۱-۹ - روش تحقیق
روش گرد آوری اطلاعات به صورت آماری کتابخانه ای و میدانی می باشد. در این پژوهش بر اساس مطالعات کتابخانه ای (سایت های اینترنتی و مجلات علمی پژوهشی )، اطلاعات و گزارش های موجود در سازمان محیط زیست و مناطق حفاظت شده ،نهادهای دولتی مرتبط ( شهرداری ، بخشداری لواسانات ودهیاری ها ) ، مقالات معتبر علمی پژوهشی ، اطلاعات اولیه مورد نیاز جمع آوری می شوند و با بهره گرفتن از مدل راهبردی SWOT که می تواند یک الگوی صحیح جهت برنامه ریزی قرار گیرد مورد تجزیه و تحلیل قرار می گیرند. با توجه به این مطالب ضرورت دارد که برای توسعه اکوتوریسم منطقه از تمامی ظرفیت ها و پتانسیل ها با توجه به حفظ محیط زیست آن استفاده شود، و شناسایی نقاط قوت و ضعف آنها می تواند تأثیر سازنده ای در امر توسعه پایدار آن باشد

(( 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. ))

فصل دوم
ادبیات نظری و تجربی تحقیق
۲-۱- مقدمه
در عصر حاضر گردشگری به یکی از پردرآمدترین فعالیت های بشری تبدیل شده است که با سرعت زیادی رو به گسترش است. گردشگری امروزه به عنوان یک صنعت تاثیرگذار در اقتصاد در سطوح مختلف جهانی، منطقه ای، ملی و محلی شناخته شده و با توجه به شرایط متفاوت جوامع ، دارای آثار مختلف بر ابعاد گوناگون زندگی جوامع از جمله فرهنگ، محیط زیست و اقتصاد آن خواهد بود.
صنعت گردشگری علاوه بر منافع اقتصادی ، در شناسایی ، حفظ و احیاء فرهنگ های بومی تاثیر گذار می باشد. این صنعت امروزه به جهت پیشرفت در فناوری های سفر، احیاء و توجه به جاذبه ها و …. یکی از سه صنعت بزرگ دنیا بوده و نقش ویژه ای در اقتصاد سالم جهانی به عهده دارد: به طوری که بر اساس پیش بینی سازمان جهانی گردشگری، درامد این صنعت را در سال ۲۰۱۰ حدود ۸۰۰ میلیارد دلار بوده و پیش بینی می شود این مقدار در سال ۲۰۲۰ میلادی با ۱٫۶ میلیارد نفر گردشگر، حدوده ۲۰۰۰ میلیارد دلار خواهد رسید. یکی از مهمترین انواع گردشگری که حجم بزرگی از صنعت گردشگری را به خود اختصاص داده، اکوتوریسم است. سازمان ملل متحد به دلیل اهمیت بالای اکوتوریسم ، قرن بیست و یکم را قرن اکوتوریسم نامیده است.(پاپلی، سقایی،۲۱۶:۱۳۸۵) . اکوتوریسم به عنوان گونه ای از گردشگری دوران پست مدرنیسم که در پی شکل گیری مفاهیمی چون توسعه پایدار تولید یافته است، با ظرفیت هایی که دارد، می تواند فرصت توسعه روستایی را در همه ابعاد فراهم ساخته و به عنوان راهکاری اساسی در توسعه روستایی مطرح شود.( هاشمی ،۱۷۵:۱۳۸۹ ). واژه توسعه پایدار را اولین بار به طور رسمی برانت لند در ۱۹۸۷ در گزارش (( آینده مشترک ما)) مطرح کرد.(زیاری،۱۶:۱۳۷۸). هدف اصلی آن ارتقاء کیفیت زندگی یعنی دخالت دادن شاخص های کیفی و اجتماعی، تامین رفاه و عدالت اجتماعی است.(بیگدلی،۳۹:۱۳۸۵ ). توسعه پایدار فرایندی است که طی آن مردم یک کشورنیازهای خود را برمی اورند و زندگی خود را ارتقاء می بخشند، بدون اینکه منابعی که به نسل های آینده تعلق دارد را به خطر اندازند .( زاهدی، ۱۰۸:۱۳۹۰). به عبارتی دیگر توسعه پایدار مخالف هر سیاست یا عملکردی است که به نوعی منافع نسل های بعدی را به خطر بیاندازد. این درحالی است که بسیاری از برنامه ریزان و سیاست گذاران توسعه نیز، از صنعت گردشگری به عنوان یکی از ارکان اصلی توسعه ی پایدار یاد می کنند و بر این باورند که گردشگری، به عنوان یک موضوع چند ارزشی از راهکارهای مهم نیل به توسعه ی پایدار به شمار می رود؛ چراکه آثار تخریبی زیست محیطی آن حداقل و منبعی تما م نشدنی است . بدین ترتیب می توان همزمان با حفاظت از تنوع زیستی، از مناطق دیگر سرزمین بهره برداری متناسب، به شکلی مداوم و پایدار به عمل آورد و در عین حال، به افزایش رونق اقتصاد سرزمین از طریق ایجاد اشتغال، درآمد و بهبود رفاه جامعه کمک کرد. در سالهای اخیر تهیه طرح های گردشگری، بعنوان راهکاری جدید برای رهایی از این شرایط مورد توجه قرار گرفته است، به نظر می رسد کشورهایی که از قابلیت‌های بالقوه مناسبی در این زمینه برخوردارند، بتوانند توسعه گردشگری را در برنامه های توسعه ملی خود گنجانده و راه تکامل را طی نمایند (طیبی و همکاران ، ۵:۱۳۸۷). به طور کلی کشور ایران یکی از کشورهایی است که دارای پتانسیل های جذب گردشگران در سطح منطقه و جهان می باشد. تنوع اقلیمی و فرهنگی در ایران از پتانسیل های مهم در مقوله توریسم و اکوتوریسم می باشد، بنابراین پتانسیل های توسعه این بخش بالاست چنان که به طور مثال مناطقی با تنوع اب و هوایی مانند لواسانات در شمال تهران تنها در شرایطی می توانند سهم شایسته خود را از گردشگران بین المللی و داخلی جذب نمایند و از منافع چند بعدی حاصل از آن بهره مند گردند که برای عناصر و اجزای مختلف تشکیل دهنده صنعت گردشگری، برنامه ریزی مناسب صورت گیرد. تجربیات جهانی و تجربه گذشته کشورمان نشان می دهد که هر چند وجود امکانات و زیر ساخت های گردشگری شرط لازم برای توسعه این فعالیت می باشد و لیکن این تنها شرط، کافی نیست. کشورهایی که این مسأله را در نیافته اند و به دلیل نوع ایدئولوژی حاکم یا عدم برنامه ریزی مناسب نتوانسته اند ، شرایط جذب کننده گردشگر را فراهم آورند ، مهمترین بازندگان در میدان رقابت بین المللی بوده ا ند . چرا که لازمه توسعه این فعالیت و جذب گردشگران بیشتر ، برنامه ریزی جامع برای همه عناصر و اجزای تشکیل دهنده گردشگری و ساماندهی وضع جاذبه های بالقوه است که، بتواند ایمنی،آسایش و رضایت گردشگران را فراهم آورد.(امیریان ، ۱۳۷۹). بخش لواسانات ازجمله مناطق هدف گردشگری خصوصا برای ساکنین کلانشهر تهران می باشد که روستاهای آن به طور مستقیم و غیر مستقیم تحت تاثیر فعالیت های گردشگری قرار می گیرند ولی متاسفانه اقدامی لازم در خصوص توسعه گردشگری در این منطقه صورت نگرفته است. از این رو پیش از تدوین راه کارهای توسعه اکوتوریسم در این منطقه ،شناسایی دقیق قابلیت های اکوتوریستی و ارزیابی آنها می باشد. این شناسایی به برنامه ریزان این امکان را می دهد تا بر اساس توان های منطقه ، جهت و راهکارهای توسعه گردشگری منطقه را مشخص نموده ، برنامه ای متناسب با شرایط منطقه ارائه دهند. تدوین برنامه ای هدفمند و کارامد بر مبنای دستیابی به توسعه پایدار در این منطقه می تواند موجب توسعه فعالیت های اکوتوریستی این منطقه و در نتیجه منجر به جذب گردشگر و موازی ان حفظ محیط زیست منطقه گردد.
پذیرش مفهوم توسعه پایدار و ارزش میراث طبیعی در بیشتر کشورها در مباحث گردشگری منجر به پیدایش اکوتوریسم گردیده است این نوع گردشگری به لحاظ آرمانی جهانگردی دوستدار طبیعت است. در اکوتوریسم به حفاظت زیستگاه­ها تنوعات زیستی و چرخه­های اکولوژیک باید توجه شود و با برنامه­ ریزی درست می­توان سودآوی مناسب برای جوامع محلی و حفاظت از منابع طبیعی را تضمین کرد و حامیان و دوستداران طبیعت را افزایش داد و رشد اقتصادی را با روند حفاظت از منابع طبیعی به ویژه در کشور­های در حال توسعه پیوند زد (کوپر^[۲]،۲۰۰۰ : ۱۶۴).
۲-۲- تعاریف و اصطلاحات
۲-۲-۱-تعریف و مفهوم توریسم:
توریسم را باید آمیزه اى از چندین جزء گوناگون در نظر گرفت: عمل مسافرت، توقفى کوتاه، هدفى خاص و فعالیتهائى که در مقصد انجام می گیرد.
توریسم صنعتی است که با توریست ها و سرویس دهی به آنها سر و کار داشته و می تواند فعالیتی تفریحی ، علمی ، کاری و یا عاطفی باشد..
Tourism یا گردشگری حرکتی است، که از یک نقطه آغاز و در همان نقطه به پایان رسد، یعنی حرکت چرخشی حول یک محور و بازگشت به نقطه شروع. این صنعت در حال حاضر، یکی از سه صنعت برتر جهان (صنایع خودرو سازی،‌نفتی و توریسم) به شمار میرود. بنابر ساده ترین تعریف، گردشگری صنعتی است که موجب می گردد تا افراد برای مدتی از خانه های خود خارج شده و جهت بازدید از دیگر نقاط جهان به سفر بپردازند و در طول مدت سفر نیز نیازهای پذیرایی و اقامتی آنها را برطرف می نماید.
۲-۲-۲- تعریف و مفهوم توریست
توریست شخصی است که به کشور یا شهری غیر از محیط زیست عادی خود برای مدتی که کمتر از ۲۴ ساعت و بیشتر از یک سال نباشد سفر کند و قصد او از سفر، تفریح، استراحت، ورزش، دیدار اقوام و دوستان، مأموریت، شرکت در سمینار، کنفرانس یا اجلاس، معالجه، مطالعه و تحقیق و یا فعالیت مذهبی باشد. دکتر محمد تقی رهنمایی از اساتید گروه جغرافیای دانشگاه تهران نیز، در طرح جامع گردشگری استان اردبیل را از توریست یا گردشگر را اینگونه تعریف نموده است: « توریست یا گردشگر به مسافری گفته می شود که با انگیزه های گردشگری به مقصدی مسافرت نموده و بیش از یک شب و کمتر از ۶ ماه در مقصد اقامت نماید، بدون اینکه اشتغال و اقامت دایم در مقصد داشته باشد.»
توریست کسی است که با نیت کار ، تفریح و یا لذت بردن از محیط پیرامون از محل زندگی دائم خود دور شده و برای مدتی که می تواند بین یک روز تا یک سال باشد در محل دیگری بماند و توریسم صنعتی است که با توریست ها و سرویس دهی به آنها سر و کار داشته و می تواند فعالیتی تفریحی ، علمی ، کاری و یا عاطفی باشد.
۲-۲-۳- انواع توریسم
والن اسمیت شش نوع توریسم را در طبقه بندی خود از توریسم آورده است که عبارتند از :
۱ -توریسم قومی؛ نوعی توریسم که گردشگر با نیت مشاهده و آشنائی با سبک زندگی افراد بومی و اقوام محلی اقدام به سفر می کند. مثلاً ؛ دیدار از منازل بومیان ، حضور در جشن ها ، شرکت در مراسم مذهبی و …
۲ - توریسم هنری ؛ نیت توریست از این نوع گردش آشنائی با هنرهای ملل و مردم نقاط دیگر ، آشنائی با هنرهای دستی ، موسیقی ، و مواردی از این دست است.
۳ - توریسم طبیعت گرا : تأکید بر جاذبه های طبیعی و محیطی دارد و مراد پناه بردن به آغوش طبیعت زیبا و تحسین جاذبه های طبیعی است.
۴ - توریسم تاریخی ؛ چنین گردشی با نیت بازدید از مساجد و کلیساها ، آثار باستانی و … دست به تفرج می زند.
۵ - توریسم تفریحی و ورزشی ؛ گردشگر توجه خود را به شرکت در فعالیت های ورزشی و تفریحی از قبیل اسب سواری ، پیاده روی و… معطوف می نماید.
۶ - توریسم کاری یا حرفه ای ؛ مقصود اصلی از این نوع توریسم ، شرکت در کنفرانس ها و جلسات کاری است ( مهدوی، ۱۳۸۲ ).
۲-۳- تعریف و مفهوم اکوتوریسم
توریسم از اواخر قرن بیستم به یکی از مهم‌ترین بخش‌های فعالیت اقتصادی کشورها تبدیل شده است. در این بین اکوتوریسم در مقایسه با سایر شاخه‌های توریسم از رشد بسیار چشمگیری برخوردار بوده است. براساس آخرین آمارهای سازمان جهانی جهانگردی UNWTO در سال ۲۰۰۷ تعداد ۸۹۸ میلیون مسافرت بین‌المللی در سطح جهان صورت گرفته است و درآمد حاصل از توریسم بین‌الملل بالغ بر۷۳۳  میلیارد دلار(روزانه بالغ بر ۲ میلیارد دلار) بوده است. این در حالیست که پیش‌بینی می‌شود تا سال۲۰۲۰ آمار توریسم بین‌الملل به ۱/۶میلیارد برسد. با رشد صنعت گردشگری آمار تقاضا برای طبیعت‌گردی خصوصاً اکوتوریسم و شاخه ‌ای مرتبط با آن نظیر توریسم روستایی، اگروتوریسم و … افزایش یافته است. سازمان جهانی جهانگردی رشد تقاضا برای گردشگری طبیعت را سالانه ۱۰-۳۰ درصد برآورد می کند، در حالی که رشد سالانه تقاضا برای گردشگری در کل ۳- ۴ درصد می‌باشد. طبق آمار انجمن جهانی اکوتوریسم در سال ۲۰۰۴ نزدیک به ۴۰ درصد انگیزه سفر گردشگران، اکوتوریسم و بازدید از جاذبه‌های طبیعی برآورد شده است.
اکوتوریسم که توریسم بومی شناختی(Ecological )نیز نامیده می شود، شکلی از گردشگری است که جاذبه ها یا کولوژیکی و منحصر به فرد اجتماعی را مورد توجه قرار می دهد. بنا به تعریف مجمع بین ­المللی اکوتوریسم (TIES)، اکوتوریسم سفری است مسئولانه به مناطق طبیعی که حافظ محیط­زیست بوده و موجب بهبود کیفیت زندگی مردم محلی می­ شود. در تعریفی دیگر کنوانسیون تنوع زیستی (CBD)، اکوتوریسم را نوعی توریسم متکی بر حفاظت و مراقبت تنوع زیستی و اکوسیستم­های موجود در عرصه ­ها و با لحاظ نیازهای توسعه­ای عرصه ­ها تلقی کرده که مشارکت جوامع محلی و ایجاد درآمد قابل اتکا برای جوامع محلی از نتایج آن است. در واقع اکوتوریسم را مسافرتی بدون تخریب، پراکندگی و آلودگی مناطق طبیعی، فعالیت­های خاص مطالعاتی و کاوشگرانه و احساس لذت از مناظر طبیعی همچون گیاهان وحشی، حیوانات و ارزش­های فرهنگی یک منطقه تعریف نموده ­اند (بیاتی و همکاران؛ ۱۳۸۹: ۳۰)
۲-۳-۱-تاریخچه اکوتوریسم
پیرامون واژه طبیعت‌گردی و سابقه کاربرد آن اظهار نظرهای متفاوتی صورت گرفته است. برخی صاحبنظران سابقه کاربرد چنین واژه‌ای را در اواخر دهه ۱۹۸۰ ذکر کرده اند. اما در تمام متون مرتبط سبالوس لاسکورین Ceballos-Lascurain به عنوان نخستین کسی آمده است که این واژه را بکار برد است. برابر تعریف او: طبیعت‌گردی سفری است به مناطق نسبتا بکر و دست نخورده با هدف مطالعه، تحسین، ستایش و لذت بردن از مناظر، جانوران ، گیاهان وحشی منطقه و هرگونه اثار فرهنگی (گذشته و معاصر) که در این مناطق یافت می شود. برخی سابقه کاربرد واژه اکوتوریسم را به زمانی دورتر و به “هتزر” نسبت داده اند و معتقدند که او این واژه را در دهه ۱۹۶۰ م برای تشریح روابط متقابل گردشگری و محیط زیست و ویژگی های فرهنگی به کار برده است.
۲-۳-۲-تعریف اکوتوریسم  
در مورد تعریف اکوتوریسم اتفاق آراء وجود ندارد. بعضی از تعاریف ارائه شده لیست وار در زیر آورده شده است:

شکل ۲-۱۱- شبکه هاپفید گسسته
طبق شکل تمام نرون ها شبه یکدیگر عمل می کنند و هیچ کدام از نرون ها به عنوان ورودی یا خروجی از هم متمایز نمی شوند و این وجه بارز اختلاف این شبکه با دیگر شبکه هایی است که مورد بررسی قرار گرفتند .نرون ها نخست توسط ورودی مقادیر اولیه می گیرند و آنگاه شبکه طوری خود را تکرار می کند که نتیجه نهایی ، همگرایی شبکه به یکی از الگو های مرجع باشد در مثال مذکور اگر به شبکه هاپفید پرتقال بیضوی را اعمال کنیم قاعدتاً جواب شبکه باید پرتقال بیضوی باشد یعنی شبکه به مقداری همرا شده است که هیچ کدام از بردار های مرجع را نمایندگی نمی کند . البته این یکی از معایبی است که شبکه های هاپفید با آن درگیر هستند ، یعنی شبکه به برداری همگرا می شود که جزء الگو های مرجع نیست .

۲-۱۶-۴- شبکه عصبی خود سازمانده مدل کوهنن^[۷۳]

مدل کوهنن یک مدل بدون ناظر است . در این مدل تعدادی سلول عصبی که معمولاً در یک توپولوژی مسطح کنار یکدیگر چیده می شوند ، با رفتار متقابل روی یکدیگر وظیفه شبکه خود سازمانده را ایفا می کنند . این وظیفه تخمین یک تابع توضیع است . بردار  را که هر یک از درایه های آن دارای چگالی احتمال  است، در نظر بگیرید . در این فضای چگالی نمونه هایی را به تناوب و تصادف انتخاب کرده به شبکه اعمال می کنیم بر اساس موقعیت بردار ورودی در فضای  ، وزن های سلول ها طبق الگریتمی تغییر میکنند. این تغییر به نحوی انجام می گیرد که در نهایت ، بردار های وزن مربوط به سلول ها به طور یکنواخت در فضای چگالی احتمال ورودی توزیع می شوند و بدین ترتیب شبکه با پراکندن سلول های خود در فضای ورودی پگالی احتمال آن را تخمین می زند .پراکندگی سلول ها در فضای احتمال ورودی به نوعی می تواند فشرده سازی اطلاعات محسوب شود، زیرا اکنون هر سلول مبین تقریبی از یک محدوده مشخص در فضای  است .
شکل ۲-۱۲- مدل فیزیکی کوهنن

۲-۱۶-۵- شبکه عصبی تأ خیر زمانی

نوعی از شبکه های عصبی چند لایه هستند که توانایی رویارویی با طبیعت دینامیکی داده های نمونه ای و سیگنال های ورودی را دارا می باشد.شبکه های عصبی چند لایه دارای ویژکی های زیر می باشند:
دارای چندین لایه بوده ودر هر لایه به تعداد کافی اتصال بین نرون ها موجود است، به طوری که شبکه توانایی یادگیری سطوح تصمیم گیری غیر خطی پیچیده داراست
رفتار شبکه نسبت به انتقال زمانی ویزگی های نمونه ها حساس می باشد .
روش یادگیری در شبکه نسبت به تطبیق زمانی دقیق نمونه های ورودی حساس است .
شبکه تأخیر زمانی (TDNN) اولین بار در سال ۱۹۸۸ توسط ویبل استفاده شد و تا کنون نیز کماکان به همان صورت باقیمانده است ، شامل سه لایه است که وزن های آن با سلول های تأخیر زمانی جفت شده اند.تابع محرک هر سلول TDNN تابع زیگموویداست و دارای  ورودی وزن داده شده هستند .
_{شکل ۲-۱۳- ساختار نرون I ام در شبکه TDNN}
در طراحی شبکه های عصبی و بخصوص شبکه عصبی تأخیر زمانی ، طراح با مسئله انتخاب شبکه ای مناسب برای طرح خود مواجه است . به طور کلی شبکه ای که با کمترین پیچیدگی و حداقل پارامتر ، بیشترین دقت را در شناسایی الگو های ورودی داشته باشد شبکه مناسب نامیده می شود . در تئوری اگر مسئله ای توسط شبکه ای خاص قابل حل باشد ، توسط شبکه های با اندازه بزرگتر نیزقابل حل است . ولی به خاطر عدم وجود جواب یگانه برای وزن های بهینه الگریتم های یادگیری برای شبکه بزرگتر معمولاً وزنهای مخالف۰ را نتیجه می دهند از اینرو برای تشخیص آن یک شبکه با اندازه کوچکتر برای حل مسئله مورد نظر وجود دارد با اشکال مواجه می کند .اگر تعداد نرون های لایه های شبکه مورد استفاده در یک مسئله خاص را کم بگیریم شبکه قادر به یادگیری نخواهد بود زیرا تعداد فوق صفحات و در نتیجه فوق حجم های لازم برای تقسیم بندی فضای ورودی به کلاس های مختلف کافی نخواهد بود از طرف دیگر تعداد زیاد نرون های لایه های پنهان نیز به خاطر بالا رفتن حجم محاسبات ودر نتیجه طولانی شدن زمان تربیت شبکه مناسب نمی باشد علاوه بر این با توجه به آنکه تربیت شبکه بر اساس مجموعه محدودی از الگو های تربیتی صورت می گیرد اگر شبکه خیلی بزرگ باشد سعی در حفظ کردن دقیق الگو های تربیتی می نماید و این امر موجب کاسته شدن از قدرت تعمیم و درون یابی شبکه جهت تشخیص الگوهای جدید و خارج از مجموعه تربیتی می گردد از اینرو یک تعداد بحرانی برای لایه های پنهان وجود دارد که برای هر کاربرد خاص باید پیدا شود.تعداد نرون های لایه پنهانبا شبیه سازی شبکه های مختلف و اندازه گیری میزان دقت و درون یابی این شبکه ها روی الگو هایی که درمجموعه تربیتی آنها نبوده است.تعداد نرون های لایه خروجی شبکه ویا به عبارت دیگر نوع کدینگ در خروجی نیز بایستی برای حل یک مسئله خاص مناسب باشند.بهترین روش کدینگ کردن کلاس های خروجی استفاده از بردار های مقدماتی است . ]۲۴[
(( 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. ))

۲-۱۷- مدل ترکیبی شبکه های عصبی مصنوعی و تحلیل پوششی داده ها (NEURO/DEA )

۲-۱۷-۱- مقدمه

ایده ی ترکیب شبکه های عصبی و DEA را اولین بار در سال ۱۹۹۶ کانن و آتونوسوپولیس^[۷۴] مطرح کرده اند . آن ها DEA را با ANNs مقایسه کرده اند و در شبیه سازی صورت گرفته این نتیجه حاصل شد که DEA در اندازه گیری اهداف بهتر از ANNs عمل می کند و ANNs در رتبه بندی واحدها براساس امتیاز کارایی به دست آمده همانند DEA است .
در سال ۱۹۹۷ کارایی متروی لندن با داده های سری های زمانی تحلیل شد و این نتیجه به دست آمد که نتایج حاصل از ANNs با حداقل مربعات معمولی تصحیح شده^[۷۵] و DEA بسیار به هم شبیه هستند . ^[۷۶] در سال ۲۰۰۰ شبکه های عصبی برای تخمین توابع هزینه به کار گرفته شد ^[۷۷] و در سال ۲۰۰۴ نیز سانتین از یک شبکه عصبی برای شبیه سازی تابع تولید غیر خطی استفاده کرد و نتایج آن را با روش های متداول تری مثل مرزهای تصادفی و DEA با مشاهدات مختلف و اغتشاش مقایسه کرد و نشان داد شبکه های عصبی در مقایسه با روش های فوق از ثبات بیشتری برخوردار است .^[۷۸]
در این تحقیق سعی بر آن است که از شبکه های عصبی و DEA و تلفیق آن ها ( Neuro-DEA ) در اندازه گیری کارایی پالایشگاه کشور استفاده شود . پس از محاسبه کارایی ، نتایج حاصله با DEA معمولی مقایسه می شود ، زیرا با توجه به کم بودن تعداد پالایشگاه های گاز در مقایسه با تعداد ورودی ها و خروجی ها ، مدل پایه ای DEA قادر به رتبه بندی واحد ها نمی باشد . بنابر این از قدرت تفکیک پذیری و تخمین روایط غیر خطی شبکه های عصبی برای رفع این مسأله استفاده می شود .
تحلیل مرز کارایی یک رویکرد با اهمیت جهت ارزیابی عملکرد شرکت ها در بخش عمومی و خصوصی است . بهره وری و کارایی در منابع تبدیلی ( ورودی ها ) به کالا و خدمات ( خروجی ها ) از مقوله های ( موضوعات ) کلیدی ( اصلی ) در بخش های خصوصی و عمومی می باشد ^[۷۹].
دو نمونه ی رقابتی در تحلیل کارایی وجود دارد .نمونه اول تکنیک های برنامه ریزی ریاضی یا رویکرد تحلیل پوششی داده ها (DEA ) را به کار می گیرد که عمومأ در زمینه پژوهش عملیاتی (OR ) می باشد . نمونه های دیگر رویکرد رگرسیون یا روش تابع مرز قطعی (SFF ) می باشد که به طور گسترده ای ( وسیعی ) در زمینه های اقتصادی کاربرد دارد . هر یک از این دو متدولوژی ویژگی هایی دارد و به صورت زیر بحث شده است . در مطالعه اصلی DEA توسط چارنز و همکارانش ( CCR ) ، روش DEA را به عنوان یک مدل برنامه ریزی ریاضی که روش برآورد تجربی ( غیر عملی – آزمایشی ) از رویه های ( سطح های ) امکان پذیر محصول ( تولید ۹ کارا فراهم می کند ، مطرح شده است . به جای سعی کردن مبنی بر متناسب کردن یک سطح رگرسیون از طریق مرکز داده مشاهده ای ، DEA به سطح خطی هدایت می شود که پوشش یالایی از مجموعه داده مشاهده ای می باشد . کارایی نسبی با نقطه داده دیگری ارائه می شود که از طریق برنامه ریزی ریاضی تحلیل می شود . در مقایسه با رویکرد SFF ( تابع مرز قطعی ) ، DEA به هیچ گونه فرضی در شکل های کاربردی ( تابعی ) نسبت به تقعر ( فرورفتگی ) توابع مرزی ، نیاز ندارد . چالش اصلی مواجه شده در DEA این واقعیت است که اگر به داده ها اغتشاش آماری سرایت کند ، مرزهای محاسبه شده به وسیله DEA ممکن است منحرف شود^[۸۰] .
به عنوان مثال در مسائل پیش بینی معین خیلی طبیعی و عادی است که فرض کنیم تابع پیش بینی خصوصیات یکنواختی خواهد داشت . برای مثال در مدل های پیش بینی مالی ، تقاضای شخصی با درآمد افزایش یافته است . در صنایع لیزر و حمل و نقل ، قیمت کالاهای فاسد شدنی نظیر اتاق های هتل ها و جایگاه هواپیماه به طور یکنواختی با تقاضای مصرف کننده افزایش می یابد^[۸۱] .
ANN یک روش پیش بینی غیر خطی عمومی است . ANN برای پیش بینی بارهای الکتریکی با جزء کوتاه ، نظیر فروش روزانه ، تلاش های نرم افزاری و پیش بینی هزینه عرضه های عمومی اولیه به کار می رود . از آنجایی که شکل تابع ANN بستگی به آموزش داده ها دارد برای آموزش تابع پیش بینی یکنواخت با بهره گرفتن از ANN ، آموزش داده ممکن است خصوصیات یکنواختی داشته باشد^[۸۲] .
شبکه های عصبی براساس رویکرد غیر پارامتریک مزایای مشخصی دارد . و آن این است که هیچ گونه فرضیه ای در مورد توزیع احتمالی یا ساختارهای تابع محصول نیاز ندارد . فرضیه های استفاده شده برای این روش ، قضیه جهانی پذیرفته شده مرزهای کارایی می باشند . یعنی مرز کارایی تقعر می یابد ، انحراف خارجی در داده ها یک توزیع یک طرفه دارد و انحراف داخلی در داده ها یک توزیع دو طرفه دارد . در واقع آن روش می تواند اطلاعات زیادی در مورد حالت نامعین و انحراف داخلی و خارجی برای تصمیم گیری آشکار کند^[۸۳] .
با توجه به اینکه مدل DEA یک مدل خطی است و از طرفی شبکه های عصبی توانایی بالایی در تقریب توابع غیرخطی دارند ، ANNs ابزار خوبی برای استفاده در چنین مسائلی است . لذا امکان به کارگیری ANNs در اندازه گیری کارایی شرکت ها مناسب می باشد . هم چنین مطالعات نشان می دهد که شباهت های زیادی بین DEA و ANNs در ارزیابی عملکرد وجود دارد ^[۸۴] که دو مورد زیر نمونه ای از این موارد است :
هیچ کدام از مدل های DEA و ANNs هیچ پیش فرض اولیه ای در مورد نوع ارتباط بین ورودی ها و خروجی ها ندارد .
در DEA ، به دنبال مجموعه ای از وزن ها هستیم ، به طوری که کارایی فنی حداکثر شود . در حالی که ANNs به دنبال یافتن مجموعه ای از آن ها به طوری است که اختلاف بین خروجی واقعی و خروجی مطلوب را حداقل کند و این کار را نیز با حداقل داده های یادگیری انجام می دهد . ]۲[

۲-۱۷-۲- الگوریتم تحلیل کارایی

گام اول : اولین گام جمع آوری اطلاعات مربوز به ورودی ها و خروجی های هر DMU است . در تحلیل کارایی شرکت ها تعیین ورودی ها و خروجی ها اهمیت ویژه ای دارد ، زیرا هر شرکت دارای ورودی ها و خروجی های بسیار متعددی است که در نظر گرفتن تمامی یا تعداد زیادی از آن مشکلاتی را ایجاد می کند . هم چنین در صورت نادیده گرفتن تعدادی از این ورودی ها و خروجی ها موجب کاهش اعتماد به نتایج می گردد . بعد از تعیین ورودی ها و خروجی ها هر DMU برای مقایسه و اندازه گیری کارایی DMU ها ، اطلاعات مربوطه با روش زیر نرمال می شود .

۲-۱۷-۳- نرمال سازی ^[۸۵]داده ها

پس از پیش پردازش داده ها ، مسأله مهم دیگری که باید به آن توجه داشت نرمال سازی یا هم مقیاس کردن داده هاست . مقیاس های متفاوت در متغیرهای مختلف نتایج را از جنبه های مختلف تحت تأثیر قرار خواهند داد . به این منظور باید همه ی داده ها را هم مقیاس نموده و آن ها را تغییر شکل داد . بنابراین برای استاندارد سازی میزان تدثیر هر متغیر بر روی نتیجه باید متغیرهای عددی را نرمال سازی نمود . روش های متعددی برای نرمال سازی داده ها وجود دارد . در این تحقیق از روشی که لاروش در کتاب مقدمه ای بر داده کاوی آورده است استفاده می نماییم .با بهره گرفتن از روش فوق می توان داده ها را در هر فاصله دلخواه مانند مرتب نمود . این امر به صورت زیر انجام می شود :

(۱)
(۲)
(۳)
در این رابطه X^* متغیر نرمال سازی شده و X_i متغیر اصلی می باشد .
برای نرمال سازی داده ها ترجیح داده شد که داده ها در بازه [۰ , ۱ ] نرمال گردند . این امر بدان علت است که بتوان اختلاف بین متغیرها را بهتر نشان داد و هم چنین شبکه های عصبی با متغیرهای باینری و دو قطبی بهتر آموزش می بینند .
گام دوم : با بهره گرفتن از داده های جمع آوری شده کارایی تمام DMU ها از طریق مدل CCR محاسبه می شود . در این مرحله داده های لازم برای آموزش شبکه فراهم می شود . اگر تعداد DMU ها زیاد باشد ، می توان با بهره گرفتن از نمونه گیری کارایی تعدادی از آن ها را محاسبه کرد .
گام سوم : انتخاب یک زیر مجموعه از اطلاعات جمع آوری شده برای آموزش شبکه تحقیقات نشان می دهد که برای آموزش شبکه بهتر است از مجموعه داده های واحد های کارا استفاده شود ^[۸۶].
استفاده از داده های واحدهای کارا برای آموزش باعث می شود تا شبکه الگوی کارایی را بهتر یاد بگیرد . برای مشخص کردن واحدهای کارا از نظر خبرگان و کارشناسان و کارشناسان استفاده می شود . این مرحله حساس ترین مرحله الگوریتم است . زیرا اساس آموزش شبکه می باشد . در این مرحله می توان از روش های دیگری مثل مدل های تصمیم گیری چند معیاره و سایر روش های ترکیبی نیز استفاده کرد تا واحد هایی را که به نظر الگویی بهتر از کارایی را دارند انتخاب کرد .
گام جهارم : آموزش شبکه . در این مرحله شبکه عصبی با استفاده اط داده های واحدهایی که در گام قبل انتخاب شدند آموزش داده می شود . وزن های شبکه طبق معادلات (۱) و (۲) تغییر می کنند .

گام پنجم : اگر با اراده داده های آموزشی نتیجه ی مورد نظر حاصل شد ( معیار خطا به میزان مورد نظر کاهش یافت ) به گام بعد می رویم و در غیر این صورت به گام سوم بر می گردیم تا الگوی آموزش شبکه کامل شود .
گام ششم : محاسبه کارایی تمامی DMU ها با بهره گرفتن از شبکه های عصبی آموزش یافته .
گام هفتم : مقایسه بین نتایج حاصل از مدل DEA و Neuro – DEA : در صورت لزوم می توان از تحلیل رگرسیونی و همبستگی بین نتایج دو روش استفاده کرد که در اینجا چون DEA نتایج معتبری نمی دهد از آن صرف نظر می کنیم .
فلوچارت الگوریتم فوق به شکل زیر می باشد :

^{شکل ۲-۱۴- الگوریتم تحلیل کارایی}

۲-۱۸- مفاهیم کارایی ، بهره وری و اثربخشی

کوشش های اقتصادی انسان همواره معطوف در این جهت بوده است که حداکثر نتیجه را با کمترین امکانات و عوامل موجود به دست آورد .این تمایل را می توان دستیابی به کارایی ، بهره وری و اثربخشی بالا نامید . کارایی ، بهره وری و اثربخشی مفاهیمی اقتصادی هستند که گاه در ادبیات اقتصادی تعبیر یکسانی از آن ها می شود .بهره وری مفهومی جامع و در برگیرنده ی کارایی و اثر بخشی است و افزایش آن با هدف ارتقای سطح زندگی ، رفاه ، آرامش و آسایش انسان ها ، همواره مدنظر دست اندرکاران سیاست و اقتصاد بوده است .

فرضیه ۱ : بازده غیر عادی با میزان محافظه کاری ارتباط منفی دارد.
فرضیه ۱-۱:اعلام به موقع خبرهای بد با بازده غیر عادی رابطه منفی دارد.
فرضیه ۱-۲:اعلام به موقع خبرهای خوب با بازده غیر عادی رابطه مثبتی دارد.
فرضیه ۲ : بین محافظه کاری وعدم تقارن اطلاعاتی رابطه منفی وجود دارد.
فرضیه ۲-۱:اعلام به موقع خبرهای بد با عدم تقارن اطلاعاتی رابطه منفی دارد.
فرضیه ۲-۲:اعلام به موقع خبرهای خوب با عدم تقارن اطلاعاتی رابطه مثبت دارد.
فرضیه ۳ : بین بازده غیر عادی و عدم تقارن اطلاعاتی رابطه معنا داری وجود دارد.
ب ) فرضیه‌های گروه دوم :
فرضیه ۴: تغییر در بازده غیر عادی موجب تغییر در میزان محافظه کاری می‌شود.
فرضیه ۵:تغییر در میزان محافظه کاری موجب تغییر در بازده غیر عادی می‌شود.
فرضیه ۶:تغییر در عدم تقارن اطلاعاتی موجب تغییر در میزان محافظه کاری می‌شود.
فرضیه ۷:تغییر در میزان محافظه کاری موجب تغییر در عدم تقارن اطلاعاتی می‌شود.

۵-۳- روش و ابزارهای گردآوری داده‌ها

مرحله گردآوری داده ها، آغاز فرآیندی است که طی آن محقق یافته های میدانی و کتابخانه ای را گردآوری می کند و به روش استقرایی به فشرده سازی آن ها از طریق طبقه بندی و سپس تجزیه و تحلیل می پردازد و فرضیه های تدوین شده خود را مورد ارزیابی قرار می دهد و در نهایت حکم صادر می کند و پاسخ مسئله تحقیق را به اتکای آن ها می یابد (حافظ نیا، ۱۳۸۱).در این پژوهش برای جمع آوری اطلاعات در زمینه‌های مبانی نظری و ادبیات تحقیق و همچنین تبیین و توصیف مدل‌ها از روش کتابخانه‌ای نظیر مقالات، شبکه جهانی اطلاعات (اینترنت)، پایان نامه و کتاب‌های مرتبط استفاده شده است. همچنین جهت جمع آوری داده‌های مورد نیاز به منظور آزمون نمودن فرضیه‌های تحقیق از صورت‌های مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران در طی سال­های ۱۳۹۰ ـ ۱۳۸۳ بانک‌های اطلاعاتی رایانه‌ای (نرم افزار ره آورد نوین و تدبیر پرداز)، سایت بورس اوراق بهادار کمک گرفته شده است. داده‌های جمع آوری شده با بهره گرفتن از نرم افزار Excel، اصلاح و طبقه بندی و بر اساس متغیرهای مورد بررسی وارد نرم افزار Eviews7 گردیده است. تجزیه و تحلیل نهایی نیز به کمک نرم افزار آماریEviews7 و SPSS21 انجام شده است.

( 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. )

۶-۳- روش تجزیه و تحلیل آماری

در این پژوهش به منظور بررسی فرضیه‌های پژوهش و تعیین وجود رابطه معنی داری بین متغیرهای مستقل و وابسته علاوه بر استفاده از تحلیل‌های توصیفی مناسب، از تحلیل همبستگی و رگرسیون چند متغیره به نمایندگی از تحلیل‌های استنباطی به صورت زیر کمک گرفته می‌شود.
بررسی نرمال بودن داده‌های پژوهش با هدف تعیین استفاده از آزمون‌های پارامتریک و یا نا پارامتریک جهت محاسبه فرضیه‌های پژوهش به کمک آزمون کلموگوروف- اسمیرنوف.
استفاده از تکنیک داده پانل جهت تعیین نمودن مدل‌های رگرسیونی مناسب، ضرورت استفاده از این تکنیک که داده‌های سری زمانی و مقطعی را باهم ترکیب می‌کند، بیشتر به خاطر افزایش تعداد مشاهدات، بالا بردن درجه آزادی، کاهش ناهمسانی واریانس و کاهش هم خطی میان متغیرهاست. همچنین داده‌های پانلی امکان طراحی الگوهای رفتاری پیچیده‌تری را فراهم می‌کنند و امکان بیشتری را برای شناسایی و اندازه گیری اثراتی فراهم می‌کنند که با اتکای صرف به آمارهای مقطعی یا سری زمانی به سادگی قابل شناسایی نیستند. از این رو به کمک آزمونF لیمر و هاسمن روش جهت تخمین مدل رگرسیونی انتخاب می‌گردد.
بررسی امکان تخمین مدل رگرسیونی با در نظر گرفتن مفروضات اساسی مدل رگرسیونی شامل صفر بودن میانگین خطاها، ثابت بودن واریانس جمله خطا، عدم وجود خود همبستگی بین جملات خطا و در نهایت نرمال بودن جملات خطا و کمک گرفتن از آزمون‌های وایت و آرچ ARCH، دوربین واتسون، هیستوگرام تجمعی و آماره B-J
تایید و یا رد فرضیه‌های پژوهش با بهره گرفتن از مدل تخمین شده و از طریق بررسی ضریب تعیین و ضریب همبستگی، آزمون معنی دار بودن مدل رگرسیون )تحلیل واریانس) به کمک آماره F، آزمون معنی دار بودن ضرایب رگرسیون به کمک آماره T
از این رو در ادامه این فصل به صورت تفضیلی به نحو محاسبه هر یک از روش‌های تعیین شده در این بخش خواهیم پرداخته می شود.

۷-۳- انواع روش‌های تجزیه و تحلیل اطلاعات

پس از جمع آوری داده‌ها محقق باید آن‌ها را دسته بندی و تجزیه و تحلیل نماید، آن گاه به آزمون فرضیه‌هایی بپردازد که تا این مرحله تحقیق او را یاری کرده‌اند، تا پاسخی برای پرسش‌های تحقیق بیابد. تجزیه و تحلیل داده‌ها فرآیندی چند مرحله‌ای است که طی آن داده‌های گردآوری شده به طرق مختلف خلاصه، دسته بندی و در نهایت پردازش می‌شوند تا زمینه برقراری انواع تحلیل‌ها و ارتباط بین داده‌ها به منظور آزمون فرضیه‌ها فراهم آید. در این فرایند، داده‌ها هم از لحاظ مفهومی و هم از جنبه تجربی پالایش می‌شوند و روش‌های گوناگون آماری نقش بسزایی در استنتاج‌ها به عهده دارند. غالباً تجزیه و تحلیل داده‌ها از لحاظ نحوه ی ارائه داده‌ها به دو گروه ۱) تجزیه و تحلیل کیفی ۲) تجزیه و تحلیل کمی دسته بندی می‌شوند و متناسب با نوع پژوهش مورد استفاده قرار می‌گیرند. در رویکرد کمی که یک رویکرد قیاسی و جزء نگرست یک یا چند متغیر مشخص مورد بررسی قرار می‌گیرند و با نظریه‌های تبیین شده مورد تجزیه و تحلیل قرار می‌گیرند در حالی که در رویکرد کیفی که یک رویکرد کل نگر و استقرایی است کلیت پدیده مورد مطالعه و بافتی که آن را احاطه کرده است مورد بررسی قرار می‌گیرد. همچنین شیوه‌های تجزیه و تحلیل کمی به دو صورت تحلیل توصیفی و تحلیل استنباطی به کار گرفته می‌شوند.

۱-۷-۳- تحلیل توصیفی

این شیوه که برای تبیین و توصیف وضعیت پدیده های مورد مطالعه مورد استفاده قرار می‌گیرد به پژوهشگران در طبقه بندی، خلاصه سازی، توصیف و تفسیر و برقراری ارتباط میان داده‌های جمع آوری شده نیز کمک خواهند نمود. شاخص‌های مرکزی (میانگین، مد، نما) و شاخص‌های پراکندگی (دامنه تغییرات، واریانس و انحراف معیار) شاخص‌های کشیدگی و چولگی از مهم‌ترین پارامترهای تحلیل‌های توصیفی به شمار می‌روند که به منظور ارائه دیدگاهی کلی نسبت به جامعه آماری توسط پژوهشگران مختلف مورد استفاده قرار می‌گیرد.

۱-۱-۷-۳- مفهوم واریانس و انحراف معیار ^[۲۰۰]

برای یک سری داده مثلاً x1، x2 و.. پارامتری به نام واریانس به صورت زیر تعریف می‌شود:

جذر واریانس انحراف معیار خوانده می‌شود. در واقع انحراف معیار نشان دهنده میزان انحراف داده‌ها از میانگینشان می‌باشد. چنانچه هدف بررسی میزان تغییرات داده‌ها باشد؛ از انحراف معیار استفاده می‌شود. برای محاسبه انحراف معیار داده‌ها عموماً ابتدا واریانس محاسبه و سپس از آن جذر گرفته می‌شود. برای یک متغیر تصادفی مانند X پارامتر واریانس به صورت زیر تعریف می‌شود:

در حالت پیوسته و گسسته این رابطه به صورت زیر محاسبه می‌شود.

جذر واریانس، انحراف معیار خوانده می‌شود و با  نشان داده می‌شود.

۲-۷-۳- تحلیل استنباطی

نقش آمار توصیفی در واقع، جمع‌ آوری، خلاصه کردن و توصیف اطلاعات کمّی به دست آمده از نمونه‌ها یا جامعه‌ها است. اما محقق معمولاً کار خود را با توصیف اطلاعات پایان نمی‌دهد، بلکه سعی می‌کند آنچه را که از بررسی گروه نمونه به دست آورده است به گروه‌های مشابه بزرگ‌تر تعمیم دهد. از طرف دیگر در اغلب موارد مطالعه تمام اعضای یک جامعه ناممکن است. از این رو محقق به شیوه‌هایی احتیاج دارد که بتواند با بهره گرفتن از آن‌ها نتایج به دست آمده از مطالعه گروه‌های کوچک را به گروه‌های بزرگ‌تر تعمیم دهد. به شیوه‌هایی که از طریق آن‌ها ویژگی‌های گروه‌های بزرگ بر اساس اندازه‌گیری همان ویژگی‌ها در گروه‌های کوچک استنباط می‌شود آمار استنباطی گفته می‌شود.) شیولسون،۱۳۸۳) به بیان دیگر، در پژوهش‌های علوم رفتاری کسب اطلاعات درباره گروه‌های کوچک غالباً هدف پژوهشگر نیست، بلکه هدف پژوهشگر تعمیم نتایج به‌دست‌آمده از یک گروه کوچک به یک جامعه بزرگ‌تر می‌باشد. این تعمیم مستلزم آن است که پژوهشگر از روش‌های آماری پیشرفته‌تری تحت عنوان “استنباط آماری” استفاده نماید.(هومن ،۱۳۸۷) در آمار استنباطی از آزمون‌های فرض آماری مناسب جهت تعمیم ویژگی‌های نمونه به کل جامعه کمک گرفته می‌شود.

۱-۲-۷-۳- آزمون فرض آماری

فرض آماری، ادعایی در مورد یک یا چند جمعیت مورد بررسی است که ممکن است درست یا نادرست باشد. به عبارت دیگر فرض آماری، یک ادعا یا گزاره‌ای در مورد توزیع یک جمعیت یا پارامتر توزیع یک متغیر تصادفی است. فرضیه آماری، نقطه آغاز آزمون فرض است و اصولاً بدون داشتن فرضیه آماری امکان انجام یک آزمون دشوار است. فرضیه آماری به دو نوع فرض صفر (H₀) و فرض خلاف (H₁) بیان می‌شود. فرضیه‌ای که در آزمون‌های آماری مورد آزمون قرار می‌گیرد فرضیه صفر است که همیشه حاکی از عدم وجود تفاوت می‌باشد. اما فرض خلاف همان فرضیه پژوهشی است که می‌تواند جهت‌دار یا غیر جهت‌دار باشد.(هومن،۱۳۸۶) هدف آزمون فرض آماری، تعیین این موضوع است که با توجه به اطلاعات بدست آمده از داده‌های نمونه ادعایی که در مورد جمعیت مورد بررسی تایید می‌گردد یا خیر؛ بنابراین دو فرض مکمل به دو صورت زیر به وجود می‌آید.
فرض _۰ H: ادعا غلط است.
فرض_۱ H: ادعا صحیح است.
فرایند انتخاب یکی از دو تصمیم فوق را آزمون فرض آماری می‌نامند.

۲-۲-۷-۳- سطح معنی دار و خطاهای آماری

پس از آنکه فرض‌های آماری تعریف شدند، گام بعدی مشخص کردن سطح معنی دار بودن تفاوت‌ها (α) است. بدین صورت که فرضH₀ را به نفع فرض H₁ رد کنیم به شرط اینکه از طریق آزمون آماری مناسب مقداری بدست آوریم که احتمال وقوع آن مقدار با توجه به H₀ برابر یا کمتر از یک احتمال بسیار کوچک باشد که با α نشان داده می‌شود. این احتمال وقوع کوچک را سطح معنی دار^[۲۰۱]می‌گویند. سطح معنی داری که محقق برای تعیین α در تحقیق انتخاب می‌کند بر تخمین او از اهمیت و یا درجه قابلیت کاربرد یافته‌هایش مبتنی است. در تحقیقات مالی و حسابداری غالباً این مقدار برابر با ۰۵/۰ در نظر گرفته می‌شود (آذر و مومنی، ۱۳۸۷).پس از انجام آزمون‌های آماری، محقق با توجه به یافته‌های آزمون آماری در مورد رد یا عدم رد فرضیه صفر تصمیم می‌گیرد. اگر نتایج آزمون به گونه‌ای باشد که نتوان آن را رد کرد، جایی برای اثبات یا تأیید فرضیه پژوهشی باقی نمی‌ماند، اما اگر فرضیه صفر رد شود، به طور غیرمستقیم فرضیه پژوهشی تأیید می‌شود. اگر فرضیه صفر در واقع صحیح باشد ولی محقق تصمیم به رد آن بگیرد خطای نوع اول رخ داده است. بر عکس اگر فرضیه صفری در واقع فرضیه‌ای غیر صحیح باشد ولی محقق آن را تأیید کند، دچار خطای نوع دوم شده است(دلاور،۱۳۸۷)

۸-۳- آزمون‌های تحلیل استنباطی

آزمون‌های آماری مورد استفاده جهت تجزیه و تحلیل اطلاعات به دست آمده از یک گروه کوچک (نمونه) و تعمیم آن به جامعه مورد نظر با توجه به مقیاس اندازه‌گیری متغیرها، به دو گروه “پارامتریک” و “نا پارامتریک” تقسیم می‌شوند. آزمون‌های پارامتریک، به تجزیه و تحلیل اطلاعات در سطح مقیاس فاصله‌ای و نسبی می‌پردازند که حداقل شاخص آماری آن‌ها میانگین و واریانس است. در حالی که آزمون‌های نا پارامتریک، به تجزیه و تحلیل اطلاعات در سطح مقیاس اسمی و رتبه‌ای می‌پردازند که شاخص آماری آن‌ها میانه و نما است. آمار پارامتریک تحت تأثیر مقیاس سنجش متغیرها و توزیع آماری جامعه است؛ و تنها در صورتی که متغیرها از نوع فاصله‌ای و نسبی باشند و توزیع آماری جامعه نرمال یا به هنجار باشد از روش‌های پارامتریک استفاده می‌شود در غیر این صورت از روش‌های نا پارامتریک استفاده می‌شود.

۱-۸-۳- بررسی نرمال بودن داده‌های تحقیق

اشاره کرد.
در ادامه با طرح دو مثال، بهینه‌سازی مقید و نامقید را جهت تکمیل توضیحات بالا مورد مورد ارزیابی قرار می­دهد.
مثال ۳- ۱- کمینه‌سازی تابع نامقید
فرض کنید می‌خواهیم کمینه مقدار تابع جبری زیر را بدست آوریم:
(۳-۱۰)
به بیان دیگر می‌خواهیم ترکیبی از متغیرهای x₁,x₂ را طوری پیدا کنیم که رابطه ۳-۱۰ کمینه گردد. بردارX شامل x₁,x₂ است که ما آنها را متغیرهای طراحی می‌نامیم. هیچ محدودیتی بر x₁,x₂ اعمال نشده است و این متغیرها هر مقدار حقیقی را می‌توانند بپذیرند. از طرفی هیچ شرایط خاص دیگری نیز جهت قابل قبول بودن جواب بر مسئله حکم‌فرما نیست. بنابراین این مسئله را، مسئله نامقید می‌نامیم. شکل(۳-۲) نمایی از این تابع را نشان می‌دهد. خطوط هم‌مقدار تابع به ازای مقادیر مختلف رسم شده است. این تابع به خاطر شکل هندسی خود به نام تابع موزی شناخته می‌شود.

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

شکل(۳-۲) نمایی از تابع جبری
تابع ۳-۱۰ دارای دو متغیر است. در حالت کلی تابع می‌تواند دارای n متغیر باشد. در اینجا این تابع دو متغیره می‌تواند ما را با مفاهیم اساسی بهینه‌سازی آشنا نماید.
از شکل( ۳-۲) می‌توان حدس زد که به ازای مقادیر x₁=1,x₂=1 تابع F(X) کمترین مقدار خود را خواهد داشت. ما هم چنین از ریاضیات به یاد داریم که در نقاط بهینه یا کمینه تابع F(X)، مشتق‌های جزئی تابع نسبت به x₁,x₂ باید برابر صفر باشد. بنابراین خواهیم داشت:
(۳-۱۱)
(۳-۱۲)
با حل دو معادله فوق به مقادیر x₂=1, x₁=1 دست خواهیم یافت. البته لازم به یادآوری است که شرط صفر بودن مشتق‌های جزئی برای کمینه بودن شرط لازم است ولی شرط کافی نیست.
در این مثال ما قادر بودیم که به نقطه کمینه تابع از دو طریق گرافیکی و محاسباتی دست یابیم. البته این یک مثال کوچک بود که فقط جهت آشنایی با مسائل نامقید آورده شد. در بیشتر مسائل کاربردی مهندسی کمینه مقدار تابع را نمی‌توان به صورت تحلیلی بدست آورد. از طرفی اگر متغیرهای طراحی محدود به یک بازه مشخص باشند و یا شرایط دیگری بر پذیرش و یا عدم پذیرش جواب بهینه تابع حکم‌فرما باشد، مسئله پیچیده‌تر خواهد شد.
مثال ۳-۲- کمینه‌سازی توابع مقید
شکل (۳-۳)الف ستون لوله‌ای به ارتفاع h را که باید نیروی محوری خالص P را تحمل نماید نشان می‌دهد. می‌خواهیم قطر و ضخامت پروفیل را به نحوی تعیین کنیم که وزن ستون کمینه شود. وزن ستون از طریق رابطه ۳-۱۳ بدست می‌آید.
(۳-۱۳)
که در این رابطه A سطح مقطع، ρ چگالی ماده سازنده ستون می‌باشد.
توجه داشته باشید که بار به صورت محوری خالص فرض شده است و جهت ساده‌سازی مسئله، از خروج از مرکزیت بار و نقص و عیب ستون چشم‌پوشی می‌کنیم. تنش ایجاد شده در ستون از طریق رابطه ۱-۱۴ بدست می‌آید.
شکل(۳-۳) فضای طراحی مربوط به مسئله طراحی ستون به صورت نامقید
(۳-۱۴)
به طوری که تنش در حالت فشاری مثبت فرض می‌شود. با توجه به ماده سازنده ستون این تنش نباید از حد مجاز  تجاوز نماید. علاوه بر تنش مجاز ستون، تنش ایجاد شده در ستون نباید به حدی برسد که ستون به صورت کلی یا جزئی که در شکل‌های (۳-۳) ب‌ و پ نشان داده شده است، کمانش نماید. تنشی که در آن کمانش کلی اتفاق می‌افتد (تنش اولر) در رابطه ۳-۱۵ نشان داده شده ‌است.
(۳-۱۵)
که در این رابطه E مدول یانگ و I ممان اینرسی سطح مقطع می‌باشد. تنشی که در آن کمانش جزئی اتفاق می‌افتد توسط رابطه ۳-۱۶ بیان می‌شود.
(۳-۱۶)
که در این رابطه،υ نسبت پواسون می‌باشد.
ستون باید طوری طراحی شود که بزرگی تنش ایجاد شده در ستون از سه مقدار  و   کمتر شود. این موارد به صورت ریاضی تحت روابط ۳-۱۷ تا ۳-۱۹ داده شده‌اند.
(۳-۱۷)
(۳-۱۸)
(۳-۱۹)
علاوه بر قیدهای مربوط به تنش، طرح نهایی باید قیدهای هندسی ستون مانند بزرگ‌تر بودن قطر از ضخامت و مثبت بودن شعاع و ضخامت را نیز ارضا کند. این قیدها به صورت ریاضی در روابط ۳-۲۰ تا ۳-۲۲ داده شده‌اند.
(۳-۲۰)
(۳-۲۱)
(۳-۲۲)
حال می‌توان مسئله را به این صورت بیان نمود که می‌خواهیم مقدار تابع:
(۳-۲۳)
را کمینه کنیم به طوری که:
(۳-۲۴-الف)
(۳-۲۴-ب)
(۳-۲۴-پ)
(۳-۲۴-ت)
(۳-۲۵-الف)
(۳-۲۵-ب)
جهت خلاصه کردن صورت مسئله رابطه ۳-۲۳ تابع هدف را نشان می‌دهد و روابط ۳-۲۴و ۳-۲۵ نیز قیدهای حاکم بر مسئله را مطرح می‌کند. توجه داشته باشید که روابط ۳-۲۴-الف تا ۳-۲۴-ت شکل نرمال شده روابط ۳-۱۹ تا ۳-۲۱ می‌باشند. قیدهای ذکر شده در روابط ۳-۲۵ اغلب به عنوان قیدهای مرزی مطرح می‌شوند. زیرا آنها به طور مستقیم مرزهای مقادیر متغیرهای طراحی را مشخص می‌کند.
۳-۵- روش های بهینه سازی الهام گرفته از طبیعت
بسیاری از سیستمهای زنده و غیر زنده طبیعی، نسبت به سیستمهای ساخت دست بشر از لحاظ کارایی برتری دارند. این امر محققان را بر آن داشته که سیستمهای طبیعی را به عنوان الگوی طراحی سیستمهای مهندسی مورد توجه قرار دهند. این گونه تلاشها به ایجاد مجموعه روش های بهینه سازی الهام گرفته از طبیعت منجر شده است و به دو زیر مجموعه اصلی تقسیم می شوند، که عبارتند از: (الف) روش های مبتنی بر طبیعت جاندار (ب) روش های الهام گرفته از طبیعت بی جان.
روش های مبتنی بر طبیعت جاندار، از فرایند تکامل جانداران در طبیعت ایده گرفته است. در این فرایند، ویژگیهای جانداران بهبود می یابد تا بهتر بتوانند با محیط سازگار شوند و در رقابت با جانداران دیگر برای دستیابی به منابع محدود طبیعت پیروز گردند. دو گروه عمده این زیر مجموعه، الگوریتم های وراثتی و تکاملی می باشند.
روش های الهام گرفته از طبیعت بی جان، در فرایند های فیزیکی موجود در طبیعت ریشه دارند. تعداد این روشها بسیار کم است. از روش های این زیر مجموعه شبیه سازی باز پخت فلزات می باشد. از روش های دیگر این زیر مجموعه، روش مبتنی بر فرایند آشوب است.
بر اساس طبقه بندی کلی روش های بهینه سازی، روش های بهینه سازی الهام گرفته از طبیعت را باید وابسته به گروه روش های مستقیم دانست.
توجه به این نکته ضروری است که روش های بهینه سازی الهام گرفته از طبیعت، برتری مهمی بر روش های جستجوی تصادفی دارند. روش های جستجوی تصادفی تنها از استراتژی جستجوی کلی برخودارند، در حالیکه روش های بهینه سازی الهام گرفته از طبیعت بطور همزمان هر دو استراتژی کلی و محلی را به اجرا می گذارند. در ادامه جهت آشنایی بیشتر با الگوریتم­های بهینه­یابی الهام گرفته از طبیعت به توضیح مختصری از الگوریتم نمونه­های از این روش­ها پرداخته می­ شود.
۳-۵-۱- مختصری بر الگوریتم ژنتیکی

۴-۳- مقایسه با سایر روش های پنهان نگاری
در این قسمت روش پیشنهاد شده پنهان نگاری مبتنی بر DWT-SVD را با روش نهان نگاری مبتنی بر SVD چندگانه زارعی (۲۰۱۴) مورد مقایسه قرار می دهیم.
نخست به شباهت های این دو روش می پردازیم. ابتدا باید در نظر داشته باشید که روش پیشنهاد شده ما با روش نهان نگاری زارعی (۲۰۱۴) هر دو از طرح های پنهان نگاری مبتنی بر تبدیل موجک گسسته و تجزیه مقدار منفرد هستند. دوم اینکه هر دو روش نهان نگاری برای امنیت طرح نهان نگاری، بجای استفاده از دنباله اعداد تصادفی در علامت نهان نگاری از تصویر با متن معنادار استفاده می‌کنند که این مسئله بر عملکرد روش نهان‌نگاری می‌افزاید و از مشکل تشخیص مثبت – کاذب جلوگیری می‌کند. همچنین هر دو الگوریتم تصاویر رنگی RGB را پشتیبانی می‌کندو در ابعاد تصاویر محدودیتی ندارد.

( 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. )

اکنون به تفاوت‌های این دو طرح نهان نگاری می‌پردازیم. در روش زارعی (۲۰۱۴) تصویر پنهان نگاری در ضرایب فرکانس پایین LL از تبدیل موجک گسسته تصویر پوششی ذخیره می شود. در صورتی که روش پنهان نگاری پیشنهاد شده ما ضرایب باند HH از تبدیل موجک گسسته تصویر پوششی ذخیره شده است. یکی دیگر از تفاوت های دو الگوریتم این است که در الگوریتم زارعی (۲۰۱۴) از SVD چندگانه و الگوریتم PSO استفاده شده است در صورتی که در الگوریتم پیشنهادی از الگوریتم SVD استفاده شده است.
با توجه به آزمایش های انجام شده مشاهده کردیم روش نهان نگاری مبتنی بر SVD چندگانه زارعی (۲۰۱۴) در مقابل حملات نمک و فلفل با مقیاس ۰٫۱ از ۱٫۰ و گاوسی به اندازه ۰٫۰۱ توانمند و مقاوم رایج می باشد و تصویر نهان نگاری را بخوبی بازیابی می نماید. در صورتی که الگوریتم پیشنهاد شده ما در برابر این حملات ناتوان و ضعیف است. در مقابل الگوریتم پیشنهادی در برابر حمله دوران و برش دارای عملکرد رضایت بخشی است ولی روش نهان نگاری مبتنی بر SVD چندگانه زارعی (۲۰۱۴) در برابر این دو حمله کمی ناتوان عمل کرده است.
فصل پنجم
نتیجه گیری و پیشنهادات
۵-۱ نتیجه گیری و پیشنهادات
پنهان نگاری یا استگانوگرافی هنر برقراری ارتباط پنهانی است و هدف آن پنهان کردن ارتباط به وسیله قرار دادن پیام در یک رسانه پوششی است به گونه ای که کمترین تغییر قابل کشف را در آن ایجاد نماید و نتوان موجودیت پیام پنهان شده در رسانه را حتی به صورت احتمالی آشکار ساخت. در پنهان نگاری تصویر، سیگنال پنهان نگاری شده در حوزه مکانی یا یکی از حوزه ­های فرکانسی مثل تبدیل کسینوس گسسته، فوریه، و موجک و … می ­تواند پنهان شود. تکنیک­های پنهان نگاری درحوزه تبدیل، مقاومت بیشتری در مقابل حملات گوناگون در مقایسه با تکنیک­های حوزه مکان از خود نشان می­ دهند، چون وقتی از تصویری تبدیل معکوس گرفته می­ شود، نهان نگاره به طور بی­قاعد­­ه­ای در طول تصویر پخش می­ شود، بنابراین خواندن و اصلاح آن برای نفوذگر­ها بسیار مشکل خواهد شد.
با توجه به کارهای گذشته ای که در این زمینه انجام شده است، در این پژوهش قصد داشتیم تا
الگوریتم های پنهان نگاری در تصاویر دیجیتالی با بهره گرفتن از تجزیه مقدار منفرد را توسعه دهیم. برای این منظور از روش های پنهان نگاری ترکیبی که شامل تجزیه مقدار منفرد و تبدیل موجک گسسته می باشد استفاده کرده ایم.
در این طرح یک الگوریتم ترکیبی برای پنهان نگاری غیر قابل تشخیص تصاویر دیجیتال در حوزه تبدیل موجک گسسته و تجزیه مقدار منفرد ارائه شده است. هدف از این الگوریتم مخفی کردن پیام بوده است. در روش پیشنهاد شده با ترکیب تکنیک SVD و DWT باعث بهبود طرح پنهان نگاری مبتنی بر DWT
می شود. این الگوریتم از روش اعداد تصادفی در تصویر پنهان نگاری، از یک تصویر با متن معنی دار استفاده می کند. بنابراین کیفیت تصویر پنهان نگاری استخراج شده عملکرد الگوریتم را تضمین می کند. در روش پیشنهادی در استخراج تصویر پنهان نگاری حمله کننده از نوع الگوریتم به کاررفته در فرایند استگانوگرافی اطلاعی ندارد.
الگوریتم های پنهان نگاری و استخراج آن با بهره گرفتن از نرم افزار MATLAB 2013 پیاده سازی شدند. برای بررسی و ارزیابی روش پیشنهاد شده، کیفیت بصری تصاویر پنهان نگاری استخراج شده را با
اندازه گیری اوج نسبت سیگنال به نویز و میانگین مربع خطاها مورد مطالعه قرار گرفته است.
برای سنجش کارایی، الگوریتم پیشنهادی با الگوریتم زارعی (۲۰۱۴) مقایسه شده است. مقاومت تصویر پنهان نگاری شده توسط این الگوریتم در مقایسه با سایر الگوریتم ها در برابر رایج ترین حملات مانند Salt & Paper، Rotation، Gaussian و Cropping مورد مطالعه قرار گرفته است. برای مقایسه از مقادیر پارامترهایی مثل اوج نسبت سیگنال به نویز و میانگین مربع خطاها استفاده شده است. بررسی های تحلیلی بر روی تصویر پنهان نگاری استخراج شده نشان می دهد که روش نهان نگاری زارعی (۲۰۱۴) با در مقابل حملات نمک و فلفل با مقیاس ۰٫۱ از ۱٫۰ و گاوسی به اندازه ۰٫۰۱ توانمند و مقاوم رایج می باشد و تصویر نهان نگاری را بخوبی بازیابی می نماید. در صورتی که الگوریتم پیشنهاد شده ما در برابر این حملات ناتوان و ضعیف است. در مقابل الگوریتم پیشنهادی در برابر حمله دوران و برش دارای عملکرد رضایت بخشی بوده است ولی روش نهان نگاری مبتنی بر SVD چندگانه زارعی (۲۰۱۴) در برابر این دو حمله کمی ناتوان عمل کرده است.
برای تکمیل کارهای انجام شده در این پایان نامه می توان فعالیت های پژوهشی متعددی انجام داد از جمله می توان به موارد زیر اشاره کرد:
در این روش ما از ترکیب دو روش تبدیل موجک گسسته و تجزیه مقدار منفرد استفاده کردیم. می توان از سایر تکنیک های پنهان نگاری دامنه تبدیل مانند تبدیل فوریه گسسته و تبدیل کسینوسی گسسته به جای استفاده از تبدیل موجک گسسته بهمراه تجزیه مقدار منفرد استفاده کرد و نتایج آن را با هم مقایسه نمود.
روش ارائه شده در این تحقیق از تکنیک تبدیل موجک گسسته۱- سطحی بهمراه تجزیه مقدار منفرد برای عملیات پنهان نگاری و استخراج آن استفاده می نماید. می توان روش تبدیل موجک n- سطحی بهمراه تجزیه مقدار منفرد استفاده کرد و نتایج کار را با نتایج این تحقیق مورد مقایسه و ارزیابی قرار داد.
منابع و مآخذ