در بخش اول این پایان نامه، چهل وهشت نمونه عسل با سه منشأ گیاهی مختلف با استفاده از داده های حاصل از طیف بینی مادون قرمز تبدیل فوریه و به کمک اصول کمومتریکس طبقه بندی شدند. برای انجام این کار، ابتدا، نمونه های عسل خشک و بلا فاصله آنالیز ft-it آنها انجام شد. سپس داده های این آنالیز، جهت بررسی بیشتر به کمک روشهای کمومتریکس استخراج شدند. برای ایجاد مدلی تمایزگذاربین نمونه های عسل، عددهای موجی مناسب با استفاده ازیک شبکه عصبی خودسازمانده با چیدمان چهارضلعی و به ابعاد 3*3 و با پنجاه چرخه آموزشی انتخاب شدند. پس از استخراج نگاشت فوقانی این شبکه، بیست و سه عدد موجی انتخاب و جهت بررسی بیشتر با روش ماتریس همبستگی مورد مطالعه قرار گرفتند. در نهایت شش عدد موجی شاخصاستخراج واز آنها به عنوان ورودی شبکه عصبی مصنوعی با انتشار در جهت مقابل استفاده شد. برای ایجاد یک مدل تمایزگذار و ارزیابی آن، ماتریس داده های نهایی که شامل درصد عبوردر شش عدد موجی شاخص برای چهل و هشت نمونه عسل می باشد، به دو دسته آموزشی و پیش بینی تفکیک شد. از دسته آموزشی برای ساخت مدل وبهینه سازی پارامترهای آن و از دسته پیش بینی برای ارزیابی مدل به دست آمده استفاده شد. بر اساس معیار نرخ صحت، شبکه ای با چیدمان چهار ضلعی و به ابعاد 7*7 و با تعداد 500 چرخه آموزشی، به عنوان شبکه بهینه انتخاب و از آن برای پیش بینی طبقه نمونه های سری آموزشی و پیش بینی استفاده شد. بر این اساس، بیش از 94 درصد نمونه های موجود در سری آموزشی و بیش از 93 درصد نمونه های موجود در سری پیش بینی به درستی به طبقه واقعی خود نسبت داده شدند. برای ارزیابی بیشتر، ماتریس آسیمگی برای دسته های آموزشی و پیش بینی محاسبه شده و معیار های به دست آمده از این ماتریس نشاندهنده توانایی بالای مدل cp-ann در ایجاد تمایز بین نمونه های عسل با سه منشأ گیاهی متفاوت می باشد. نرخ صحت برای مدل ارزیابی شده با روش ارزیابی تقاطعی با کنارگذاری یک نمونه برابر با 93/3 درصد می باشد. در بخش دوم این پایان نامه، مدل های خطی و غیر خطی برای پیش بینی پارامتر k در معادله دابینین-رادوشکویچ ایجاد شدند. سری داده ها شامل پارامتر k مربوط به 36 ترکیب آلی مختلف به دو دسته آموزشی و پیش بینی تقسیم شد. سری آموزشی با 29 مولکول برای مدلسازی و سری پیش بینی با 7 مولکول برای ارزیابی مدل های به دست آمده مورد استفاده قرار گرفتند. توصیف کننده های انتخاب شده با روش رگرسیون خطی چندگانه، شامل میانگین محتوای اطلاعات بر پایه تساوی زاویه رأسی، سومین مولفه اندیس whim وزن دار شده با جرم اتمی، شاخص r وزن دار شده با حجم اتمی واندروالس وکس رباراتمی با مساحت سطح جزئی باردار شده مثبتمی باشند. این توصیف کننده ها به منظور مدلسازی خطی و غیر خطی توسط روش های رگرسیون خطی چندگانه(mlr) و شبکه عصبی پرسپترون چند لایه (mlp)به کار گرفته شدند. مقدار متوسط مربع خطای پیش بینی برای سری های آموزشی و پیش بینی محاسبه شد که در مدل mlr به ترتیب برابر است با 9.64e-10و 7.14e-10 در حالی که برای مدل mlp به ترتیب برابر با4.39e-10 و 4.64e-10 می باشند.این نتایج و سایر آزمون های آماری دیگر نشان دهنده ی برتری مدل mlp نسبت بهmlr در پیش بینی پارامتر k در معادله دابینین-رادوشکویچ می باشد.

چکیده راکتورهای تحقیقاتی در سرتاسر جهان به منظور برآورد اهداف گوناگونی مورد استفاده قرار می گیرند. از جمله کاربردهای این راکتور ها می توان به مواردی نظیر تحقیقات، آزمایشات، آموزش، تولید رادیوایزوتوپ و تست مواد اشاره کرد. در مرکز تحقیقات هسته ای هند، راکتور تحقیقاتی چند منظوره (mprr)، جهت افزایش ظرفیت تولید رادیوایزتوپ توسط راکتور تحقیقاتی dhruva، طراحی شده است. البته بر طبق اطلاعاتی که در 28 آوریل 2011 منتشر شده است، ساخت آن هنوز انجام نگرفته است. این راکتور تحقیقاتی از نوع استخری با قدرت mwt20 و مشخصاتی مشابه راکتور طراحی شده در این پژوهش دارد. آب سبک در این راکتور نقش خنک کننده و آب سنگین نقش بازتابنده را بر عهده دارد. سوخت راکتور، سوخت جامد اورانیوم (u3si2-al) با غنای 19.75% و از نوع صفحه ای است. حادثه کمبود خنک کننده (loca)، یکی از مهم ترین حوادث پایه طرح، محسوب می شود. این حادثه در اثر ایجاد شکستگی در لوله های مدار خنک کننده ی اولیه رخ می دهد. با وقوع شکستگی میزان سیال خنک کننده در استخر راکتور کاهش می یابد که منجر به از بین رفتن توانایی برداشت حرارت از صفحات سوخت خواهد شد. اگرچه احتمال وقوع یک شکستگی بزرگ در راکتورهای تحقیقاتی بسیار پایین است، جهت اطمینان از ایمنی راکتور لازم است که این حادثه مورد بررسی قرار گیرد. در این پایان نامه، حادثه loca در mprrمورد بررسی قرار گرفته است. روش کار به چهار گام اصلی تقسیم می شود. در مرحله ی اول طراحی ترموهیدرولیکی مبدل های حرارتی، پمپ ها و خطوط لوله انجام گرفته است. در مرحله دوم به منظور انجام محاسبات نوترونیک راکتور و مدلسازی دو بعدی و سه بعدی قلب از کدهای wims-d4 و ‍‍citation-pc استفاده شده است. کد wims-d4 به منظور تولید ثابت های گروهی (سطح مقطع ها) در بسته سوخت استاندارد و کنترل، کربن، آب سنگین و آب سبک مورد استفاده قرار گرفته است. ضریب تکثیر موثر و توزیع شار نوترونی با استفاده از کد ‍‍citation-pc و در نظر گرفتن پنج گروه انرژی محاسبه شده است. در مرحله ی سوم شبیه سازی نیروگاه به وسیله ی کد relap5/mod3.2 در حالت پایدار صورت گرفته است و در مرحله ی پایانی حادثه ی کاهش خنک کننده در قسمت های مختلف مدار اولیه خنک کننده بررسی شده است. وقایع گوناگونی ممکن است منجر به بروز حادثه کاهش خنک کننده در این راکتور تحقیقاتی شود. به عنوان مثال می توان به مواردی نظیر شکستگی و نشت سیال از خطوط لوله و شیرهای قرار گرفته در سیستم خنک کننده اولیه،شکستگی در لوله های مخصوص پرتوافکنی و همچنین شکستگی در دیواره استخر که ممکن است در اثر وقوع حوادث وخیم مانند زلزله های شدید رخ دهد، اشاره کرد. تمامی این وقایع را می توان در دو گروه اصلی دسته بندی کرد. دسته اول حوادث مربوط به یک شکستگی بزرگ در بالای صفحه نگهدارنده قلب است که ممکن است در اثر وقوع شکستگی در لوله های مخصوص پرتوافکنی رخ دهد. دسته دوم در ارتباط با شکستگی های بزرگ در زیر صفحه نگهدارنده قلب است که ممکن است در خطوط لوله یا شیر های مربوط به سیستم خنک کننده اولیه اتفاق بیفتد. بر اساس نتایج به دست آمده در هر دو مورد داغترین دمای کانال داغ، زیر نقطه ذوب غلاف که 587 درجه سیلسیوس است، باقی می ماند. بنابراین می توان گفت این راکتور تحقیقاتی چند منظوره در برابر حادثه کاهش خنک کننده از ایمنی مناسبی برخوردار است. واژگان کلیدی: - راکتور های تحقیقاتی چند منظوره - حادثه کمبود خنک کننده - کد wims-d4 - کد ‍‍citation-pc - کد relap5/mod3.2