مقدمه : توکسوپلاسما گوندی یکی از شایع ترین تک یاخته های انگلی انسان و حیوان در تمام کشور های جهان است. در این مطالعه هدف تشخیص توکسوپلاسما در مغز رت های وحشی شهر تهران با استفاده از روش های رنگ آمیزی گیمسا، تزریق صفاقی و خوراکی به موش سوری بود. مواد و روش کار: تعداد 40 سر رت وحشی از مناطق مختلف تهران جمع آوری شد. از مغز رت های وحشی اسمیر روی لام تهیه و با رنگ گیمسا رنگ آمیزی شد. در روش دوم از مغز رت ها سوسپانسیون سلولی تهیه شد و به دو طریقه صفاقی و خوراکی به موش سوری تزریق و خورانده شد. در روش صفاقی، صفاق موش جهت یافتن انگل مورد بررسی قرار گرفت و در روش خوراکی با استفاده از کیت anti-igg با کونژوگه آنتی موس شرکت سیگما، میزان آنتی بادی توکسوپلاسمایی در سرم موش سوری اندازه گیری شد. یافته ها: در روش رنگ آمیزی گیمسا تمام نتایج منفی بودند. نتایج در روش دوم نیز منفی بود و انگل در صفاق موش های سوری مشاهده نشد. اما در روش تزریق خوراکی، پس از خوراندن سوسپانسیون های مغزی به موش های سوری و اندازه گیری تیتر anti-igg بعد از گذشت یک ماه در سرم موش های سوری میزان آلودگی 50% گزارش شد. نتیجه گیری: روش تهیه اسمیر روی لام با رنگ آمیزی گیمسا و روش تزریق صفاقی بافت های آلوده به کیست توکسوپلاسما به موش سوری از ارزش کمتری نسبت به روش خوراندن بافت های آلوده و تعیین تیتر anti-igg در سرم موش سوری برخوردار هستند. در این مطالعه میزان آلودگی مغز رت های وحشی با روش تعیین تیتر سرمی anti-igg 50% گزارش شد.

تعیین مشخصات و بهینه سازی نانوساختارهای کربنی به وسیله پژوهشگران مختلفی تا به امروز مورد بررسی قرار گرفته است. برای پیش بینی مشخصات محصول خروجی و دست یابی به مقادیر بهینه پارامترهای موثر، روش های جدید و موثری نیاز است. کربن فعال یکی از مهمترین نانوساختارهای کربنی می باشد. تلاش به منظور شبیه سازی فرآیند تولید کربن، می تواند منجر به شناخت موثرتر و مطلوب تر راه های تولیدکربن فعال شود. این گونه تلاشها به منظور توسعه فناوری های مرتبط مانند فناوری جذب گاز طبیعی حیاتی به نظر می رسد. در این مطالعه ابتدا به مدلسازی به وسیله ساختارهای عصبی-فازی پرداخته شده است. سپس ساختار ساخته شده توسط الگوریتم ژنتیک به منظور رسیدن به حداکثر مقدار خروجی در بازه موردنظر، بهینه سازی شده و در انتها به مقایسه این بهینه سازی با دیگر روش های بهینه سازی آماری پرداخته شده است. در ابتدای کار و برای انجام مدلسازی، به بررسی عوامل موثر بر تولید کربن فعال پرداخته شده است. با بررسی منابع مختلف این عوامل استخراج شده و سپس بر اساس تجربیات گذشته به چهار پارامتر مهم تر کاهش یافته است. این پارامترها عبارتند از: نوع ماده فعالساز شیمیایی، نرخ عامل ماده فعالساز، دمای فعالسازی و زمان فعالسازی. این چهار پارامتر برای پیش بینی عدد یدی به کار رفته است. ولی به منظور پیش بینی سطح ویژهکربن فعال، پارامتردیگری به نام نرخ جریان نیتروژن نیز مورد بررسی قرار می گیرد. پس از تعیین پارامترهای ساختارهای عصبی-فازی، داده های دیگری به منظور تایید اعتبارِ ساختارهای ایجاد شده،استفاده شده و خروجی آنها با مقادیر واقعی مقایسه شده اند. خطای نسبی میانگین و ضریب تعیین برای پیش بینی عدد یدی به ترتیب 4409/0 و 94/0 و برای پیش بینی سطح ویژهکربن فعال 02677/0 و 9885/0 گزارش شده است که بسیار رضایت بخش می باشد.

معمولاً شرایط کاری یک سیستم قدرت، با آنچه در مرحله طراحی سیستم فرض شده است متفاوت است. اما در عمل یک سیستم قدرت باید در هر لحظه از زمان دارای پایداری کافی باشد و شرایط حالت مانای سیستم را برآورده سازد و همچنین در برابر پیش آمده های اضطراری محتمل، امن باشد. با افزایش بارگذاری سیستم های قدرت، در سال های اخیر مسئله ناپایداری ولتاژ بیش از گذشته مورد توجه قرار محققان و طراحان سیستم قرار گرفته است و به عنوان یکی از عوامل اصلی در ناپایداری این گونه سیستم ها مطرح شده است. اطلاع از میزان نزدیکی شرایط کار کنونی یک سیستم قدرت به شرایط کاری متناظر با نقطه فروپاشی ولتاژ، برای عملکرد امن و با قابلیت اطمینان بالای سیستم، ضروری است. از طرفی دامنه ولتاژ شین های یک سیستم قدرت به تنهایی نمی توانند برای مشخص نمودن وضعیت سیستم از نظر فروپاشی (ناپایداری) ولتاژ، مورد استفاده قرار گیرند. بنابراین معمولاً از شاخص هایی برای تعیین میزان نزدیکی سیستم به فروپاشی ولتاژ و همچنین برای اجرای عملیات اصلاحی بازدارنده مناسب، استفاده می شود. در این پایان نامه، ابتدا به کمک روش تابع انرژی، نوعی حاشیه (شاخص) پایداری استاتیکی ولتاژ در سیستم های قدرت، ارائه می شود. در محاسبه ی این شاخص پایداری ولتاژ، به مقادیر (پاسخ های) ولتاژ پایین (کم دامنه) مربوط به شین های سیستم، نیاز است. اما در حالت کلی محاسبه این پاسخ های ولتاژ پایین در سیستم های قدرت چند شینه کار دشواری است. بنابراین، سپس در این پایان نامه، با معادل سازی یک سیستم چند شینه به یک سیستم قدرت دو شینه، روش جدیدی برای محاسبه پاسخ های ولتاژ پایین، ارائه می شود. روش طرح شده بر روی دو سیستم تست 5 شینه و 14 شینه به طور موفقیت آمیزی اجرا می شود و نتایج بدست آمده مورد تجزیه و تحلیل قرار می گیرد. از طرفی به منظور افزایش سرعت محاسبات برای کاربردهای بهنگام، از یک شبکه عصبی برای تخمین حاشیه پایداری ولتاژ طرح شده، استفاده می شود. نتایج بدست آمده دقت شبکه عصبی را در تخمین حاشیه پایداری ولتاژ مذکور بر روی دو سیستم تست مورد استفاده در این پایان نامه، تأیید می نماید. علاوه بر این در پایان نامه حاضر، یک روش حذف بار بهینه به عنوان یکی از عملیات اصلاحی برای جلوگیری از وقوع پدیده فروپاشی ولتاژ در سیستم های قدرت، ارائه می شود. الگوریتم حذف بار مذکور بر مبنای روش تابع انرژی طرح شده است و درستی آن با نتایج شبیه سازی های بدست آمده بر روی دو سیستم تست فوق، مورد تأیید قرار می گیرد.