خشکسالی از وقایع مخرب طبیعی است که بیشترین صدمات را به منابع آبی وارد می نماید. پیش بینی خشکسالی می تواند نقش مهمی در مدیریت این منابع و بهره برداری بهینه از آن ها در چنین شرایطی ایفا کند. در این تحقیق استفاده از 2 مدل هوشمند شبکه عصبی و نروفازی و مدل آماری k نزدیکترین همسایگی برای پیش بینی خشکسالی در استان تهران مورد بررسی قرار گرفت و در این رابطه آمار و اطلاعات بارندگی شش ایستگاه منتخب شامل فیروزکوه، آبعلی، امامه، تهران، سیرا و ده صومعه کردان بکار رفته است. با توجه به اهداف این تحقیق، که خشکسالی کشاورزی را مدنظر قرار داده بود، با بررسی منابع، شاخص spi در مقیاس زمانی 3 ماهه مورد استفاده قرار گرفت. به منظور ارتقاء نتایج پیش بینی، پیش پردازش داده ها با تبدیل موجک نیز مورد توجه قرار گرفت. همچنین سعی بر این بود که تاثیر استفاده از داده های بزرگ مقیاس slp و sst سطح منطقه بر پیش بینی خشکسالی در ایستگاه ها مورد تحقیق قرار گیرد. تعیین مقدار عدم قطعیت مقادیر پیش بینی شده نیز یکی از اهداف مهم این تحقیق می باشد. در قسمت اول این تحقیق، ساخت مدل های پیش بینی با استفاده از مقادیر قبلی شاخص مورد توجه قرار گرفت که تنها نتایج مناسبی برای یک ماه بعد به همراه داشت و برای افق های زمانی 3 و 6 ماه آینده به کلی فاقد اعتبار بود. برای ارتقائ نتایج در این حالت، از پیش پردازش موجک استفاده شد که باعث افزایش چشمگیر عملکرد ظاهری مدل های پیش بینی 1 و 3 ماه آینده گردید اما به طور کلی، به دلیل الگوریتم این تبدیل نشان داده شد که استفاده از آن در پیش بینی های کاربردی (زمان واقعی) با مشکلات جدی همراه خواهد بود. در بخش بعدی تلاش شد مدل هایی برای پیش بینی spi3 در ایستگاه های مطالعاتی با استفاده از داده های slp و sst محدوده 10 تا 70 درجه شرقی و 5 تا 60 درجه شمالی تهیه گردد. با توجه به عدم ارتباط سری زمانی کلی این متغیرها با spi3 در آینده، ساخت مدل به تفکیک ماه انجام شد. بدین منظور، با داده کاوی گسترده ای که انجام شد، برای هر افق پیش بینی و در هر ایستگاه مشخصات داده های مناسب به عنوان ورودی مدل ها تعیین گردید. به علت ارتباط مناسب slp و sst تابستان (خصوصا شهریور) در نقاطی از منطقه با spi3 ایستگاه ها و همچنین اهمیت تخمین وضعیت سال آبی پیش رو از نظر خشکسالی قبل از شروع آن، مدل سازی برای پیش بینی spi3 مهر، آذر و اسفند (1، 3 و 6 ماه بعد) با استفاده از داده های slp و sst در فصل تابستان انجام شد. نتایج این مرحله نشان داد که knn نسبت به ann و anfis عملکرد ضعیف تری دارد، به نحوی که در هیچ کدام از مراحل بهترین عملکرد را نداشته است. اما نتایج ann و anfis نزدیک به هم بوده و هر یک در تعدادی از پیش بینی ها بهترین عملکرد را دارا بوده اند و تمامی پیش بینی های انجام شده توسط این دو در سطح 1% معنی دار بوده است. در این بین anfis به دلیل حساسیت کمتر به تعداد الگوهای آموزشی و همچنین عدم قطعیت کمتر به عنوان مدل برتر معرفی گردید. در پایان، به منظور آگاهی از وضعیت بلندمدت تر خشکسالی، پیش بینی شاخص های spi6 اسفند و spi12 شهریور سال بعد که نشان دهنده وضعیت خشکسالی به ترتیب در نصف و کل سال آبی آینده می باشند، با استفاده از slp و sst در ماه های فصل تابستان انجام شد. در این مرحله نیز عملکرد مدل ها مانند حالت قبل بود، با این تفاوت که anfis در تعداد بیشتری از موارد بهترین عملکرد را داشت.

امروزه کمتر کسی است که به اهمیت کامپیوتر در صنایع واقف نباشد. هم اکنون بسیاری از دانشجویان، نقشه کشان، طراحان، تولید کننده ها، محققین در شرکتها و موسسات و ... در جهت گسترش این علم در تلاشند تا بتوانند در سرعت بخشیدن و بالا بردن کیفیت محصولات ، تولید و کاهش ضایعات مواد اولیه و نیروی انسانی از آن به نحو احسن بهره بگیرند. در این پایان نامه سعی در ایجاد یک محیطی جهت ترسیم اشکال دوبعدی با استفاده از المانهای ساده از قبیل خط و کمان به صورت پیوسته می باشند. همچنین امکاناتی جهت اصلاح، حذف و هغییر در هر یک از ترسیمات انجام شده وجود دارد. این ترسیمات به راحتی ذخیره و بازیابی می شود و کاربر می تواند جهت بکارگیری از نرم افزارهای گرافیکی دیگر این ترسیمات را به فرمتهای مورد نظر ذخیره نماید. به طور کلی دستورات ایجاد شده در این نرم افزار در هشت منو گنجانده شده که امکانات ذکر شده در بالا در هفت منوی اول قرار دارد و منوی هشتم که مهمترین بخش این نرم افزار را تشکیل می دهد شامل دستوراتی جهت چیدن قطعات و ایجاد کد nc و شبیه سازی کدهای ایجاد شده است . ایجاد مناطق امن در اطراف منحنی ها برای جلوگیری از خرابی های ناشی از قطر شعله، ذخیره یک مجموعه از منحنی ها که یک کار (work) را تشکیل می دهد با نامی مشخص بدون تشکیل فایل مجزا و امکان فراخوانی این مجموعه جهت چیدن در روی ورق استانداردی که به صورت خودکار ایجاد می گردد، از امکاناتی است کهکاربر می تواند به کمک آنها قطعات مورد نظر خود را به صورت نیمه اتوماتیک انتخاب و بر روی ورق استانداردی که جهت برش درنظر گرفته شده بچیند و با استفاده از این نرم افزار میزان دورریز و درصد ضایعات مواد اولیه را محاسبه کند تا اگر لازم بود در طرح چیدن تجدید نظر نماید. علاوه بر چیدن کاربر نیاز به استخراج کد nc برای استفاده از یک دستگاه برش کنترل عددی دارد. این نرم افزار قادر به نوشتن اینگونه برنامه ها می باشد و پس از نوشتن این کدها کاربر با شبیه سازی کد نوشته شده می تواند از صحت آن اطمینان حاصل کند. بطور کلی این نرم افزار به صورت یک نرم افزار چند منظوره قادر به برآوردن بسیاری از خواسته های یک کاربر در صنایع برش می باشد.