وضعیت مرتع نشان دهنده تاریخچه تاثیر عوامل زنده و غیر زنده بر روی پوشش گیاهی و خاک مرتع در گذشته و حال است و ارزیابی صحیح آن می تواند موفقیت و یا عدم موفقیت مدیریت مراتع را مشخص نماید. جهت ارزیابی وضعیت مراتع در مناطق مختلف رویشی از روش های مختلفی استفاده شده که در آن ها شاخص ها و معیارهای متفاوتی به کار رفته است. در این تحقیق 6 روش تعیین وضعیت مرتع چهار فاکتوری، چهارفاکتوری تعدیل شده، فرکانس، مقایسه با مرجع(روش پیشنهادی دکتر سعیدفر)، استرالیایی و استرالیایی تعدیل شده مورد ارزیابی قرار گرفت و مزایا و معایب این روش ها بررسی گردید. روش استرالیایی تعدیل شده با توجه به شرایط منطقه مطالعاتی ( درصد دامنه تولید حاصل شده در این تحقیق) ایجاد گردید. کلیه روش ها به دو صورت مورد مقایسه قرار گرفت. در حالت اول روش مقایسه با وضعیت شاهد بود بدین ترتیب که ابتدا یکسری از مناطق شاهد برای وضعیت های مختلف مرتع توسط کارشناسان خبره انتخاب و سپس بررسی شد که روش های مختلف اندازه گیری مراتع تا چه حد توانسته اند با طبقه وضعیت شاهد مطابقت داشته باشند. حالت دوم روش تشابه تعیین وضعیت بود با این فرض که اگر چندین روش طبقه وضعیت را به طور مشابه تعیین کنند این روش ها توانسته اند که وضعیت را صحیح تر نشان داده و سایر روش ها که از این اجماع پیروی نکرده اند کارایی کمتری در تعیین وضعیت داشته اند. در مرحله بعد معیارهای موثر برای ارزیابی کارایی روش ها ی تعیین وضعیت تعیین و با استفاده از روش فرایند تحلیل سلسله مراتبی (ahp) مورد مقایسه قرار گرفت. این معیارها به ترتیب اهمیت شامل صحت ، عینی بودن ، سرعت و سهولت و مناسب بودن دامنه امتیازات بود. نرم افزار expert choice برای انجام تحلیل سلسله مراتبی به کار رفت. در این مطالعه دو مکان مرتعی در رویشگاه استپی و دو مکان مرتعی در رویشگاه نیمه استپی استان اصفهان مربوط به 4 تیپ گیاهی انتخاب و اندازه گیری ها در این سایت ها انجام شد. نتایج نشان داد که به ترتیب روش های استرالیایی تعدیل شده، فرکانس و چهار فاکتوری برای رویشگاه نیمه استپی و روش فرکانس و مقایسه با مرجع برای رویشگاه استپی مناسب بودند. پس از تحلیل سلسله مراتبی نیز مشخص شد که روش فرکانس بهترین روش به لحاظ عینی بودن، سرعت و سهولت و روش استرالیایی تعدیل شده به لحاظ صحت روش ومناسب بودن دامنه امتیازات بود. با بررسی کلیه معیارها در روش های مطالعه شده، روش فرکانس به عنوان بهترین روش شناسایی شد.

اخیراً داده های جریانی به دلیل کاربرد در انواع مختلف داده ها از قبیل دنباله ی کلیک ها، صفحات وب، داده های حس گرهای بی سیم و غیره توجه زیادی را به خود جلب کرده است. برای کاوش در چنین داده هایی، توانایی پردازش در یک گذر از روی داده ها و با مصرف حافظه ی کم امری مهم به شمار می رود. یکی از چالش های مهم در داده های جریانی، تغییر تدریجی داده ها یا مفهوم آن با گذشت زمان است که نیاز به به روزرسانی مدل می باشد. در حال حاضر الگوریتم درخت هافدینگ، درخت تصمیمی برای داده های جریانی، در طبقه بندی این گونه داده ها مورد توجه می باشد. هدف اصلی این تحقیق بهبود عملکرد درختان هافدینگ از دو جنبه می باشد. 1) الگوریتم هافدینگ با ورودی صفات گسسته عمل می نماید، در حالی که برخی از مسائل دنیای واقعی با صفات عددی توصیف می گردند. نوآوری این تحقیق ارائه ی روشی برای گسسته سازی داده ها می باشد که با نیازمندی داده های جریانی مطابقت داشته باشد. 2) درختان هافدینگ سازگار با تغییر مفهوم در صورت مشاهده تغییر در مفهوم، زیردرختانی را گسترش می دهد و تا زمانی که این زیردرختان به اندازه کافی دقیق نگردیده اند از آن ها استفاده نمی گردد. نوآوری دیگر این تحقیق، استفاده از این درختان در پیش گویی و تلفیق آنان با درخت اصلی می باشد. ارزیابی کارآیی روش پیشنهادی توسط زبان برنامه نویسی جاوا با مجموعه داده های ساختگی و kdd98 انجام گرفت و نتایج بدست آمده برتری مدل پیشنهادی در امر کاهش خطا و دستیابی به دقت بالا تر در حضور تغییرات در داده ها و مفهوم، با حافظه ی مصرفی و زمان اجرای محدود در مقابل دیگر روش های ارائه شده در ادبیات نشان می دهد.