیزیکی دستگاه را از دیدگاه نت ( نگهداری و تعمیر ) مد نظر قرار می دهد. یک ارزیابی ساده می تواند با بررسی وضعیت ظاهری دستگاه انجام گیرد. این فاکتور می تواند ماکزیمم ۱۵ نمره داشته باشد .
فاکتور فرایند (PF) : این فاکتور نشان دهنده پتانسیل ایجاد شرایط غیرنرمال و یا بحرانی است که می تواند آغاز گر دنباله ای از حوادث که درانتها منجر به خروج محتویات داخل دستگاه تحت فشار گردد، باشد. این فاکتور تابعی از تعداد توقف های عملیات و یا وقفه های ایجاد شده در فرایند ( چه برنامه ریزی شده و چه برنامه ریزی نشده ) ، پایداری فرایند، و پتانسیل از کارافتادگی تجهیزات حفاظتی به واسطه گرفتگی ( مسدود شدن ) و یا دیگر عوامل می باشد .این فاکتور می تواند ماکزیمم ۱۵ نمره داشته باشد
فاکتور طراحی مکانیکی ( MDF) : این فاکتور نشان دهنده ضریب اطمینان در نظر گرفته شده در هنگام طراحی واحد، مطابقت با استانداردهای فعلی ، منحصر به فردبودن واحد، میزان پیچیدگی آن و خلاقیت به کار گرفته شده در طراحی می باشد .فاکتور طراحی مکانیکی نیز می تواند ماکزیمم ۱۵ نمره داشته باشد.
۳-۱-۱-۳ پیامدهای وقوع از کارافتادگی:
دو خطر بالقوه در پالایشگاه و واحدهای پتروشیمی وجود دارد : (الف) آتش و انفجار (ب) سمیت. در آنالیزهای RBI ، به منظور تعیین پیامدهای ناشی از سمیت ، فقط تاثیرات حاد و شدید درنظر گرفته می شود.[۹]
در آنالیز پیامدهای ناشی از وقوع ازکارافتادگی ، دو فاکتور به صورت جداگانه محاسبه می شوند: فاکتور پیامدهای ناشی از تخریب و فاکتور پیامدهای ناشی از سمیت . این فاکتورها وابسته به نوع ماده شیمیایی موجود در داخل تجهیزات می باشند. از آنجایی که بیشتر مواد شیمیایی دارای یک ریسک غالب هستند ( یا آتش گیری و انفجار و یا سمیت ) ، بنابراین اگر ریسک غالب ریسک غالب ماده شیمیایی مورد نظر شناخته شده باشد ، کافی است به جای دو فاکتور فوق فقط فاکتور مربوط به آن ریسک را محاسبه کنیم . در آنالیز کیفی ریسک ، فاکتوری که دسته بالاتری از پیامدهای وقوع کارافتادگی را ارائه دهد ، به عنوان فاکتور نهایی پیامدهای وقوع از کارافتادگی در نظر گرفته می شود . باید توجه داشت که اگر ماده ای خواص آتش گیری نداشته باشد می توان بخش B از ‹‹دستورالعمل ›› کیفی ( پیوست A استاندارد API 581 ) را حذف نمود. همچنین اگر خطر سمیت وجود نداشته باشد می تواند بخش C را حذف کرد.] ۱ [
اگر چندین ماده شیمیایی بادرصدهای نسبتاً زیاد در ناحیه مورد ارزیابی قرار داشته باشند ، کاربر بایستی برای هر ماده شیمیایی فاکتورهای فوق را جداگانه حساب کند. یک روش ساده این است که فقط موادی که سمی هستند به اضافه موادی که ۹۰ تا ۹۵ درصد جرمی مواد شیمیایی موجود را تشکیل می دهند، در نظر گرفته شوند .
دسته پیامدهای ناشی از تخریب : برای تعیین این دسته بایستی بخش B از workbook آنالیز کیفی ریسک را به کار برد. برای تعیین این فاکتور از هفت زیر فاکتور زیر استفاده می شود :
الف- تمایل ذاتی به اشتعال یا فاکتور ماده شیمیایی^[۲۴]
ب- مقدار ماده ای که می تواند از دستگاه خارج شود یا فاکتور کمیت^[۲۵]
پ- توانایی تبدیل به حالت گاز یا بخار یا فاکتور حالت^[۲۶]
ت-احتمال خود اشتغالی یا فاکتور خوداشتغالی^[۲۷]
ث-تاثیرات عملیات در فشار بالا یا فاکتور فشار^[۲۸]
ج-سیستم ایمنی یا فاکتور اعتبار^[۲۹]
چ-درجه در معرض تخریب قرار گرفتن یا فاکتور پتانسیل تخریب^[۳۰]
فاکتور ماده شیمیایی CF)): تمایل ذاتی مواد شیمیایی برای اشتعال ، بااستفاده از ترکیبی از فاکتور نقطه اشتعال ماده و فاکتور واکنش دهی آن تعین می گردد. فاکتور نقطه اشتعال با توجه به کلاس بندی ماده بر اساس استاندارد (NFPA) بوده و فاکتور واکنش دهی تابعی از میزان توانایی ماده برای انفجار هنگامی که در معرض یک منبع اشتعال قرار می گیرد ، می باشد .

شکل ۵-۱۰: روند خطی وپلی نومیال درجه ۶ بارش ایستگاه سرپل ذهاب (۲۰۱۲- ۱۹۸۸) …………………………………………………………۵۴
شکل ۵-۱۱: رگرسیون بین مقادیر واقعی وپیش بینی شده میانگین بارش دوره­ای در ایستگاههای مورد مطالعه ……………………………۵۶
شکل ۵-۱۲: نمودار من کندال تغییر جهش بارش ایستگاه کرمانشاه …………………………………………………………………………………………۵۸
شکل ۵-۱۳: نمودار من کندال تغییر جهش بارش ایستگاه اسلام آباد غرب ……………………………………………………………………………….۵۸
شکل ۵-۱۴: نمودار من کندال تغییر جهش بارش ایستگاه کنگاور …………………………………………………………………………………………….۵۹
شکل ۵-۱۵: نمودار من کندال تغییر جهش بارش ایستگاه سرپل ذهاب …………………………………………………………………………………….۵۹
شکل ۵-۱۶: نمودار من کندال تغییر جهش بارش ایستگاه روانسر …………………………………………………………………………………………….۶۰
شکل ۵-۱۷: نمودار سری زمانی بارش ایستگاه کرمانشاه …………………………………………………………………………………………………………۶۳
شکل ۵-۱۸: نمودار خود همبستگی بارش ایستگاه کرمانشاه …………………………………………………………………………………………………….۶۳
شکل ۵-۱۹: نمودار خود همبستگی جزئی بارش ایستگاه کرمانشاه …………………………………………………………………………………………..۶۴
شکل ۵-۲۰: نمودار بررسی همگنی واریانس ایستگاه کرمانشاه ………………………………………………………………………………………………..۶۴
شکل ۵-۲۱: نمودار سری زمانی پیش بینی سال­های (۲۰۱۶- ۲۰۱۱) ایستگاه کرمانشاه …………………………………………………………….۶۵
شکل ۵-۲۲: نمودار سری زمانی بارش ایستگاه اسلام آباد غرب ……………………………………………………………………………………………….۶۷
شکل ۵-۲۳: نمودار خود همبستگی بارش ایستگاه اسلام آباد غرب ………………………………………………………………………………………….۶۸
شکل ۵-۲۴: نمودار خود همبستگی جزئی بارش ایستگاه اسلام آباد غرب …………………………………………………………………………………۶۸
شکل ۵-۲۵: نمودار بررسی همگنی واریانس ایستگاه اسلام آباد غرب ………………………………………………………………………………………۶۹
شکل ۵-۲۶: نمودار سری زمانی پیش بینی سال­های (۲۰۱۶- ۲۰۱۱) ایستگاه اسلام آباد غرب …………………………………………………..۶۹
شکل ۵-۲۷: نمودار سری زمانی بارش ایستگاه کنگاور ……………………………………………………………………………………………………………۷۱
شکل ۵-۲۸: نمودار خود همبستگی بارش ایستگاه کنگاور ……………………………………………………………………………………………………….۷۲
شکل ۵-۲۹: نمودار خود همبستگی جزئی بارش ایستگاه کنگاور………………………………………………………………………………………………۷۲
شکل ۵-۳۰: نمودار بررسی همگنی واریانس ایستگاه کنگاور ……………………………………………………………………………………………………۷۳
شکل ۵-۳۱: نمودار سری زمانی پیش بینی سال­های (۲۰۱۶- ۲۰۱۱) ایستگاه کنگاور ……………………………………………………………….۷۳
شکل ۵-۳۲: نمودار سری زمانی بارش ایستگاه سرپل ذهاب ……………………………………………………………………………………………………۷۵
شکل ۵-۳۳: نمودار خود همبستگی بارش ایستگاه سرپل ذهاب ……………………………………………………………………………………………….۷۶
شکل ۵-۳۴: نمودار خود همبستگی جزئی بارش ایستگاه سرپل ذهاب ………………………………………………………………………………………۷۶
شکل ۵-۳۵: نمودار بررسی همگنی واریانس ایستگاه سرپل ذهاب ……………………………………………………………………………………………۷۷
شکل ۵-۳۶: نمودار سری زمانی پیش بینی سال­های (۲۰۱۶- ۲۰۱۱) ایستگاه سرپل ذهاب ……………………………………………………….۷۷
شکل ۵-۳۷: نمودار سری زمانی بارش ایستگاه روانسر …………………………………………………………………………………………………………..۷۹
شکل ۵-۳۸: نمودار خود همبستگی بارش ایستگاه روانسر ……………………………………………………………………………………………………….۸۰
شکل ۵-۳۹: نمودار خود همبستگی جزئی بارش ایستگاه روانسر ………………………………………………………………………………………………۸۰
شکل ۵-۴۰: نمودار بررسی همگنی واریانس ایستگاه روانسر ……………………………………………………………………………………………………۸۱
شکل ۵-۴۱: نمودار سری زمانی پیش بینی سال­های (۲۰۱۶- ۲۰۱۱) ایستگاه روانسر ……………………………………………………………….۸۱
شکل ۵-۴۲: نمودار میانگین واقعی وپیش بینی شده ایستگاههای مورد مطالعه ………………………………………………………………………….۸۷
فصل اول:
کلیات پژوهش
۱-۱-مقدمه
اخیرا یکی از مباحث بسیار مهم در بحث آب و هوای مناطق مختلف موضوع اقلیم و تغییر آن به عنوان یک وضعیت برگشت ناپذیر بوده و بسیاری از محققان به ابعاد مختلف این مهم پرداخته­اند. یکی از مظاهر و پیامدهای این پدیده تغییر در عناصر اقلیمی بویژه دما و بارش مناطق مختلف است. به هم خوردن اندکی از تعادل اقلیم جهان موجب شده متوسط درجه حرارت کره­ی زمین تمایل به روند افزایشی را نشان دهد )حجازی زاده،۴۳:۱۳۸۸ )
در ایران بارش یکی از متغیرهای اساسی برای ارزیابی منابع آب بالقوه­ی موجود است ، اما توزیع زمانی و مکانی آن بسیار ناهمگن است و به همین دلیل توزیع منابع آب کشور یکنواخت نیست. نگهداری و مدیریت منابع آب، تابعی از بارش دریافتی و تغییرپذیری بارش می­باشد. هر چه تغییرات مکانی بارش کوچکتر باشد منابع آب نیز ثابت­تر خواهد بود و عرضه دائمی آب امکان پذیرتر می­ شود. به همین دلیل تغییرپذیری زمانی بارش در ارزیابی منابع آب موجود آبخیزها و مطالعه نسبی منابع آ ب موجود در مقیاس محلی و منطقهای اهمیت زیادی دارد. (مسعودیان، ۱۳۹۰: ۱۲۱)

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

کنترل و هدایت میزان تغییرات بارش به عنوان عنصر اصلی در خشکسالی اقلیمی از اهمیت زیادی برخوردار است. از آن جایی که موقعیت ایران میان ۲۵ تا ۳۹ درجه عرض شمالی است، مهم­ترین عوامل کنترل آب و هوایی آن را باید هم در نتطقه حاره و هم در برون حاره جستجو کرد. ایران در محل حضور دو رژیم هدلی و رزبای قرار دارد و با توجه به موجی بودن حرکات مداری هوا در این منطقه براساس شدت و ضعف رژیم رزبای در بهار، به تناوب دستخوش امواج هوای سرد وگرم است. از آنجایی که سیستم های سینوپتیک عامل یخبندان های بهاره ایران، هر سال با فراوانی و شدت متناوب تکرار می شوند آن­ها را باید جزء خصایص مسلم آب و هوایی ایران به شمار آورد.
بنابراین به دلیل واقع شدن ایران در معرض هجوم این سیستم­ها، اکثر مناطق کشور( از جمله استان کرمانشاه) دارای رژیم بارشی می­باشند. بنابراین پیش ­بینی و پایش دراز مدت شرایط اقلیمی در هر منطقه می ­تواند راهکار مناسبی جهت مقابله با عوارض ناگوار تغییرات اقلیمی (یخبندان، خشکسالی، سیل و غیره) باشد. (شکیبا،۵۱:۱۳۸۹)
۱-۲- بیان مسأله:
تغییر اقلیم از طریق ردیابی مشخصاتی نظیر کمیت­ و الگوی زمانی- مکانی عناصر اقلیمی قابل مطالعه است. در این میان مطالعه­ بارش­­ از رواج­ زیادی برخوردار است. بارش­ به عنوان یکی­ از عناصر بنیادی ­اقلیم­ به­ ویژه­ طی قرن ­بیستم­ در عرض­های ­میانه­ و بالای نیمکره­ی­ شمالی­ در حدود۱ % درصد افزایش داشته­ است. ازطرف ­دیگر در خشکی­های­ جنب­ حاره (عرض­۳۰-۱۰درجه­شمالی) روند بارش­در حدود ۳%درصد کاهش ­یافته­ است­ و در نواحی­ حاره­ای افزایش­ نسبی بارش­ در حدود ۲%-۳% بوده است. (ماسمن^[۱] ­و همکاران،۴۳:۲۰۰۴ ) به­ دنبال تأثیراتی­ که­ پدیده­ ­تغییر اقلیم بر عناصر اقلیمی جهان داشته­ است، اندیشمندان ­ایرانی نیز طی­ دهه­های­ اخیر در تکاپو برای­ بررسی ­تأثیرات پدیده­ مذکور بر عناصر اقلیم­ ایران بوده ­اند. در این­ راستا برخی ­محققین­ توجه ­خود را بر تغییرات­ بلند مدت بارش معطوف­ داشته اند. (عساکره­ وهمکاران ،۶۲:۱۳۹۱) در ایران، بارش از مهم­ترین پارامترهای حیاتی و پاره­ای مهم در ساختمان اقلیم به شمار می­رود. هر چند بارش در گستره ایران سرشتی تناوبی دارد، اما توزیع مکانی و زمانی آن به شدت ناموزون است. (مسعودیان، ۱۳۲:۱۳۹۰ ) به همین خاطر وابستگی آشکار یا پنهان به بارش سبب توزیع ناموزون در منابع آب، حیات جانوری و غیره گردیده است. نایکنواختی در توزیع مکانی و زمانی بارش به ترتیب به ناهمواری­ها و آرایش آن­ها و موقعیت جغرافیایی ایران مربوط می­ شود بر همین اساس است که آرایش جغرافیایی نواحی بارشی در ایران، وابستگی مقدار بارش به ناهمواری­ها و زمان بارش را به عرض جغرافیایی نشان می­دهد. (همان منبع :۷۹) به­ طور کلی­ بر اساس ­مدل­های­ شبیه­سازی­ و سناریوها­ی متعدد، متوسط ­تراکم تبخیرآب ­در جهان ­و میزان بارندگی ­در طی قرن ۲۱ در عرض­های میانی ­و بالای کره­ه­ی ­زمین ­در زمستان­ افزایش خواهد یافت­ ولی ­از سوی­ دیگر بین عرض­های جغرافیایی پایین­ انتظار افزایش ­و هم کاهش­ را خواهیم­ داشت. همچنین­ در مناطقی­ که ­افزایش متوسط بارندگی بیشترا نتظار می­رود، تغییرات سالانه بارندگی بیشتر خواهد بود. (اروزوی­ یلدیریم^[۲] و همکاران ،۴۳:۴۰۰۴) در هر سال­ بین بارندگی آن سال­ و پدیده ­های ­دیگر رابطه­ معین­ و نظمی پایدار حاکم ­است. اما وضعیت پراکندگی پدیده ­ها از سالی به ­سال ­دیگر فرق می­ کند و در نتیجه­ مقدار بارش ­و یا شدت رابطه نیز تغییر می­ کند. بنابرین برای ­دسترسی به ­یک نتیجه­ پایدار و حالت­ غالب­ از مدل­­ها و روش­های­ آماری ­و قانون احتمالات­ استفاده می­ شود. مثلاٌ برای ناحیه ­بندی بارش ­ایران، شناخت­ نظم حاکم­ در شیب مکانی بارش بین شرق ­و غرب­ ایران ­از مدل­های ­آماری ­و ریاضی ­استفاده می­ شود. (علیجانی، ۱۲:۱۳۷۱) تحلیل آزمون­ آماری- گرافیکی من کندال و همچنین پیش بینی رفتار یک متغیر بااستفاده از مدل آریما ، ­از جمله مهم­ترین­ روش­های آماری می­باشد­ که ­در مطالعه­ تغییرات بارش مورد استفاده قرار می­گیرد. بر همین­ اساس ­این مطالعه ­در راستای پرکردن خلا ء مطالعاتی با عنوان­ آشکارسازی تغییرات بارش دراستان کرمانشاه­ انجام می­ شود.
۱-۳-سؤالات اصلی پژوهش:
۱- روند تغییرات بارش در استان کرمانشاه از چه الگویی تبعیت می­ کند؟
۲- آیا مقادیر بارش استان کرمانشاه در طی دوره آماری مورد مطالعه تغییر معنی­داری داشته است؟

تودور و همکاران (۲۰۱۳)

نقش تکنیک­های پیلاتس در بهبود مؤلفه­ های ظرفیت تعادل، هماهنگی و چابکی در کودکان ژیمناست.

تأثیر معنادار

جعفری و رمضانی(۱۳۹۱)

اثر هشت هفته تمرین همزمان استقامتی­تناوبی و مقاومتی و استقامتی­تداومی و مقاومتی بر قدرت، ترکیب­بدنی و پروفایل­های­لیپید درپسران غیرورزشکار ۱۴ تا ۱۷ سال با اضافه وزن.

تأثیر معنادار

امیدعلی و همکاران(۱۳۹۱)

أثیر تمرینات پیلاتس بر روی برخی عوامل فیزیولوژیکی و آمادگی جسمانی زنان غیر ورزشکار دارای اضافه وزن،

بر BMI تأثیر نداشت

۲-۴. جمع بندی
با توجه به پیشینه­ی تحقیقات داخلی و خارجی، یافته ها به طور کلی نشان می دهند که تمرین پیلاتس بر آمادگی جسمانی، ترکیب بدن و افسردگی تأثیر دارد. هرچند اکثر این تحقیقات تأثیر پیلاتس را بر وزن کل بدن و ساختار قامت تأیید نمی کنند، اما در تأثیر این نوع تمرین بر برخی مؤلفه های آمادگی جسمانی و روان شناختی مانند انعطاف پذیری و افسردگی توافق دارند. همچنین، این نتایج بر روی تأثیر ورزش پیلاتس بر برخی از مؤلفه های ترکیب بدن مانند BMI، WHR، درصد چربی توافق ندارند و نتایج متفاوتی را گزارش کرده اند. در مجموع، همان طور که آلادرو و همکاران^[۹۰](۲۰۱۱) نیز گزارش کرده اند، به نظر می­رسد در تحقیقات مربوط به پیلاتس، به ویژه تأثیر آن بر ترکیب بدن، هنوز چندین نقص روش­شناختی از جمله فقدان طرح­های درست تحقیق تجربی استاندارد، محدودیت در روش­های اندازه ­گیری، عدم کنترل کافی و نیز محدودیت­هایی در وضعیت تغذیه و غیره، احتمالاً در این قبیل نتایج دخیل می­باشند.
فصل سوم
روش تحقیق
۳-۱. مقدمه
در این فصل به روند اجرای پژوهش پرداخته شده است. در ابتدا به طرح و روش پژوهش، جامعه آماری، حجم نمونه و نحوه انتخاب نمونه، روش و چگونگی جمع آوری اطلاعات، متغیرهای پژوهش، ابزار و وسایل اندازه گیری پرداخته شده است. در ادامه، چگونگی جمع آوی و تجزیه و تحلیل داده ­های این تحقیق تشریح گردیده است.
۳-۲. روش تحقیق
با توجه به اهداف تحقیق و ماهیت موضوع ، تحقیق حاضر نیمه تجربی و به صورت میدانی است که با بهره گرفتن از طرح پیش آزمون و پس آزمون با گروه کنترل و آزمایش انجام شده است. این طرح از دو گروه شرکت کننده تشکیل شده و هردو گروه دو بار مورد سنجش قرار گرفته­اند. اندازه ­گیری اول با اجرای یک پیش­آزمون و اندازه گیری دوم، پس از اعمال متغیر مستقل برای گروه آزمایشی با یک پس آزمون بر روی هردو گروه آزمایش و کنترل انجام گردید. برای تشکیل گروه آزمایش و کنترل، نیمی از شرکت کننده ها در گروه اول و نیمی از آن ها در گروه دوم به طور تصادفی جایگزین شدند. شکل زیر دیاگرام طرح را نشان می­دهد.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

جدول۳-۱. طرح پیش آزمون و پس آزمون با گروه کنترل

گروه

پس آزمون

متغیر مستقل

پیش آزمون

انتخاب تصادفی

گروه آزمایشی

ET₂

×

E T₁

R_E

گروه کنترل

CT₂

–

CT₁

R_C

۳-۳. جامعه آماری و روش نمونه گیری
۳-۳-۱. جامعه آماری
جامعه­ آماری پژوهش، شامل کلیه­ دانش ­آموزان دختر غیرورزشکار دارای اضافه وزن ۱۴-۱۲ ساله­­ی دوره­ اول متوسطه­ی دبیرستان­های دولتی شهرستان لاهیجان بودند که در سال تحصیلی ۹۴-۱۳۹۳ مشغول به تحصیل بودند.
۳-۳-۲. نمونه آماری
به منظور جمع­آوری اطلاعات در پژوهش حاضر، تعداد ۳۰ دانش آموز دختر ۱۴-۱۲ ساله دارای اضافه وزن که شاخص توده­ی بدن(BMI) آنها با توجه به سن و جنسیت و نیز براساس ملاک پیشنهادی کمیته­ی تخصصی سازمان بهداشت جهانی^[۹۱] بین ۱۷/۲۲ و ۹۷/۲۷ کیلو گرم بر متربع بود، به طور داوطلبانه و به روش نمونه گیری دردسترس به عنوان حجم نمونه انتخاب شدند و سپس به طور تصادفی در دو گروه آزمایشی(۱۵نفر) و گروه کنترل(۱۵ نفر) جایگزین گردیدند.