با بررسی داده های مربوط به متغیر ویژگی های اندازه گیری عملکرد در کل مشاهده می شود که عامل مقایسه دستاوردهای شرکت در برابر بودجه دارای حداکثر میانگین امتیازات و تجزیه و تحلیل عملکرد واحدهای مختلف شرکت دارای حداقل میانگین امتیاز داده شده می باشد. متغیر ویژگی های اندازه گیری عملکرد در کل دارای میانگین ۸۲/۳ با انحراف معیار ۴۷/۰ می باشد که میانگین به دست آمده بیشتر از میانگین مورد انتظار(۳) می باشد.
با بررسی داده های مربوط به متغیر قابلیت اطمینان در کل مشاهده می شود که عامل قابل اطمینان بودن نظام اندازه گیری عملکرد شرکت دارای حداکثر میانگین امتیازات و منطبق بودن نظام اندازه گیری عملکرد با مأموریت شرکت دارای حداقل میانگین امتیاز داده شده می باشد. متغیر قابلیت اطمینان در کل دارای میانگین مجموع امتیازات ۰۴/۴ با انحراف معیار ۵۲/۰ می باشد که میانگین به دست آمده بیشتر از میانگین مورد انتظار(۳) می باشد.
با بررسی داده های مربوط به متغیر کاربرد خاص در کل مشاهده می شود که عامل برنامه ریزی و تصمیم گیری داخلی دارای حداکثر میانگین امتیازات و مربوط بودن نظام اندازه گیری عملکرد به عملکرد بازاریابی شرکت دارای حداقل میانگین امتیاز داده شده می باشد. متغیر کاربرد خاص در کل دارای میانگین ۳۰/۳ با انحراف معیار ۸۴/۰ می باشد که میانگین به دست آمده بیشتر از میانگین مورد انتظار(۳) می باشد.
با بررسی داده های مربوط به متغیر نوع استراتژی در کل مشاهده می شود که عامل ایجاد محصول یا نام تجاری خاص دارای حداکثر میانگین امتیازات و استاندارد سازی فرایند تولید و فروش شرکت دارای حداقل میانگین امتیاز داده شده می باشد. متغیر نوع استراتژی در کل دارای میانگین ۵۵/۳ با انحراف معیار ۸۶/۰ می باشد که میانگین به دست آمده بیشتر از میانگین مورد انتظار(۳) می باشد.
۵-۳) یافته ها و نتایج آمار استنباطی
در ارتباط با نتیجه آزمون فرضیه اول می توان نتیجه گرفت، رابطه معناداری بین ویژگی های نظام اندازه گیری عملکرد و کاربردی نمودن تصمیمات استراتژیک در شرکت ها با توجه به قابلیت اطمینان وجود دارد. نتیجه آزمون این فرضیه با نتایج مطالعات آرتز و همکاران^[۳۰۲] (۲۰۱۲) که وجود رابطه مستقیم و قابل قبولی بین ویژگی های نظام اندازه گیری عملکرد و کاربردی نمودن تصمیمات استراتژیک را تایید می کند، هم راستا می باشد.
در ارتباط با نتیجه آزمون فرضیه دوم می توان نتیجه گرفت، رابطه معناداری بین ویژگی های نظام اندازه گیری عملکرد و کاربردی نمودن تصمیمات استراتژیک در شرکت ها با توجه به کاربد خاص وجود دارد. نتیجه آزمون این فرضیه با نتایج مطالعات آرتز و همکاران (۲۰۱۲) که وجود رابطه مستقیم و قابل قبولی بین ویژگی های نظام اندازه گیری عملکرد و کاربردی نمودن تصمیمات استراتژیک را تایید می کند، هم راستا می باشد.
در ارتباط با نتیجه آزمون فرضیه سوم می توان نتیجه گرفت، رابطه معناداری بین ویژگی های نظام اندازه گیری عملکرد و کاربردی نمودن تصمیمات استراتژیک در شرکت ها با توجه به اندازه شرکت وجود دارد. نتیجه آزمون این فرضیه با نتایج مطالعات آرتز و همکاران (۲۰۱۲) که وجود رابطه مستقیم و قابل قبولی بین ویژگی های نظام اندازه گیری عملکرد و کاربردی نمودن تصمیمات استراتژیک را تایید می کند، هم راستا می باشد.
در ارتباط با نتیجه آزمون فرضیه چهارم می توان نتیجه گرفت، رابطه معناداری بین ویژگی های نظام اندازه گیری عملکرد و کاربردی نمودن تصمیمات استراتژیک در شرکت ها با توجه به نوع صنعت وجود دارد. نتیجه آزمون این فرضیه با نتایج مطالعات آرتز و همکاران (۲۰۱۲) که وجود رابطه مستقیم و قابل قبولی بین ویژگی های نظام اندازه گیری عملکرد و کاربردی نمودن تصمیمات استراتژیک را تایید می کند، هم راستا می باشد.
در ارتباط با نتیجه آزمون فرضیه چهارم می توان نتیجه گرفت، رابطه معناداری بین ویژگی های نظام اندازه گیری عملکرد و کاربردی نمودن تصمیمات استراتژیک در شرکت ها با توجه به نوع استراتژی وجود دارد. نتیجه آزمون این فرضیه با نتایج مطالعات آرتز و همکاران (۲۰۱۲) که وجود رابطه مستقیم و قابل قبولی بین ویژگی های نظام اندازه گیری عملکرد و کاربردی نمودن تصمیمات استراتژیک را تایید می کند، هم راستا می باشد
۵-۴) بحث و نتیجه گیری
این تحقیق به بررسی رابطه بین ویژگی های نظام اندازه گیری عملکرد و کاربردی شدن تصمیمات استراتژیک شرکت های پذیرفته شده در بورس اوراق بهادار پرداخته است. این تحقیق هم راستا با تحقیق های پیشین از جمله تحقیق آرتز و همکاران^[۳۰۳] تحت عنوان «طراحی سیستم اندازه گیری عملکرد و تصمیم گیری استراتژیک کاربردی با توجه به نقش ویژگی های اندازه گیری عملکرد» و بیزب و مالاگوینو^[۳۰۴] تحت عنوان « کاربرد سیستم اندازه گیری عملکرد استراتژیک ، آیا این سیستم در محیط های پویا کارآیی دارد؟» انجام گرفته است. با توجه به تحلیلی که از نتایج آزمون فرضیه های تحقیق در این فصل ارائه گردید، می توان گفت که میان ویژگی های نظام اندازه گیری عملکرد و کاربردی شدن تصمیمات استراتژیک شرکت با توجه به متغیرهای تعدیل گر، قابلیت اطمینان، کاربرد خاص ، اندازه شرکت و نوع استراتژی رابطه مثبتی وجود دارد.
شایان ذکر است که نتایج این تحقیق در حالت کلی با سایر تحقیق های انجام گرفته در این زمینه مطابقت و همخوانی دارد که از آن جمله می توان به موارد زیر اشاره نمود :
آرتز و همکارانش تحقیق خود را در سال ۲۰۱۲ در کشور آلمان بر روی ۱۹۲ مدیر بازاریابی شاغل در شرکت های آلمانی انجام دادندکه نتایج این تحقیق نشان داد که رابطه مثبتی بین استفاده از نظام اندازه گیری عملکرد برای تسهیل در تصمیم گیری ها در شرکت و کاربردی شدن تصمیمات استراتژیک وجود دارد.

( 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. )

بیزب و مالاگوینو در سال ۲۰۱۲ در تحقیقی به بررسی چگونگی تاثیر نظام اندازه گیری عملکرد استراتژیک بر عملکرد شرکت از طریق شکل دادن به برنامه های راهبردی و ارائه تصمیمات استراتژیک بر اساس فرایند های مجدد تدوین استراتژی پرداختند. نتایج این تحقیق نیز نشان دهنده رابطه ای مثبت بین نظام اندازه گیری عملکرد استراتژیک و و عملکرد شرکت ها از طریق تصمیمات استراتژیک بود.
جلالی فریز هندی و همکارانش به بررسی عوامل تاثیر گذار بر مدیریت استراتژیک و ارتباط آن با بهبود عملکرد شرکت در تحقیق خود پرداختند. در این تحقیق اثر بخشی به کارگیری نظام حسابداری مدیریت استراتژیک بر عملکرد سازمان مورد بررسی قرار داده شد. نتایج این تحقیق نشان داد که نوع استراتژی بر میزان مشارکت حسابداران مدیریت استراتژیک در تصمیم گیری های سازمانی تاثیر گذار می باشد. در این تحقیق همچنین رابطه میان متغیرهای مشارکت حسابدارن مدیریت در تصمیم گیری های استراتژیک، اندازه ی سازمان ، نوع استراتژی، تدوین استراتژی و جهت گیری بازار با به کارگیری سیستم های حسابداری مدیریت استراتژیک مورد بررسی قرار گرفت که نتایج نشان دهنده ی تاثیر هر پنج عامل در به کارگیری حسابداری مدیریت استراتژیک بود.
۵-۵) پیشنهادات تحقیق
با توجه به اهمیت موضوع اندازه گیری عملکرد و این که در دنیای پر تلاطم امروزی، شرکت هایی دوام خواهند آورد که به صورت مستمر عملکرد خود را بهبود بخشند. بنابراین توجه به موضوع مدیریت عملکرد از اهمیت روزافزونی برخوردار شده است. از آنجایی که مدیریت عملکرد نیازمند تصمیم گیری های مبتنی بر حقایق است. بنابراین یکی از مقدمات لازم دسترسی به اطلاعات قابل اتکاست. بر این اساس اندازه گیری عملکرد به عنوان یک پیش نیاز منطقی برای مدیریت عملکرد است. لذا برای بهبود و به کارگیری نظام اندازه گیری عملکرد در شرکت ها و سازمان ها پیشنهاداتی ارائه می گردد.
نظام اندازه گیری عملکرد باید از اهداف استراتژیک شرکت پشتیبانی کنند و برای تحقق این امر این نظام باید نشات گرفته از استراتژی کلی شرکت باشد.در غیر این صورت این نظام ممکن است فعالیت هایی را پشتیبانی کند که اثر معکوس بر اهداف استراتژیک بگذارد. به علاوه بهتر است به این نکته توجه شود که اکر در طول زمان ، استراتژی ها تغییر می یابند ،همچنین برخی از شاخص های عملکرد نیز تغییر خواهند کرد. در نتیجه پیشنهاد می شود که نظام اندازه گیری عملکرد شرکت همواره انعطاف پذیر باشد تا بتوان از آن طریق اطمینان حاصل نمود که با اهداف شرکت سازگار است.
پیشنهاد دیگر در مورد بهبود نظام اندازه گیری عملکرد شرکت از طریق متوازن نگاه داشتن این نظام است. این موضوع که نظام اندازه گیری عملکرد نباید تنها از نقطه نظر مالی دیده شود بسیار حیاتی است. یک نظام اندازه گیری عملکرد باید انواع مختلف شاخص های عملکرد را شامل شود تا تمام جنبه های مهم را برای فرایند تصمیم گیری و موفقیت شرکت پوشش دهد. توجه به این که در تعیین اهداف در بودجه هر دوره مدیران نفوذ زیادی دارند، ممکن است آن ها اهدافی را وضع کنند که به راحتی به آن ها می توان دست یافت. در مجموع تکیه به معیارهای مالی به تنهایی برای اطمینان از پیاده سازی موفق استراتژی ها کافی نیستند. راه حل ، طراحی یک نظام اندازه گیری عملکرد با ترکیبی از شاخص های مالی و غیر مالی است. لذا پیشنهاد می گردد بین شاخص های مختلف توازن برقرار شود. یعنی به صورت متناسبی بر روی نتایج کوتاه مدت، بلند مدت و انواع مختلف عملکرد (نظیر هزینه،کیفیت،انعطاف پذیری و…) جنبه های مختلف (نظیر مشتریان، رقبا، ذینفعان، نوآوری و …) و سطوح مختلف (نظیر عملکرد کلی و عملکرد بخشی) تمرکز داشته باشد.
به منظور عملکرد مناسب ضروری است که تعداد شاخص های عملکرد محدود باشد. افزایش تعداد شاخص ها نیاز به زمان تحلیل بیشتری دارد.گردآوری اطلاعاتی که از آن ها استفاده ای نمی شود یک اتلاف در وقت و سرمایه تلقی می شود. بنابراین پیشنهاد می شود که تنها داده هایی که برای یک هدف خاص کاربرد دارند و هزینه گردآوری آن ها از مزایای مورد انتظارشان بیشتر نیست گردآوری شوند.
با توجه به این که نظام اندازه گیری عملکرد از طریق ارائه اطلاعات منطقی از تصمیم گیری های استراتژیک مدیران در سطوح مختلف مدیریتی پشتیبانی می کند باید دقت شود که درجه اطمینان به اطلاعات استخراج شده از نظام اندازه گیری عملکرد افزایش یابد.همچنین این نظام باید به گونه ای طراحی گردند که اطلاعات مهم را در زمان مناسب و به شخص مناسب ارائه کنند.
۵-۶) محدودیت های تحقیق
مشکلاتی که در حین تحقیق امکان مواجه شدن با آن ها وجود دارد مواردی است که در صورت رفع و حل آن ها موجب خواهد شد که برنامه تحقیق بر طبق نقشه طرح شده به انجام برسد.معمولاً هر تحقیق با مشکلاتی همراه است و محقق جهت انجام تحقیقات و رسیدن به اهداف و خواسته های مطرح شده در اثر تحقیق خود طبیعتاً با مشکلاتی برخورد می کند که باید آن ها را بشناسد و در جهت رفع آن ها گام بردارد.بر این اساس محدودیت های این تحقیق عبارتند از :
در دسترس نبودن اطلاعات مورد نیاز تحقیق برای بعضی از شرکت های فعال در صنایع مذکور بورس اوراق بهادار تهران ، موجب کاهش تعداد نمونه آماری در این تحقیق و در نتیجه تعمیم پذیری یافته ها شده است.
نتایج به دست آمده در تحقیق حاضر محدود به شرکت های پذیرفته شده در بورس اوراق بهادار می باشد. لذا قابل تعمیم به شرکت های خارج از بورس نمی باشد.
۵-۷) پیشنهادات برای تحقیقات آتی
پیشنهاد می شود که در آینده محققان دیگر در زمینه های زیر به پژوهش بپردازند :
سنجش تاثیر نظام اندازه گیری عملکرد بر عملکرد مالی شرکت های پذیرفته شده در بورس اوراق بهادار.
بررسی نقش نظام اندازه گیری استراتژیک عملکرد بر کاربردی شدن تصمیمات استراتژیک.
پیشنهاد می گردد که تحقیق مشابه ای در صنایع مختلف و به صورت مقایسه ای نیز صورت پذیرد.
۵-۸) خلاصه فصل
در این فصل ابتدا به بحث و بررسی درباره یافته ها و نتایج حاصل از آمار توصیفی و استنباطی پرداخته شد و در ادامه پیشنهاداتی در راستای هدف گذاری تحقیق و محققان آتی ارائه گردید و در پایان محدودیت های تحقیق و محقق ذکر شد.
منابع
منابع :
آذر ، عادل. مومنی، منصور .(۱۳۹۰).”آمار و کاربرد آن در مدیریت(جلد ۱ و ۲)”. چاپ پانزدهم . تهران :سازمان مطالعه و تدوین کتب علوم انسانی دانشگاهها(سمت).
آرمسترانگ،مایکل.(۱۳۸۵) “مدیریت عملکرد راهبردی کلیدی و راهنمای عملی“. ترجمه سعید صفری.انتشارات جهاد دانشگاهی.
احمد پور،احمد. رسائیان، امیر.احمد زاده، حمید.(۱۳۸۵). “ارزیابی متوازن پایدار و معیارهای غیر مالی عملکرد” ماهنامه بورس ، شماره ۵۹، ص ص ۱۱-۴٫
استیل، ریچارد. منکینز، مایکل.(۱۳۸۶). ” از استراتژی عالی تا عملکرد عالی” .کار و جامعه ، شماره ۸۴-۸۳ ، ص ص ۷۷-۷۳٫
اسماعیل پور، مجید .(۱۳۷۶).” محدودیت های استفاده از نسبت های مالی در ارزیابی عملکرد شرکت ها ” . ماهنامه بورس ، شماره ۱۷ ، ص ص ۳۶-۴۱٫
اعرابی،محمد .صالحی، مسلم.(۱۳۷۸). ” تکنیک ها و مدل های ارزیابی استراتژی ها و نتایج آنها” .مدیریت استراتژیک شهری، شماره ۳ ، ص ص ۳۵-۱۸٫
افجه ،سید علی اکبر. اسماعیل زاده محمد.(۱۳۸۸) .”بررسی رابطه بین مدیریت استراتژیک منابع انسانی و عملکرد شرکتها”.مجله مدیریت توسعه و تحول ،شماره ۲، ص ص ۱۹-۹٫
الهی، شعبان.(۱۳۷۸). “مثلث عملکرد سازمانی “. مجموعه مقاله های همایش ارزیابی عملکرد دستگاه هها ی اجرایی کشور ، کمسیون ارزیابی عملکرد ،ص ص ۶۷-۴۹.
الوانی، سید مهدی. طلایی، علی.(۱۳۷۲). ” نظام کنترل استراتژیک و آینده نگر در مدیریت “.اقتصاد کشاورزی و توسعه، شماره ۴ ، ص ص ۱۷۱-۱۶۴٫
امیران ؛حیدر.(۱۳۸۲). “اندازه گیری عملکرد ، بایدها و نبایدها”. ماهنامه تدبیر،سال چهاردهم، شماره ۱۳۶، ص ص ۸۲- ۷۷٫
برازنده جدی، محمد .(دی۱۳۸۵).”شناسایی و اولویت بندی شاخص های اثر بخش در ارزیابی عملکرد نمایندگیهای مجاز فروش و خدمات پس از فروش ایران خودرو با بهره گرفتن از تکنیکهای MADM ” . پایان نامه کارشناسی ارشد ، دانشکده علوم انسانی دانشگاه تربیت مدرس.
بزرگ اصل، موسی.(۱۳۷۴).”ماهیت اندازه گیری در حسابداری”.فصلنامه علمی و پژوهشی بررسی های حسابداری ،سال سوم ،شماره ۱۲و۱۳، ص ص ۱۳۱-۱۰۷٫

با کمی دقت در الگوریتم های آموزشی به نظر می­رسد که یکی از مشکلات چنین سیستم هایی از یک طرف تعداد زیاد نمونه ها برای آموزش و از طرف دیگر افزایش تعداد ویژگی ها برای بیان هر نمونه یا به عبارت دیگر افزایش بعد می باشد بنابراین برای داشتن خروجی مطلوب نیاز به طبقه بندی کننده ای است که بتواند یک مجموعه بزرگ از داده های آموزشی با ابعاد زیاد را حمایت کند.ابعاد زیاد در یک طبقه بندی باعث بوجود آمدن پارامترهای زیادی می شود(مثلا وقتی که ابعاد زیاد شود، ماتریس کواریانس بزرگ­تر شده و پارامترهای بیشتری باید محاسبه شود) که تخمین آنها کار دشواری است.

( اینجا فقط تکه ای از متن پایان نامه 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. )

به طور معمول پارامترهای زیاد انعطاف پذیری بالای طبقه کننده را نسبت به داده های آموزشی به دنبال دارد ولی همیشه اینطور نیست.طبقه بندی کننده هایی نیز وجود دارند که انعطاف پذیری بسیار بالایی دارند ولی در مقابل، پارامترهای کمی دارند. البته باید به این نکته توجه کرد که انعطاف پذیری بالا بر روی داده های آموزشی دلیل مناسب بودن یک طبقه بندی کننده نیست چون ممکن است طبقه کننده ای که از انعطاف پذیری بالایی روی داده های آموزشی برخوردار است بیش برازش شود و روی نمونه جدیدی که وارد طبقه بندی کننده می­ شود بسیار نامناسب عمل کند.همچنین Vapnik بیان کرد انعطاف پذیری لزوماً متناسب با تعداد پارامترهای دسته بندی کننده نیست.براین اساس Vapnik بعد ^[42]VC را به عنوان معیار مناسب تری برای سنجش انعطاف پذیری یک طبقه بندی کننده تعریف نموده است و در نهایت طبقه بندی کننده را براساس مینیمم کردن ریسک ساختاری^[43] به جای مینیمم کردن ریسک تجربی^[44] طراحی نمود.در ادامه بعد VC، ریسک ساختاری و تجربی توضیح داده خوهد شد]11[.

2-8-3 کاربردهای SVM

الگوریتم SVMجز الگوریتم­های تشخیص الگو دسته بندی می­ شود.از الگوریتم SVMدر هر جایی که نیاز به تشخیص الگو یا دسته بندی اشیاء در کلاس های خاص باشد می توان استفاده کرد.در ادامه به کاربردهای این الگوریتم به صورت موردی اشاره می­ شود.
سیستم آنالیز ریسک، کنترل هواپیما بدون خلبان، ردیابی انحراف هواپیما، شبیه سازی مسیر، سیستم راهنمایی اتوماتیک اتومبیل، سیستمهای بازرسی کیفیت، آنالیز کیفیت جوشکاری، پیش بینی کیفیت، آنالیز کیفیت کامپیوتر، آنالیز عملیاتهای آسیاب، آنالیز طراحی محصول شیمیایی، آنالیز نگهداری ماشین، پیشنهاد پروژه، مدیریت و برنامه ریزی، کنترل سیستم فرایند شیمیایی و دینامیکی، طراحی اعضای مصنوعی، بهینه سازی زمان پیوند اعضا، کاهش هزینه بیمارستان، بهبود کیفیت بیمارستان، آزمایش اتاق اورژانس، اکتشاف روغن و گاز، کنترل مسیر در دستگاه های خودکار، ربات، جراثقال، سیستمهای بصری، تشخیص صدا، اختصار سخن، کلاسه بندی صوتی، آنالیز بازار، سیستمهای مشاوره ای محاسبه هزینه موجودی، اختصار اطلاعات و تصاویر، خدمات اطلاعاتی اتوماتیک، مترجم لحظه ای زبان، سیستمهای پردازش وجه مشتری، سیستمهای تشخیص ترمز کامیون، زمانبندی وسیله نقلیه، سیستمهای مسیریابی، کلاسه بندی نمودارهای مشتری/بازار، تشخیص دارو، بازبینی امضا، تخمین ریسک وام، شناسایی طیفی، ارزیابی سرمایه و غیره.

2-8-4 مزایا و معایب SVM

• • طراحی دسته بندی کننده با حداکثر تعمیم

• • رسیدن به بهینه سراسری تابع هزینه

• • تعیین خودکار ساختار و توپولوژی بهینه برای طبقه بندی کننده

• • مدل کردن توابع تمایز غیر خطی با بهره گرفتن از هسته های غیرخطی و مفهوم حاصلضرب داخلی در فضاهای هیلبرت

• • آموزش نسبتا ساده است

• • برخلاف شبکه های عصبی در ماکزیمم های محلی گیر نمی­افتد.

• • برای داده های با ابعاد بالا تقریبا خوب جواب می­دهد.

• • مصالحه بین پیچیدگی دسته بندی کننده و میزان خطا به طور واضح کنترل می­ شود.

• • به یک تابع کرنل خوب و انتخاب پارامتر C نیاز دارد]9[.

2-8-5 تعاریف کلی

2-8-5-1تابع تصمیم مسائل دو کلاسی

ابتدا طبقه بندی یک بردار – بعدی به یکی از دو کلاس را بررسی می­کنیم. فرض می­کنیم که و به ترتیب تابع تصمیم برای کلاس های یک و دو باشند و به کلاس یک تعلق دارد اگر و به کلاس دو تعلق دارد اگر .
تابع های ذکر شده در بالا را تابع تصمیم گوئیم.
شکل (2-8)-تابع تصمیم فضای دو بعدی
این روابط را به صورت زیر نیز می­توانیم تعریف کنیم که به کلاس یک تعلق دارد، اگر و به کلاس دو تعلق دارد، اگر .مرز دو کلاس نیز به شکل معرفی خواهد شد.
نشان می دهدکه مرز کلاس به صورت غیر مستقیم بدست می آید. این نوع از تابع تصمیم را، تابع تصمیم غیر مستقیم^[45] می­نامیم.
اگر تابع تصمیم را به صورت تعریف کنیم، را در کلاس یک طبقه بندی می­کنیم، اگر و در کلاس دو طبقه بندی می­کنیم، اگر .مرز کلاس به صورت تعریف می شود. این نوع تابع تصمیم یک تابع تصمیم مستقیم^[46] نامیده می شود.
اگر تابع تصمیم خطی باشد، دراین صورت را به صورت تعریف می­کنیم.در واقع این معادله خط در فضای دو بعدی، صفحه در فضای سه بعدی و فوق صفحه در فضاهای بزرگتر است. یک بردار m-بعدی است و ، ترم بایاس است. کلاسی که در طرف مثبت ابرصفحه است و کلاس دیگر که در طرف منفی ها است. این چنین مسائل را که توسط یک خط از هم جدا شده اند را جداپذیر خطی^[47] گویند.
شکل (2-9)- مرکز کلاس برای شکل 2-8

2-8-5-2 تعیین تابع تصمیم(ابر صفحه جداکننده)^[48]

شکل 2-10 که در زیر آمده ،یک نمونه از تابع تصمیم را نشان می­دهد طوری که داده های آموزشی دو کلاس کاملاً مجزا هستند.فرض کنید که دایره و مربع به ترتیب داده های آموزشی مربوط به دو کلاس یک و دو باشند.حتی اگر تابع تصمیم را به سمت راست جا به جا شود(منحنی نقطه نقطه در شکل (2-10)) بازهم داده های آموزشی درست طبقه بندی شده اند. بنابراین می توانیم چندین تابع تصمیم داشته باشیم طوری که داده های آموزشی را به درستی طبقه بندی کنند.
شکل (2-10)- مرز کلاس بدون هیچ اشتراکی
اگر چه بی نهایت حالت برای تعیین مکان تابع تصمیم وجود دارد اما آنچه باید اینجا ذکر شود این است که تابع تصمیمی که بیشترین فاصله را با داده های آموزشی داشته باشد را تابع تصمیم بهینه گوئیم.اما تعیین تابع تصمیم غیر خطی چندان ساده نیست.به همین منظور بهتر است که فضای ورودی­ ها را به فضایی با بعد بالاتر با نام فضای ویژگی ها نگاشت داده شود که در این فضا تابع تصمیم یا ابر صفحه بهینه را بدست آوریم.

2-8-5-3 بعد VC

اگر مجموعه مجموعه ای از توابع تصمیم گیری و بردار ویژگی^[49] باشد، می­توان های مختلفی را تعریف کرد که بعد VC یک ویژگی از این مجموعه توابع می­باشد.حال اگر مجموعه داده شامل l نقطه باشد در حالت دو کلاسه می توان آنها را با حالت ممکن برچسب دهی^[50] کرد.بعد VC که با h نمایش داده می­ شود، بیانگر ماکزیمم تعداد نقاطی است که می­توانند توسط مجموعه از هم جدا شوند.برای مثال در یک فضای دو بعدی می توان سه نقطه را به یکی از هشت حالت ممکن برچسب دهی کرد که در هر هشت حالت می توان این سه نقطه را بطور خطی به کلاس مربوطه اختصاص داد.
شکل (2-11)- بعد VC ]11[
در حالت کلی برای یک مجموعه l نقطه ای، اگر یک نقطه به عنوان مرجع در نظر گرفته شود و حالتهای l-1 نقطه باقیمانده بطور خطی غیر وابسته باشند، میتوان در فضای آنها را توسط فوق صفحات^[51] جهت دار دسته بندی کرد.نتیجه اینکه در یک فضای N بعدی، h برابر با N+1 می­باشد.
بنابراین طبق این تعریف میتوان گفت بعد VC یک طبقه بندی کننده خطی در فضای دو بعدی برابر 3 و بعد VC یک طبقه بندی کننده نزدیک ترین همسایه در فضای دو بعدی برابر با است.توجه شود که در طبقه بندی کننده نزدیک ترین همسایه مهم نیست که چه تعداد داده آموزشی داریم، بلکه میتوان با هر تعداد داده آموزشی یک طبقه بندی کننده مناسب طراحی کرد که داده ها را به طور مجزا از هم تفکیک کند]11[.
2-8-5-4حداقل سازی ریسک تجربی^[52]
عمل تقسیم بندی دو کلاسه نمونه ها را می توان به فرم زیر نوشت :
و
که تابع تصمیم گیری، بردار پارامترها و مجموعه ای از پارامترهاست.همچنین یک مجموعه از مثال های داریم که دارای تابع توزیع نامعلوم هستند.هدف پیدا کردن است که منجر به حداقل شدن ریسک مورد انتظار^[53] زیر می­ شود :

تابع معمولا تحت عنوان تابع فرضیه^[54] و مجموعه تحت عنوان فضای فرضیه^[55] نامیده می­شوند که این فضا را با H نمایش می­دهیم.بنابراین ریسک مورد انتظار معیاری برای ارزیابی عملکرد ها در نسبت دادن صحیح برچسب y به نمونه X می­باشد.
به عنوان مثال مجموعه توابع می تواند مجموعه ای از توابع RBF یا یک پرسپترون چندلایه^[56] (با تعداد معینی واحد مخفی) باشد که در این حالت مجموعه مرزهای شبکه می­باشد.
از آنجا که تابع توزیع نامشخص است نمی­ توان ریسک مورد انتظار را محاسبه کرد و در نتیجه نمی­ توان این ریسک را حداقل نمود.ولی به دلیل اینکه ما به نمونه های دسترسی داریم، می توان یک تخمین از را محاسبه نمود که این تقریب، ریسک تجربی نامیده می­ شود.

در این مطالعه از الگوریتم ژنتیک و یک مدل شبکه عصبی جدید برای پیش بینی تراوش از بدنه سد خاکی “دی آ لی” در کشور چین، استفاده شد. برای مدل‌سازی از مجموعه داده­ای شامل ۳۸۱ داده (۳۶۶ داده در سال ۲۰۰۸ برای آموزش و ۱۵ داده در سال ۲۰۰۹ برای آزمون) استفاده شد[۱۲] .(

(( 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. ))

الگوریتم ژنتیک (GA) به منظور بهینه­سازی ساختار شبکه عصبی به کار گرفته شد. الگوریتم LM در ابتدا به عنوان یک الگوریتم بهینه­ساز متوسط بین روش گوس-نیوتن و الگوریتم کاهش گرادیان طراحی شد و سپس برای آموزش شبکه عصبی استفاده شد. مقادیر تراوش پیش ­بینی شده با بهره گرفتن از مدل GA-LM مطابقت خوبی با داده ­های واقعی داشتند. بنابراین این مدل قادر است به طور دقیقی تراوش از بدنه سد را پیش بینی کند. عملکرد مدل GA-LM با الگوریتم پس انتشار مرسوم (BP) و الگوریتم LM مورد مقایسه قرار گرفت. نتایج مقایسه نشان داد که مدل GA-LM عملکرد بهتر و قوی­تری نسبت به شبکه ­های عصبی (NNs) مرسوم در برون­یابی و درون­یابی پیش ­بینی­ها دارد.

• • • • 1. 1. مطالعه نورانی و همکاران^[۱۴](۲۰۱۲)

در این مطالعه ارتفاع پیزومتریک در هسته سد خاکی ستارخان ایران با بهره گرفتن از شبکه ­های عصبی مصنوعی (ANN) مورد تحلیل قرار گرفت. داده ­های حاصل از پیزومترها و سطح آب بالادست و پایین دست با بهره گرفتن از مدل‌های شبکه عصبی مصنوعی تک و یکپارچه مورد آموزش و آزمون قرار گرفتند[۱۳] .(Nourani et al, 2012)
در شبکه ­های عصبی مصنوعی تک، داده ­های هر پیزومتر جدا مورد بررسی و آموزش قرار گرفتند در حالی که در شبکه ­های عصبی مصنوعی یکپارچه، کل داده ­های پیزومترها در مقاطع مختلف سد با هم مورد آموزش قرار گرفتند. شبکه عصبی مصنوعی تک با جزئیات پرسپترون سه لایه با الگوریتم لاونبرگ-مارکیورد^[۱۵] پس انتشار، داده‌ها را مورد آموزش قرار داد. در حالی که دو الگوریتم مختلف شبکه عصبی مصنوعی با جزئیات پس انتشار^[۱۶] و تابع دایره­ای^[۱۷] برای شبکه یکپارچه بکار گرفته شدند. تعداد نرون­های پنهان برای شبکه تک ۵ و ۷ بودند در حالی که برای شبکه یکپارچهِ FFBP تعداد نرون­های پنهان ۶ و برای شبکه یکپارچه RBF شعاع ۰.۵ در نظر گرفته شد.
در مطالعه آن‌ ها، نتایج انطباق خوبی را بین مقادیر پیش بینی شده و اندازه ­گیری شده نشان داد. ضریب تعیین (R²) برای شبکه تک ۰.۷۹۸ و برای شبکه ­های FFBP و RBF به ترتیب ۰.۸۷ و ۰.۶۷ بدست آمد. آن‌ ها نتیجه گرفتند که نتایج حاصل از شبکه ­های عصبی مصنوعی نسبت به روش­های عددی انجام گرفته در مطالعات گذشته، به واقعیت نزدیک­تر می­باشند.

• • • • 1. 1. مطالعه پورکریمی و همکاران^[۱۸](۲۰۱۳)

در این مطالعه روش جدیدی برای تعیین جریان ناشی از نشت از پی و بدنه سد خاکی بر اساس روش­های داده ­کاوی ارائه شد. بعد از انجام مطالعات دقیق بر روی سد خاکی “فیله خاصه” در استان زنجانِ ایران، نفوذ­پذیری خاک سد­ به وسیله­ نرم افزار اجزای محدود به نام SEEP تخمین زده شد. در این مطالعه ابتدا با نرم افزار SEEP مجموعه داده­ای شامل ۹۶ داده از پارامترهای مؤثر تراوش شامل ضریب نفوذپذیری هسته پی و ارتفاع آب پشت سد در بازه مجاز تولید شد و سپس به نسبت ۶۵ به ۳۱ داده برای آموزش و آزمون در مدل­سازی مورد استفاده قرار گرفت. آن‌ ها در این مطالعه به دنبال آن بودند که آیا شبکه ­های عصبی مصنوعی ( ANN) که با الگوریتم ژنتیک بهینه­سازی شده ­اند، می­توانند در برآورد تراوش از پی و بدنه سد فیله خاصه استفاده شوند. نتایج نشان داد که شبکه ­های مصنوعی، وسیله­ای برای تشخیص موثر الگوهای موجود در داده و پیش بینی دقیق تراوش از پی و بدنه سد فیله خاصه را فراهم می­ کند. پارامترهای آماری مورد استفاده در این مطالعه عبارت بودند از ضریب تعیین (R²)، جذر میانگین مربعات خطاها (RMSE)، میانگین مربعات خطاها (MSE) و میانگین قدرمطلق خطاها (MAE). مقادیر این پارامترها برای داده ­های آموزش و آزمون طبق جدول زیر می‌باشد. مقادیر این پارامترها برای داده ­های آزمون به ترتیب برابر با ۰.۹۳، ۴۳، ۱۸۷۰ و برای داده ­های آزمون برابر با ۰.۹۲، ۱۷۱۸۴۱ بود[۱۴] .(Poorkarimi et al, 2012)

• • • • 1. 1. مطالعه کمان­به­دست و دلواری^[۱۹](۲۰۱۳)

در این مطالعه رفتار سد خاکی مارون که در ۱۹کیلومتری شمال بهامان در رودخانه­ی مارون واقع شده است، مورد بررسی قرار گرفته است. پایداری خاک و پدیده تراوش از سد به وسیله­ نرم افزار انسیس^[۲۰] محاسبه و با نتیجه­ حاصل از نرم افزار GEO-STUDIO مقایسه شده است. آن­ها به دنبال آن بودند که نشان دهند تراوش از بدنه سد و پی سد هر دو بروی پایداری سد موثر هستند. از این رو اگر سطح آب بالادست سریع پایین آید، ممکن است مصالح غوطه‌ور در آب غیرپایدار شوند که این مورد باید در طراحی­ها درنظرگرفته ­شود. برطبق تحلیل­ها مشخص شد که مقدار فشار آب حفره­ای به درجه سفتی مصالح، رطوبت، نفوذپذیری خاک و بارهای وارده و… بستگی دارد. فشار آب حفره ای، مقاومت برشی توده خاک را کاهش می‌دهد. در صورتی که نرخ افت فشار آب حفره ناشی از نشت بیش از مقاومت ذرات خاک باشد، این ذرات به حرکت در خواهند آمد. این باعث خواهد شد پدیده پایپینگ رخ دهد و ذرات ریزتر از بدنه سد شسته شوند. نتایج حاصل از این بررسی نشان می­دهد که مقدار تراوش در نرم افزار ANSYS، ۱۸درصد پایین‌تر از نتایج به دست آمده با نرم افزار GEO-STUDIO می­باشد[۱۵] .(Kamanbedast and Delvari, 2013)

1. روش تحقیق

   1. شبکه‌های عصبی مصنوعی^[۲۱]

۲-۲۵خلاصه‌ی فصل ۷۲
فصل سوم: روش تحقیق
۳-۱٫روش تحقیق ۷۴
۳-۲٫نمونه و جامعه آماری ۷۴
۳-۲-۱٫ جامعه‌ی آماری تحقیق ۷۴
۳-۲-۲٫ نمونه‌ی آماری تحقیق ۷۵
۳-۳٫ داده‌های تحقیق ۷۵
۴-۳٫ بررسی روش تحقیق مقاله پایه ۷۶
۳-۵٫ نرمال‌سازی ۷۸
۳-۶٫ الگوریتم آموزش ۷۸
۳-۷٫ مرحله پیش‌بینی ۷۹
۳-۸٫ روش گرداوری داده‌ها ۸۰
الف. تجربه‌های آزمایشگاهی: ۸۰
ب. بررسی میدانی: ۸۰
ج. تحقیق پیمایشی: ۸۱
۳-۹٫دوره انجام پژوهش ۸۱
۳-۱۰٫ ابزار اندازه‌گیری و محاسبه‌ی متغیرها ۸۱
۳-۱۱٫ مراحل انجام تحقیق ۸۱
­­­­­­: تجزیه‌وتحلیل داده‌ها
تجزیه‌وتحلیل داده‌ها ۸۴
مقدمه ۹۰
۴-۱٫ نرم­افزارهای مورداستفاده ۸۵
۴-۲٫ مدل­سازی پیشبینی قیمت سهام ۸۵
۴-۲-۱٫ داده ­های تحقیق ۸۵
۲-۴-۲٫ شرکت­های حاضر در تحقیق ۸۵

۴-۳٫ داده ­های آموزشی، اعتبار سنجی و آزمایشی ۸۶
۴-۴٫ پیاده­سازی سؤالات مختلف برای پیشبینی قیمت سهام ۸۷

( 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. )

۴-۴-۱٫ سؤال اول: چگونه می‌تواند قیمت سهام را با بهره گرفتن از شاخص‌های ترکیبی به روش شبکه عصبی پیش‌بینی کرد؟ ۸۷
۴-۴-۲٫ سؤال دوم: چگونه می‌تواند قیمت سهام را با بهره گرفتن از شاخص‌های تکنیکال به روش شبکه عصبی پیش‌بینی کرد؟ ۸۹
۴-۴-۳٫ سؤال سوم: تعیین عامل‌های مهم در تعیین نرخ اوراق در شرکت‌های شیمیایی ۹۳
۴-۴-۴٫ سؤال چهارم چگونه می‌توان با بهره گرفتن از الگوریتم‌های شبکه عصبی و شاخص‌های ترکیبی یک روش جدید با خطای کمتر برای پیش‌بینی قیمت سهام طراحی کرد؟ ۹۵
۴-۵٫ تجزیه‌وتحلیل نمودارهای حاصل از آزمایش شبکه عصبی ۹۷
۴-۵-۱٫ نمودار مقایسه قیمت واقعی و قیمت پیش‌بینی‌شده ۹۷
۴-۵-۲٫ نمودار ضریب همبستگی ۹۷
۴-۶٫ جمع‌بندی ۹۸
فصل پنجم: نتایج و پیشنهادات
مقدمه ۹۹
۵-۱٫ خلاصه پژوهش ۱۰۰
۵-۲٫ بررسی نتایج ۱۰۰
۵-۲-۱٫نتیجه سؤال اول ۱۰۱
۵-۲-۲٫ نتیجه سؤال دوم: ۱۰۱
۵-۲-۳٫ نتیجه سؤال سوم ۱۰۲
۵-۲-۴٫ نتیجه سؤال چهارم ۱۰۲
۵-۳٫ مقایسه نتایج ۱۰۲

۲-۱۶ مقدمه ای بر استخراج فاز جامد
استخراج یک گونه ی شیمیایی از نمونه های طبیعی یا آزمایشگاهی به منظورآنالیز یا کاربرد دارویی، خوراکی و صنعتی آن ها مستلزم حذف سایر گونه های شیمیایی همراه در داخل نمونه است. به بیان دیگر همواره لازم است که گونه های شیمیایی مورد نیاز خالص سازی شده سپس برای اهداف نامبرده مورد استفاده قرار می گیرد. کلیه اعمال و فرآیندهای فیزیکی و شیمیایی که در این راستا به کار می روند، به نام روش های جداسازی نامیده می شود. استخراج فاز جامد روشی نوین برای جداسازی و پیش تغلیظ آنالیت در نمونه ها برای ترکیبات آلی و معدنی استفاده می شود.
(( 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. ))

در آماده سازی، حد جداسازی، تخلیص وتغلیظ آنالیت با توجه به موارد زیر تعیین می شود:
– پیچیدگی و ترکیب مارتیکس
– غلظت آنالیت در نمونه مورد آزمایش
– گزینش پذیری و حساسیت مورد نظر در آنالیز های بعدی
– عملیات تجزیه ای از نظر کیفی و کمی بودن
استخراج با فاز جامد یکی از روش های خوب و معروف برای پیش تغلیظ نمونه است. استخراج با فاز جامد یک روش پیش تغلیظ بسیار خوب در آنالیز نمونه های محیط زیست می باشد و محدوده وسیعی از تجزیه شونده ها شامل ترکیبات قطبی، نسبتا قطبی و غیر قطبی در نمونه را می توان با بهره گرفتن از انواع فاز های جامد استخراج نمود. این روش نه تنها به منظور جداسازی و تمیزکردن آنالیت، بلکه جهت تغلیظ نمونه و جداسازی دسته ترکیبات موجود در نمونه نیز مفید است] ۷۰-۷۱[.
۲-۱۷ تاریخچه‌ استخراج فاز جامد
استخراج فاز جامد از کروماتوگرافی معمولی مشتق گردیده است که در آن از یک محیط جاذب برای جدا‌سازی نمونه‌ها بر اساس اختلاف در برقراری تعادل با محیط جاذب استفاده شده است [۷۲،۷۳].
سابقه‌ی تاریخی استخراج فاز جامد حداقل به اوایل دهه ۱۹۷۰بر می‌گردد که در آن زمان ستون‌های انباشته شده با ذرات رزین XAD روهم و هاس^[۳۹] به منظور تغلیظ غلظت‌های بسیار کمی از آلایند‌ه‌های آلی موجود در آب مورد استفاده قرار گرفتند.اما-γ آلومینا و SDS چندین سال قبل از ۱۹۷۰ به منظور تغلیظ مواد آلی حل شده پیش از انجام آنالیز مورد استفاده قرار گرفته بودند.
در سال ۱۹۳۰ سیلیکا، فلوریسیل^[۴۰] و خاک های دیاتومه (کیزلوهه^[۴۱]) به عنوان جاذب‌های جامد برای تغلیظ نمونه‌های ‌به‌کار گرفته شدند. رزین XAD که به صورت کارتریج نیز استفاده شده، شیمیدان‌های بالینی در سال ۱۹۷۲ از آنها برای استخراج داروها از سیالهای بیولوژیک استفاده کردند.
در سال ۱۹۸۰، شرکت‌های تولید‌کننده فازهای جامد، مواد پرکننده متنوع با ستون‌هایی به اشکال متفاوت را به بازار عرضه کردند. پس از این تاریخ جاذب‌های ترکیبی^[۴۲] برای آنالیز داروها معرفی شدند. تحقیقات جدید در استخراج فاز جامد به سمت استفاده از دیسک‌ها، میکروفیبرها و خودکارسازی بسیاری از محصولات استخراج فاز جامد سوق پیدا کرده است. این روند همچنین برای تولید محصولات جدید استخراج فاز جامد ادامه دارد [ ۷۴].
۲-۱۸ مقایسه‌ی استخراج فاز جامد با استخراج مایع-مایع
هدف از استخراج مایع-مایع انتقال مواد حل شده‌ی مورد نظر از فاز مایع دیگری است که غیر قابل امتزاج است و عمدتاً مواد حل شده از محلولی آبی با حجم بیشتر به درون حلالی آلی با حجم کمتر استخراج می‌شود. معمولاً استخراج مایع- مایع تجزیه‌ای در یک قیف جدا کننده انجام می‌شود، به طوری‌که پس از انجام استخراج، جدا‌سازی دو مایع امکان‌پذیر است و مایع استخراج‌کننده سنگین‌تر و یا سبک‌تر از آب است. فراینده انتقال در استخراج مایع-مایع تعادلی می‌باشد. یکی از مشکلات اصلی در استخراج مایع-مایع ایجاد محلول امولسیون است که خیلی آهسته از بین می‌رود یا اصلاً از بین نمی‌رود. اگر چه SPE را می‌توان در تعادلی ناپیوسته شبیه به آنچه که در استخراج مایع-مایع به کار می‌رود نیز انجام داد، اما روش متداول تر استفاده از یک لوله (ستون) کوچک یا کارتریجی است که از ذرات جامد انباشته است، نمونه‌ی مایع در طی عبور از ستون، با ذرات جامد کاملا در تماس قرامی‌گیرد که در اثر این عمل، تعادل سریعاً بر قرار شده، تغلیظ آنالیت روی فاز جامد امکان‌پذیر می‌گردد. بر خلاف استخراج نا پیوسته که در آن مواد حل شده دارای یک تعادل یکتایی بین دو فاز می‌باشد، هنگامی که استخراج فاز جامد با یک ستون کوچک انباشته انجام می‌شود، تعادل‌های چند‌گانه موثری وجود خواهند داشت. این پدیده بد‌این دلیل است که مواد حل شده با عبور از ستون به طور پیوسته با ذارات تازه‌ای مواجه می شوند. بنابراین انتظار می‌رود که در مقایسه با استخراج‌های ناپیوسته مایع-مایع، در ستون های SPE درصد استخراج بیشتر باشد. معمولاً برای اندازه‌گیری نهایی، انتقال آنالیت‌ها از ذرات جامد به فاز مایع ضرورت پیدا می‌کند؛ شیمی این مرحله، به نوع آنالیت‌ها و جامدات استخراج کننده مورد استفاده بستگی خواهد داشت. معمولاً ترکیبات آلی را می توان بوسیله حجم کمی (کمتر از یک میلی لیتر) از یک حلال آلی از یک ستون کوچک SPE شویش داد [۷۵].
۲-۱۹ مراحل استخراج با فاز جامد
روش استفاده از یک فاز جامد ، عموماً شامل مراحل آماده‌سازی^[۴۳]، استخراج^[۴۴]، شستشوی مزاحمت‌ها و شویش آنالیت^[۴۵] است که در ادامه توضیح داده می‌شوند [۷۶،۷۲] .
الف) آماده سازی یا فعال سازی ماده جاذب: این مرحله برای آماده کردن فاز جامد برای بر همکنش‌های کامل و تکرار پذیر با نمونه صورت می گیرد. ابتدا فاز جامد با یک حلال مناسب شسته می شود تا با مرطوب شدن سطح جاذب، زنجیره های الکیلی، به وسیله ملکول‌های حلال سولواته شده، از حالت واپیچیده و جمع شده خارج شوند. سپس فاز جامد تحت تاثیر یک محلول شبیه محلول نمونه قرار می‌گیرد؛ این عمل تماس کامل بین آنالیت و سطح جاذب را در مراحل بعد، امکان پذیر می سازد. مثلا برای آماده سازی یک فاز جامد حامل _۱۸ C، ابتدا آن را با متانول و سپس با آب شسته می‌شود.
ب) عبور نمونه از روی جاذب( بارگذاری جاذب،استخراج) : با عبور محلول نمونه از درون فاز جامد، آنالیت روی سطح آن جذب می‌شود. برای جذب کامل و گزینش پذیر آنالیت روی فاز جامد، باید شرایط محلول نمونه مانند pH، قطبیت و عوامل دیگر کاملاً مناسب باشد.
ج) شستشوی جاذب برای حذف ناخالصی ها: در این مرحله با عبور یک محلول مناسب از فاز جامد، مزاحمت های احتمالی که همراه آنالیت باز داده شده‌اند، از فاز جامد شسته می شوند؛ حلال یا محلول مورد نظر باید طوری انتخاب شود که هیچ اثری بر جذب آنالیت نداشته باشد.
د) جداسازی آنالیت مورد نظراز جاذب با یک حلال مناسب (شویش آنالیت): با عبور یک حلال یا محلول مناسب، آنالیت جذب شده روی فاز جامد، شسته شده، جمع‌ آوری می‌گردد. حلال یا محلول باید طوری انتخاب شود که علاوه بر بازیابی کامل آنالیت با بهره گرفتن از حداقل مقدار آن، در مرحله‌ی اندازه گیری ایجاد مزاحمت نکند و یا به سادگی از سیستم حذف شود. . شکل( ۲-۵) این مراحل را نشان می دهد ]۷۷٫[
شکل( ۲-۵ ) مراحل استخراج با فاز جامد
۲-۲۰ خصوصیات فاز جامد
۱ – پایداری شیمیایی داشته باشد.
۲– قابلیت جذب و واجذبی انتخابی داشته باشد.
۳– اندازه گیری ذرات کوچک باشد تا سطح تماس بیشتر باشد.
۴– تکرار پذیر جذب و واجذب باشد.
۵– فاز جامد جاذب خالص بوده و ناخالصی نداشته باشد.
۲-۲۱ انواع فاز های جامد
۱-سیلیکاژل
۲-جاذب پلیمری
۳- جاذب‌های معدنی(کربن فعال-آلومینای فعال)
۴-نانو جاذب ها
۲-۲۲ کاربردهای استخراج با فاز جامد [۷۸].
۱– استخراج و تغلیظ انواع کاتیون های فلزی
۲– استخراج و تغلیظ ترکیبات آلی مختلف
۳– استخراج و تغلیظ ترکیبات دارویی
۴– استخراج و تغلیظ آلاینده های محیط زیست [۸۱،۸۲،۸۰،۷۹].
۲-۲۳ عوامل مؤثر بر استخراج فاز جامد
۱pH – محلول: برای جذب کامل مزاحمت ها‌ی استخراج انتخابی آنالیت‌ها باید بهینه سازی شود.
۲- نوع حلال: بسته به نوع آنالیت برای جداسازی حلال های مختلف مورد استفاده قرار می‌گیرد.
۳- حجم جذب و واجذبی نمونه: هر چه مقدار جذب و واجذبی آنالیت با جاذب مساوی باشد، به عبارتی مقدار آنالیت جذبی با مقدار واجذبی آن با جاذب برابر باشد، مقدار بازده ی استخراج بیشتر می‌شود. واجذب آنالیت از فاز جاذب با حرارت یا حلال امکان پذیر است [۸۳].
۲-۲۴ خواص مطلوب ذرات جاذب در استخراج فاز جامد [۸۴].
تخلخل سطح زیاد
۲- جذب سطحی برگشت پذیر
۳- میزان خلوص
۴- پایداری شیمیایی و حرارتی مناسب
۵- بازیابی با درصد بالا
۲-۲۵ انواع قالب بندی های جاذب برای استخراج فاز جامد