اهداف این رساله، بررسی میزان خطای امپیوت و تاثیر آن بر قابلیت اعتماد ارزش اصلاحی ژنومی برآورد شده (gebv) حیوانات جمعیت آزمون، زمانی که ژنوتیپ های 6000 نشانگر snp به الگوی 50000 نشانگر با استفاده از نرم افزار fimpute امپیوت می شوند و همچنین بررسی تاثیر توسعه جمعیت مرجع بوسیله تعداد متفاوت ماده-ها با الگوهای تراکم نشانگری مختلف در جمعیت شبیه سازی شده یک نژاد کوچک گاو شیری (جرسی) بر قابلیت اعتماد gebv بود. بر اساس جمعیت گاوهای جرسی دانمارک، جمعیتی از گاوهای شیری در ده تکرار، برای صفات تولیدی و عملکردی، شبیه سازی شد که هر تکرار شامل 20 سال رکوردبرداری از حیوانات موجود در هر تکرار بود. سالانه 60 گاو نر آزمون نتاج شده به هر تکرار (گله) افزوده گردید. تمام 900 راس گاو نر آزمون نتاج شده موجود در نسل یک تا هفده جمعیت با الگوی نشانگری k50 در تمام سناریوها در جمعیت مرجع استفاده شدند. حیوانات نسل های 18 تا 20 نیز به عنوان حیوانات جمعیت آزمون (3000 راس) انتخاب شدند. برای قرابت هرچه بیشتر به جمعیت آزمون، انتخاب ماده ها از نسل های 15 تا 17 صورت گرفت. سناریو انتخاب ماده ها و افزودن آنها به جمعیت مرجع به صورت 1000، 2000، 4000 و 8000 ماده k50 و 2000، 4000، 8000 و 16000 ماده امپیوت شده بود. در سناریو دیگری علاوه بر ماده های مرجع، حیوانات جمعیت آزمون هم به k50 امپیوت شدند. دقت امپیوت نشانگرهای ماده ها از k6 به k50 زمانی که 900 گاو نر به عنوان جمعیت معرف بودند با افزایش تعداد ماده ها، از 04/98 به 70/98 درصد افزایش یافت. کمترین دقت امپیوت به دست آمده برای جمعیت آزمون بود (9377/0) زمانی که جمعیت معرف تنها از 900 راس گاو نر k50 تشکیل شده بود و با افزایش ماده ها هم به جمعیت معرف و هم به جمعیت هدف، دقت امپیوت به ترتیب به 04/97 و 81/97 درصد افزایش یافت. نتایج نشان می دهد در تمام سناریوها، صرف نظر از صفت مورد مطالعه و تراکم نشانگرها اعم از k50 و امپیوت شده، با افزودن ماده ها به جمعیت مرجع، قابلیت اعتماد ارزش اصلاحی ژنومی حیوانات جمعیت آزمون افزایش می یابد و هرچه حیوانات جمعیت آزمون از جمعیت مرجع دورتر باشند، ارزش اصلاحی برآورد شده آنها از دقت و قابلیت اعتماد کمتری برخوردار خواهد بود. کمترین قابلیت اعتمادgebv زمانی که جمعیت مرجع تنها از نرها تشکیل شده بود به دست آمد و با افزودن 1000 ماده k50، gebv جمیت آزمون برای صفات تولیدی و عملکردی به ترتیب 13 و 11 درصد افزایش یافت. بالاترین میزان قابلیت اعتماد gebv برای صفات تولیدی و عملکردی به ترتیب 687/0 و 456/0 به دست آمد. این قابلیت اعتماد زمانی که حیوانات آزمون نیز امپیوت شده باشند تنها با اختلاف جزئی یک درصد به ترتیب 680/0 و 453/0 کاهش می یابند. بیشترین اختلاف قابلیت اعتماد متوسط سه نسل جمعیت آزمون زمانی حاصل می شود که برای صفات تولیدی به جای انتخاب 2000 ماده k50، 4000 راس گاو ماده امپیوت شده را به جمعیت مرجع افزود. با افزودن این تعداد، قابلیت اعتماد ارزش اصلاحی ژنومی 4/15 درصد (423/0 در برابر 500/0) افزایش خواهد یافت و برای صفات عملکردی بیشترین اختلاف قابلیت اعتماد متوسط سه نسل 5/17 درصد بود زمانی که قابلیت اعتماد gebv 8000 ماده k50، 349/0 و قابلیت اعتماد gebv 16000 ماده امپیوت شده 423/0 به دست آمد.

چکیده ندارد.

بحث پیش بینی آب در سیستم های شبکه آبرسانی یکی از مهمترین و کاربردی ترین مباحث می باشد. نتایج حاصل از این عمل می تواند در بسیاری از تصمیم گیریهای یک شبکه آبرسانی موثر باشد. تحقیقاتی که تاکنون در مورد پیش بینی مصرف آب صورت گرفته است، عمدتا براساس روشهای آماری و کلاسیک و شبکه های عصبی بوده است. در حالیکه هدف این پایان نامه مطالعه پیش بینی کوتاه مدت مصرف آب براساس روشهای مختلف منطق فازی بعنوان یک راه حل جدید و روش جدید بوده است. روش منطق فازی در مقابل روشهای دیگر بسیار ساده می باشد و اصول کلی این روش، طوری است که در کشوری مانند ایران که ضعف اطلاعات و نقصان در برداشت داده وجود دارد، مناسب و سازگار بنظر می رسد. در این پایان نامه، متغیرهای ورودی مدل با استفاده از تجزیه و تحلیل آماری از یک مجموعه بزرگ متغیرها، انتخاب شده اند، سپس روشهای مختلفی مثل: جدول جستجو (تفکیک شبکه ای)، خوشه سازی (تفکیک پراکنده)، گرادیان نزولی و روش ترکیبی گرادیان نزولی-کمترین مربعات (تفکیک شبکه ای یا تفکیک پراکنده) برای شناسایی و طراحی مدلهای فازی با استفاده از داده های یادگیری موجود بکار برده شده اند. در نتایج حاصل شده از هر مدل، موضوعاتی از قبیل دقت پیش بینی، سرعت، سادگی اجرا و صحت وابستگی کم به داده ها بطور مفصل بحث شده است. بررسی نتایج نشان داده است که روش گرادیان نزولی با استفاده از خوشه سازی تفریقی، دقت بهتری را با تعداد قواعد کمتر و زمان مناسبتر و درک فیزیکی بالایی از مدل، به همراه دارد.