هدف از این تحقیق، شبیه سازی و پیش بینی غلظت بار معلق رودخانه ی ساکرامنتو (کالیفرنیا) توسط روش اسپلاین رگرسیونی تطبیقی چند متغیره mars و ارزیابی نتایج آن با نتایج شبکه ی عصبی(anns) می باشد. در این تحقیق پس از جمع آوری داده های بار معلق و دبی (در مقیاس روزانه) رودخانه ی ساکرامنتو در دو ایستگاه ساکرامنتو و فریپورت، اقدام به شبیه سازی بار معلق توسط anns مختلف از جمله شبکه ی اتورگرسیو غیر خطی موازی(narx-parallel) و سری- موازی (narx-series parallel)، شبکه ی المن (elman)، شبکه پرسپترون چندلایه(mlp) و شبکه ی عصبی دارای تاخیر زمانی متمرکز (fftd)، شده و شبیه سازی های انجام شده بر روی داده های ورودی مختلف (دبی با تاخیر زمانی(q)، غلظت بار معلق با تاخیر زمانی (c)و استفاده ی توام از دبی و غلظت بار معلق با تاخیر زمانی(q,c)) انجام شد. در ضمن پس از شبیه-سازی توسط anns، تحت ساختار و شرایط اولیه ی مختلف، بهترین ساختار برای anns، انتخاب شدند. برای ارزیابی anns، از معیار های آماری و گرافیکی مانند rmse، mae، mbe، r، q-q دیاگرام و نمودار پراکندگی، استفاده شد. سپس رویanns منتخب، با توجه به معیار های آماری و گرافیکی، اقدام به انجام آنالیز حساسیت شد و سپس قابلیت anns تحت آنالیز حساسیت مورد ارزیابی قرار گرفت، در نهایت اقدام به پیش بینی با گام های زمانی مختلف رو به جلو شد و دقت anns مختلف در پیش بینی با گام های زمانی مختلف، مورد ارزیابی قرار گرفت. نتایج تحلیل آماری و گرافیکی شبکه های مختلف منتخب، به همراه نتایج آنالیز حساسیت و پیش بینی های با گام های زمانی مختلف، جهت تعیین بهترین anns در مدل سازی (c) در دو ایستگاه فریپورت و ساکرامنتو مورد استفاده قرار گرفت. در نهایت بهترین anns برای شبیه سازی (c) در ایستگاه های فریپورت و ساکرامنتو تحت ورودی های (q)، ورودی های (c)و ورودی های (q,c)، fftd و در یک مورد mlp بودند و برای مثال همبستگی(r) آن ها در شبیه سازی به ترتیب برای ترکیبات متغیر ورودی مذکور، در ایستگاه فریپورت 899/0 و 89/0 و 9/0 و در ایستگاه ساکرامنتو 63/0 و 924/0 و 884/0 بودند. پس از انجام مدل سازی شبکه ی عصبی، اقدام به شبیه سازی (c) تحت ورودی های مختلف، توسط روش mars شد. پارامتر های روش mars مورد کالیبراسیون قرار گرفت و نتایج شبیه سازی ها توسط mars نشان داد که روش mars می تواند با (r) 906/0 و 914/0 و 89/0 در ایستگاه فریپورت و 714/0 و 874/0 و 865/0 در ایستگاه ساکرامنتو، تحت ترکیبات متغیر ورودی مذکور، مقدار (c) روزانه در ایستگاه های فریپورت و ساکرامنتو را شبیه سازی کند. مقایسه ی روش mars و anns نشان داد که نتایج تقریبا برابری را نشان می دهد. از طرفی ایجاد یک مدل anns بسیار زمان بر است و نیز anns قابلیت شناسایی ورودی های موثر را دارا نیست، در حالیکه مرحله ی آموزش روش mars ساده تر از شبکه ی عصبی است و mars نه تنها قابلیت شناسایی متغیر های موثر و حذف متغیر های اضافی از مدل را داراست، بلکه قابلیت شناسایی اندرکنش بین متغیر های ورودی و اثر آن ها روی خروجی را داراست. باید توجه داشت که تمام مدل سازی های mars و anns در محیط matlab اجرا شده است. با توجه به نتایج این تحقیق و قابلیت ها و توانمندی های روش mars، می توان این روش را به عنوان یک روش جدید در شبیه سازی دینامیکی آلودگی ها در سیستم های آبی از جمله رودخانه ها معرفی نمود.

در این پایان نامه در نظر داریم توزیع میدان مغناطیسی و جریان الکتریکی را در یک مجوعه از نوار های ابررسانای هم صفحه، با تعداد نوار های دلخواه به دست آوریم. دو پیکربندی مشخص در نظر گرفته شده است، که در یکی، انتهای نوار ها به گونه ای به یکدیگر متصل شده که مجموعه تشکیل یک حلقه ابررسانا را می دهد و در دیگری سیستمی به صورت خطوط انتقال در نظر خواهیم گرفت. سیستمی که به صورت یک حلقه در آمده را در یک میدان عمود بر صفحه آن قرار خواهیم داد وبا استفاده از آنالیز مختلط توزیع میدان در صفحه نوارها را به دست می آوریم وبرای سیستم هایی با تعداد نوارهای مختلف رسم خواهیم کرد. اگر تعداد نوارهای تشکیل دهنده سیستم را با 2n نشان دهیم و پهنای نوارها و گاف هارا برابر انتخاب کنیم آنگاه برای یک پیکربندی با n زوج، نشان می دهیم که با افزایش تعداد نوارها میزان شار عبوری از شکاف مرکزی افزایش خواهد یافت و سیستم شار اعمالی را در حفره مرکزی کانونی خواهد ساخت. در صورتی که n فرد باشد میزان شار عبوری از شکاف مرکزی بسیار اندک خواهد بود و شکاف های مجاور شکاف مرکزی هستند که عمده شار را از خود عبور می دهند. همچنین نشان خواهیم داد که اگر پهنای حفره مرکزی را ثابت فرض کنیم و پهنای نوارها و دیگر گاف ها را به صورت برابر انتخاب کنیم، میزان شار عبوری از شکاف مرکزی با افزایش تعداد نوارها کاهش خواهد یافت(برای سیستمی با n های زوج). در پیکربندی مربوط به خطوط انتقال میدان مغناطیسی خاموش است و این جریان الکتریکی است که از خارج سیستم به نمونه اعمال می شود. در این مرحله نیز با استفاده از آنالیز مختلط توزیع میدان مغناطیسی و جریان الکتریکی را برای سیستم هایی با تعداد نوارهای مختلف رسم خواهیم کرد، همچنین نشان خواهیم داد که سهم نوار های مرکزی سیستم از جریان کل اعمالی، بیشتر از سهم نوارهای جانبی از این جریان خواهد بود.در نهایت به بررسی میزان القائیدگی در خطوط انتقال می پردازیم و نشان خواهیم داد که با افزایش تعداد نوارهای ابررسانا در سیستم میزان القائیدگی افت خواهد کرد و سیستم در شرایط مساعد تری برای عبور جریان الکتریکی قرار خواهد گرفت(در سیستمی که پهنای گاف ها و نوارها برابر است).