چربی‌‌های دخیره‌ای قابل استفاده شترمرغ در ناحیه زیر جلدی خصوصاً در لایه چربی که اطراف حفره شکمی را پوشانده است قرار دارند. مهم‌ترین فاکتورهای این چربی درجه خلوص آن یعنی بدون گوشت و خون بودن آن می‌باشد. پس از مراحل سلاخی و پرکنی دستی چربی از ناحیه صفاق جانور جدا شد. کلیه حلال‌های مورد نیاز جهت استخراج و متیلاسیون از شرکت merc و sigma aldrichخریداری شدند. کارهای انجام شده برای بررسی چربی به ۳ مرحله مجزا تقسیم می‌شوند:

۱) استخراج چربی از بافت
۲) متیلاسیون چربی برای تزریق به دستگاه GC /MASS
۳) تزریق چربی متیله شده به دستگاه GC /MASS
تمام وسایل استفاده شده از جمله وسایل شیشه‌ای مانند بشر، ارلن، پیپت، بالن، روتاری و مبردهای شیشه‌ای ابتدا با آب و مایع ظرفشویی شستشو داده شده‌اند و سپس با استن آب‌زدایی گردیدند. (۱۵)
۳-۳-۲. استخراج چربی از بافت
استخراج با بهره گرفتن از روش گداخت مرطوب
در این روش ۱ کیلوگرم بافت حاوی چربی جدا و وزن شد. سپس بوسیله هموژنایزر بطور کامل خرد شده و در یک اتوکلاو قرار داده شد و سپس تزریق بخار آب انجام شد پس از خروج هوای داخل اتوکلاو که با خروج بخار پایان این مرحله مشخص می‌شود چربی‌ها به مدت ۱-۲-۳ ساعت در داخل دیگ برای استخراج چربی بخار دهی شدند پس از پایان مرحله با بهره گرفتن از سانتریوفیوژ چربی از فاز آبی جداسازی شد و روغن حاصله برای خارج سازی رطوبت برای مدت ۴ ساعت در آون خلاء قرار داده شد تا رطوبت موجود در آن که از طریق سانتریوفیوژ جداسازی شده است خارج گردد. (۵۲)
۳-۳-۳. متیلاسیون چربی برای تزریق به دستگاه GC/ MASS
برای تهیه متیل استرهای اسیدهای چرب روغن شترمرغ، مقدار ۲۰ میلی‌گرم روغن در یک بالن سر سمباده‌ای توزین شد. مقدار ۲ میلی‌لیتر سود متانولی (۵/۰ مول در لیتر) نیز به آن افزوده شد مخلوط به مدت ۷ دقیقه در ۱۰۰ درجه سانتی‌گراد حرارت داده شد پس از سرد کردن مخلوط، ۳ میلی‌لیتر محلول ۱۴ درصد از BF3-Methanol افزود درب لوله را بسته و ۵ دقیقه در ۱۰۰ درجه سانتی‌گراد حرارت داده شد. پس از سرد شدن ۲ میلی‌لیتر هگزان و ۷ میلی‌لیتر آب نمک اشباع به آن اضافه و به شدت مخلوط شد. در این مرحله دو فاز تشکیل می‌شود لایه هگزان (فاز بالایی) جدا و تحت گاز نیتروژن حلال هگزان تبخیر شد.
۳-۳-۴. تزریق چربی متیله به دستگاه GC/ MASS
برای تزریق به دستگاه GC /MASSابتدا ۱۰۰ میکرولیتر نرمال هگزان به متیل استر تهیه شده اضافه گردید و یک میکرولیتر از آن به دستگاه تزریق شد. شناسایی و تعیین مقدار اسیدهای چرب موجود در روغن با سیستم GC/ MASSساخت کارخانه Aglient مدل ۶۸۹۰ ساخت کشور آمریکا مجهز به دتکتور یونی شعله‌ای و ستون شیشه‌ای مویینه CP-SIL-88 به طول ۳۰ متر و قطر ۲۵/۰ میلی‌متر انجام شد. گاز حامل هلیوم و با فشار ۸.۹ psi، تزریق کننده اسپلیت- اسپلیتلس (Split/splitles)، درجه تفکیک آن ۱۰:۱ می‌باشد. دمای تزریق و دتکتور به ترتیب ۲۴۰ و ۲۵۰ درجه می‌باشد. دبی گاز حامل ۱۵ میلی‌لیتر در دقیقه و مقدار تزریق نمونه ۱ میکرولیتر بود. اسیدهای چرب استاندارد مورد استفاده نیز ساخت کشور سیگمای آمریکا بود.
۳-۴. مواد و وسایل (ترشح حلزون)
۳-۴-۱. ترشح حلزون
ترشح مورد استفاده در این بررسی از حلزون هلیکس پوماتیا که از جنگل‌های لاهیجان جمع‌ آوری شده بود بدست آمد. متوسط سن آنها ۱۹ ماه و وزن آنها ۱۰ گرم بود.
جدول ۳-۲. دستگاه‌های مورد استفاده (ترشح حلزون)

مدل رسوب واکس (wax deposition model):

• • میزان رسوب واکس ته نشین شده در یک بخش از لوله را پیش بینی می کند

فرایند تجمیع رسوب واکس فرآیندی آرام تر از آشفتگی های جریان در یک خط لوله می باشد. بنابراین یک مدل نیمه ایستا برای دوره های طولانی تر جهت تخمین رسوب واکس انتخاب می شود. مدل نیمه ایستا (semi-stationary) با تغییرات شرایط مرزی مانند نرخ جریان، فشار و دما تعیین می گردد و البته با تغییر قطر داخلی لوله این امر محاسبه می شود.

خط لوله به بخش های متعددی تقسیم گردیده که در آن فشار و ترکیب اجزا درون بخش ثابت در نظر گرفته می شود. گرادیان دما از مرکز لوله شروع و بر روی دیواره پایان می پذیرد. موازنه گرمایی دمای مخلوط و دیواره را تعیین می کند. همه ی بخش ها شبیه سازی گردیده و افت قشار تمامی قسمت ها نیز محاسبه شده و با جمع نمودن این افت فشارها، افت فشار کلی لوله بدست می آید [۵۴].
رسوب گذاری مدل RRR بر اساس مکانیزم نفوذ مولکولی و تنش برشی بوده که این دو مکانیزم باعث بهبود رسوب واکس می شوند.[۵۴] نرخ حجمی رسوب واکس توسط مکانیزم مولکولی برای جزء i تشکیل دهنده ی واکس به صورت زیر بیان می شود
(۳-۱)
که در آن C_i^b و C_i^w به ترتیب غلظت مولی جزء i واکس حل شده در فاز نفتی موجود در توده ی نفت و در دیواره می باشد(mol/m³)، S_wet برابر با کسر محیط تر شده می باشد، NWAX تعداد اجزای واکس می باشد، MW_i جرم مولکولی جزء واکس i می باشد(kg/kmol)، _iρ چگالی جزء i واکس(kg/m³)، r شعاع داخلی قسمتی از لوله در حال انجام تست(m)، و L طول لوله می باشند. D ضریب نفوذ بر اساس رابطه هایدوک-مینهاس(Hayduk-Minhas) (m²/s).[55]
δ ضخامت لایه زیرین در جریان آرام (m)، برای جریان آشفته از رابطه بلازیوس جهت محاسبه ضخامت استفاده می گردد.[۵۴]
نرخ حجمی رسوب واکس بر پایه محاسبات انتقال برشی با بهره گرفتن از رابطه برگر و همکاران تخمین زده می شود(۱۹۸۱)
(۳-۲)
که در آن K^* ثابت نرخ رسوب برشی (kg/m²)، C_wall جزء حجمی واکس تشکیل شده درون نفت در دمای دیواره، نرخ انتقال برشی در دیواره (s^-1)، A سطح موجود برای رسوب (m²) و چگالی متوسط واکس می باشد.
زمانیکه هر دو مکانیزم به شمار آیند نرخ کلی افزایش ضخامت رسوب به صورت زیر بیان می شود
(۳-۳)
ϕ تخلخل واکس رسوب کرده می باشد. که در محدوده ی ۹/۰-۶/۰ فرض می شود. تخلخل واکس یک پارامتر تنظیم شونده در این مدل به شمار می آید.
فرضی که در این مدل به کار برده می شود این است که نرخ تشکیل رسوب در دیواره یک عامل محدود کننده نیست و تمامی واکس تشکیل شده بر روی دیواره می چسبد، مادامیکه دما پایین تر از دمای تشکیل واکس باشد.[۵۶]
در این مدل هیچگونه مکانیزم تنش برشی به کار نمی رود. بنابراین اصلی ترین ایراد این مدل عدم وجود تنش برشی می باشد. سوالی که در اینجا مطرح است این می باشد که آیا این فرض درست است؟ با این حال این مدل برای نرخ جریان های کم پیش بینی های خوبی را بدست می دهد. اضافه بر این، این مدل در ابتدای امر زمانی که لوله ها پاک و تمیز هستند پیش بینی های قابل قبولی را ارائه می دهد ولی با گذشت زمان جواب ها با عدم اطمینان و قطعیت بیشتری حاصل می شوند که آنهم به دلیل عدم وجود مکانیزم های رها سازی (ورقه ورقه شدگی) می باشد.
۳-۵-۲- مدل متزین(Matzain)
دانشگاه تولسا (Tulsa) پروژه ای مشترک با صنعت (Joint Industry Project) را به طور دائم دنبال می کند، تحت عنوان زیر:
پیش بینی رسوب گذاری پارافین در خطوط جریان چند فازی و دهانه ی چاه ها. که یکی از اهدافش ارائه ی برنامه ای رایانه ای جهت پیش بینی رسوب واکس در جریان چند فازی و سر چاهی می باشد.[۵۷]
نفت مورد استفاده در آزمایش های متزین و همکاران شامل ۶۶% وزنی واکس و دمای تشکیل واکس ۵۱ درجه سانتی گراد می باشد. برای جریان دو فازی آزمایشات نشان می دهند که رسوب واکس به الگوی جریان وابسته می باشد. در سرعت های پایین مخلوط، مشاهدات شبیه به مشاهدات جریان آرام تکفازی است و به همین صورت برای جریان آشفته.
این مدل سینتیکی نیمه تجربی، میزان ضخامت رسوب را تعیین می کند. در نرخ جریان های بالا دقت مدل قابل قبول است و همانند مدل RRR بر پایه ی دو مکانیزم نفوذ مولکولی و پخش برشی استوار است. البته تنش برشی از درجه اهمیت پایین تری برخوردار است.[۵۸]
متزین و همکاران (۲۰۰۱) بیان داشتند که نرخ تشکیل می تواند از سایر عوامل هم تأثیر بپذیرد. جدا شدن رسوب از لایه تشکیل شده به کاهش سرعت رسوب گذاری می انجامد و گیر افتادن(trapping) نفت درون لایه به بهبود این نرخ. از آنجاییکه تئوری انتقال جرم فیک این تأثیر پذیری ها را محاسبه نمی کند، متزین و همکاران با محاسبه ی این موارد با وارد نمودن ثابت های عملی، قانون فیک را بهبود بخشیدند.
بر اساس آزمایشات، دو ثابت عملی به این رابطه اضافه شد. در نهایت نرخ کلی رسوب به شکل زیر نشان داده شد[۵۷]
(۳-۴)
که در آن δ ضخامت لایه بر حسب متر، W_w غلظت واکس درون محلول (درصد وزنی)، r فاصله ی شعاعی (m) و T درجه حرارت (°C) می باشد. _۱Π رابطه ای تجربی جهت نشان دادن اثر مثبت نفت به تله افتاده درون لایه رسوب می باشد، همچنین برای نشان دادن سایر اثرات مثبت بر نرخ رسوب می باشد که درون ثابت نفوذ به حساب نیامده است، به عنوان نمونه نفوذ جرم جریان آشفته. Π_۲ رابطه ای تجربی برای معرفی کاهش نرخ بواسطه ی جدا شدن لایه رسوب می باشد.
این روابط به شکل زیر نمایش داده می شوند:
(۳-۵)
(۳-۶)
ثابت نفوذ توسط رابطه وایک .و چانگ(Wike and Change) بدست می آید، C₁، C₂ و C₃ سه ثابت تجربی هستند که برای جریان تکفازی و دو فازی محاسبه شده اند که مقادیرشان بدین صورت می باشد ۱۵C₁=، C₂=0.055 و C₃=1.4.
علاوه بر این C_oil درصد نفت به دام افتاده می باشد و به صورت رابطه زیر ارائه می گردد
(۳-۷)
(۳-۸)
که در آن _oρ چگالی نفت (kg/m³)، v_sl سرعت ظاهری مایع(m/s)، E میزان ماندگی مایع، d_w قطر داخلی بعد از ازدیاد لایه رسوب واکس روی دیواره (m)، گرانروی نفت (kg/m.s). N_SR یک متغییر بدون بعد و وابسته به نوع جریان و عدد رینولدز می باشد. برای هر نوع جریان بدین صورت تعریف می شود:
(۳-۹) تکفاز (single phase)
(۳-۱۰) متناوب/حبابی(Intermittent/Bubbly)
(۳-۱۱) حلقوی(Annular)
(۳-۱۲) موجی شکل(Stratified Smooth/Wavy)
که در آن v_o سرعت نفت (m/s)، δ ضخامت (m) و ρ_m چگالی متوسط مخلوط گاز-نفت(kg/m³).[57]
معادله نشان می دهد که تنش پراکندگی به صورت وابسته به ضخامت لایه، شرایط جریان و خواص سیال عبوری، مدلسازی شده است [۵۳].
نفوذ عامل کنترل کننده ی تبلور بوده و اثر پیری (aging) به طور مستقیم مدلسازی نمی شود. هنگامی که لایه رسوب پیرتر می شود، سخت تر شده که از جدا شدن لایه های رسوب جلوگیری می کند. ضرایب C₂ و C₃ باید با گذر زمان تغییر کند تا سستی لایه رسوب و همچنین جدا شدن لایه های رسوب را پس از رشد لایه رسوب درون خود جای دهد. اگر چه با گذشت زمان در این مدل رسوب ثوابت تعییر نمی کنند، C₁ نرخ تشکیل رسوب را توسط سایر مکانیزم ها که باتعریف ثابت نفوذ بیان نمی شود، بهبود می بخشد.
ضعف مدل متزین به کار نبردن فیزیک بیشتر مسئله و همچنین وجود ثابت های متعدد می باشد. مورد دیگر درباره ی آزمایشات می باشد که مدل بر اساس آن پایه نهاده شده است. تمامی آزمایشات فقط با یک نوع نفت-نفت South Pelto- صورت پذیرفته اند و باید اشاره شود که کسی نمی داند مدل متزین چگونه با لوله هایی با سایزهای متفاوت به عنوان مثال خط لوله انتقال، کار می کند.
۳-۵-۳- مدل هیدرو(Hydro)
این مدل در اوایل سال ۱۹۹۰ در نورسک هیدرو(Norsk Hydro) بوسیله ی Søntvedt ارائه گردید. هیدرو این مدل را چندین بار مورد استفاده قرار داد ولی هیچگاه به صورت رسمی ارائه نگردید. پیش از آن هم این مدل در برنامه ی اِکسل(Excel) اجرا می شد و به صورت تحلیلی مسئله را حل می نمود که بر اساس جریان همگن تکفاز برنامه ریزی شده بود. امروزه این مدل توسط نرم افزار فرترن به صورت عددی محاسبه می شود. این مدل هم اکنون به صورت یک نرم افزار درون سازمانی به همراه مدل انتقال حرارت و جریان چند فازی تحت عنوان نرم افزار Wellcorr ارائه شده است [۵۸].
این مدل بر اساس تئوری گرفتگی مجانب وار(asymptotic fouling) پایه نهاده شده است که این مدل با نام تئوری تبادل حرارت شناخته می شود. تئوری گرفتگی لوله های مبدل حرارتی برای بررسی تشکیل رسوب واکس درون لوله قابل استفاده بوده و پیشنهاد می شود، تجمع رسوب روی سطح سردبه جهت مکانیزم های وابسته به نوع جریان و مشخصات جریان به وقوع می پیوندد.
معادله ی حاکم برای رشد لایه رسوب بدین صورت نمایش داده می شود

[۸] (۳-۲۴)
= تنش تسلیم فولاد مصرفی مساوی  (kg/cm²)
= ضریب الاستیسیته فولاد (kg/cm²)
= لاغری مرزی بین کمانش الاستیک و غیر الاستیک
در صورتی که  باشد :
[۸] (۳-۲۵)
در صورتی که  باشد :
(۳-۲۶)
در روابط (۳-۳۰) و (۳-۳۱) عدد ۲.۱۲ ضریب اطمینان می­باشد و همچنین داریم :
= لاغری حداکثر عضو فشاری که مساوی KL/r می­باشد.
= تنش فشاری مجاز (kg/cm²)
= تنش تسلیم فولاد مصرفی (kg/cm²)
ترکیب تنش­ها
الف) ترکیب نیروی فشاری و لنگر خمشی اعضایی که تحت اثر نیروی فشاری محوری توأم با لنگر خمشی قرار می­گیرند، باید روابط زیر را اغنا:
[۸] (۳-۲۷)
در روابط فوق، اندیس­های x و y در ترکیب با اندیس­های b، e و m، محورهای خمشی مربوط به تنش­ها و یا خواصی دیگر را نشان می­ دهند. داریم:
= تنش فشاری مجاز اگر فقط نیروی محوری عمل کند.
= تنش فشاری مجاز خمشی اگر فقط لنگر خمشی به تنهایی عمل کند.
= تنش کمانشی که بر ضریب اطمینان تقسیم شده است.
[۸] (۳-۲۸)
= طول آزاد در صفحه خمش
= شعاع ژیراسیون نظیر
= ضریب طول مؤثر در صفحه خمش
= لاغری حول محور خمش (  )
= تنش فشاری موجود
= تنش فشاری ناشی از خمش حول محور x
= تنش فشاری ناشی از خمش حول محور y
= مطابق جدول (۳-۴)
جدول (۳-۴) ضریب  در رابطه اندرکنشی [۸]
ب) ترکیب کشش محوری و لنگر خمشی
اعضایی که تحت اثر کشش محوری توأم با خمش قرار می­گیرند، باید طوری محاسبه شوند که در تمام نقاط طول عضو رابطه زیر برآورده گردد:
[۸] (۳-۲۹)
= تنش کششی محاسباتی حاصل از لنگر خمشی
= تنش کششی محاسباتی حاصل از کشش محوری
= تنش خمشی مجاز
= تنش کششی مجاز
مسائل ویژه در طرح و محاسبه
افتادگی (خیز)
در دهانه‌های ساده و یکسره، افتادگی ناشی از بار زنده و ضربه به  دهانه محدود می­گردد. در پل‌های شهری این محدودیت برابر  دهانه است.
۳-۲-۲- نشریه ۱۳۹: آئین نامه بارگذاری پل­ها [۷]
با توجه به اینکه وسایل نقلیه عبوری از پل­ها متنوع و مطالعه این سازه­ها در برابر تمامی بارهای واقعی پیچیده و حجیم می­باشد، در کشورهای مختلف از طریق مطالعات تحلیلی و به‌کارگیری قواعد آمار و احتمالات، مجموعه‌ای از بارهای استاندارد که اثر آن­ها معادل بحرانی­ترین حالت­های ترافیکی واقعی باشد تعیین و پل‌های مختلف برای این بار­ها طراحی می­شوند. طبق این نشریه موارد زیر باید رعایت شود:

• • ترکیبات بارگذاری، ضرایب بار و تنش­های محاسباتی مطابق آئین نامه‌های آشتو یا آئین نامه اروپا تعیین می­شوند.

• • بارهای دائمی، شامل وزن اجزاء باربر و غیر باربر تشکیل‌دهنده پل، خاک روی عرشه وزن خط و بالاست را شامل می­ شود.

وزن اجزاء باربر و غیر باربر
این بار شامل بار اجزاء باربر و غیر باربر تشکیل‌دهنده پل است. مقصود از اجزاء باربر قطعاتی است که نقش سازه­ای داشته باشند، و هدف از اجزاء غیر باربر قسمت­ هایی از قبیل پیاده‌روها، بالاست و خط، عایق‌کاری، نرده­ها، لوله­ها، مجاری عبور کابل­ها و سایر تأسیسات شهری که به پل متصل می­شوند می­باشند. در طرح و محاسبه پل‌های راه آهن ایران وزن اجزاء تشکیل‌دهنده بالاست به شرح زیر است:

• • وزن مخصوص بالاست معادل ۱۹ کیلو نیوتن بر متر مکعب.

• • ریل، تراورس و پا بندها معادل ۷ کیلو نیوتن بر متر طول به ازای هر خط عبور.

بارهای زنده
- بارگذاری استاندارد
برای ابنیه فنی راه آهن بجای بار واقعی قطار، بار فرضی مطابق شکل (۳-۸) قرار داده می­ شود که در این آئین نامه از آن به عنوان بارگذاری استاندارد (بارگذاری نوع ۱) یاد می­ شود. برای طرح و محاسبه قسمت­ های مختلف پل، بارگذاری شکل (۳-۷) در نامساعدترین وضعیت منظور می­ شود.

نمودار مقایسه قیمت واقعی و قیمت پیش‌بینی‌شده
نتایج حاصله­ی شبکه برای یکی از شرکتهای نمونه از ابتدای دوره یعنی ۱/۱/۸۷ تا ۲۹/۱۲/۹۳ برآورد شده است؛ که نتیجه حاصل از این پیش‌بینی یک شرکت در مقایسه باقیمت واقعی برای تست به شکل نمودار زیر به دست آمد:

نمودار ۳-۴٫ پیش بینی قیمت واقعی و پیش بینی شده
۴-۵-۲٫ نمودار ضریب همبستگی
نموداری که مشاهده می‌کنیم نمودار ضریب همبستگی بین قیمت پیش‌بینی‌شده باقیمت واقعی است که بر روی میله افقی مقدار پیش‌بینی‌شده و بر میله عمودی مقدار واقعی را نشان می­دهد؛ که حاکی از آن است با افزایش قیمت واقعی نسبت به میانگین در پیش‌بینی، مقدار نسبت به میانگین افزایش‌یافته است.
نمودار ۴-۳٫ ضریب همبستگی شبکه عصبی
۴-۶٫ جمع‌بندی
در این فصل با توجه به ادبیات موضوع و متدولوژی تحقیق که به ترتیب در فصل دو و سه بیان شد، اقدام به حل مسئله پیش بینی قیمت سهام نمودیم. بدین منظور، از داده ­های واقعی سازمان بورس اوراق بهادار تهران، دادهای اقتصادی و سایر داده‌های تأثیرگذار برای ساخت مدل­هایی استفاده نمودیم تا قیمت سهام را برای پنج روز آینده پیش ­بینی نماییم. با بهره گرفتن از قیمت پیش‌بینی‌شده برای ۱۰ شرکت بورس اوراق بهادار، با بهره گرفتن از شبکه عصبی با مدل‌های مختلف قیمت سهام را حل نمودیم و با اطلاعات ترکیبی مدل‌های جدیدی را طراحی نمودیم. با توجه به ادبیات موضوع و کاربرد گسترده مدل شبکه عصبی مبتنی بر کلونی زنبورعسل در حل مسئله، برای حل مدل­های با بهره گرفتن از اطلاعات بیشتر با شبکه عصبی خطای بیشتری را داشتند و برای حل این موضوع از الگوریتم کلونی زنبورعسل استفاده نمودیم. ازآنجاکه این الگوریتم، دارای پارامترهای مختلفی برای اجرا می­ شود چندین حالت مختلف آن را اجرا نمودیم تا بهترین تنظیمات الگوریتم برای حل این مسئله به دست آید. در فصل بعد، به نتایج این تحقیق و همچنین پیشنهاد‌ها و محدودیت­های آن خواهیم پرداخت.
فصل پنجم
نتایج و پیشنهادات
مقدمه
افزایش میزان سود و کاهش ریسک سرمایه‌گذاری در بورس همیشه مهم‌ترین دغدغه سرمایه‌گذاران بوده است و آن‌ها همواره به دنبال راهی هستند که بهترین پیش‌بینی را برای خرید یا فروش سهام داشته باشند به‌گونه‌ای که دارای بیشترین بازده و کمترین ریسک سرمایه‌گذاری باشد. تحقیقات زیادی در این رابطه پیش‌بینی قیمت سهام صورت گرفته‌شده است و مدل شبکه عصبی به‌عنوان یکی از اصلی­ترین کارهای این حوزه پیش‌بینی شناخته می­ شود. علیرغم اهمیت این مدل چندین پژوهش عنوان کرده ­اند که با توجه به ماهیت بازارهای مالی کنونی، شبکه عصبی به‌تنهایی نمی‌تواند بهترین گزینه برای پیش‌بینی قیمت سهام باشد و بهتر است از الگوریتم‌های دیگر برای بهبود پیش‌بینی استفاده نمایم. از سوی دیگر ما معتقدیم که یک برنامه سرمایه‌گذاری مانند پیش‌بینی قیمت سهام نه‌تنها باید ماحصل گذشته سهام را در نظر داشته باشد بلکه بایستی پتانسیل آتی سهام را نیز مدنظر قرار دهد، که این امر اهمیت پیش‌بینی قیمت سهام برای سرمایه‌گذاران را آشکار می‌سازد.
در این تحقیق به ارائه مدلی پرداختیم که در آن پتانسیل آتی سهام، توسط شبکه پیش ­بینی عصبی مصنوعی مورد توجه قرار می­گیرد و بر اساس سه مدل پیش ­بینی­های به‌دست‌آمده، با سه گروه ورودی انجام پذیرفت. سپس، این مدل با بهره گرفتن از الگوریتم کلونی زنبورعسل حل می­ شود تا با بهره گرفتن از داده‌های ترکیبی ییش بینی دقیق­تر قیمت سهام را به‌دست‌ آورد.
نتیجه ­گیری، محصول نهایی یک پژوهش علمی به شمار می­رود که در آن پژوهش­گر با تکیه‌بر آزمون فرضیه ­های خود، یافته­ ها و پیشنهاد‌های احتمالی خود را بیان می­دارد. در این قسمت از پژوهش پس از ارائه­ چکیده­ای کوتاه از فصل­های گذشته، خلاصه­ای از یافته­های پژوهش، در این فصل بر اساس نتایج حاصله در فصل چهارم، مقایسه­ ای بین مدل­هایی که از اطلاعات پیش‌بینی‌شده توسط شبکۀ عصبی مصنوعی استفاده می­ کنند و مدلی که از مدل شبکه عصبی مبتنی بر کلونی زنبورعسل صورت می‌گیرد؛ و نتایج به‌دست‌آمده از سؤال‌های تحقیق ارائه می­ شود و با یافته­های مشابه سایر پژوهش­گران به بحث گذارده می­ شود. در پایان پیشنهاد‌های پژوهش­گر برای انجام پروژه­ های علمی آتی بیان خواهـد شـد. هدف کلی این پژوهش، پیش‌بینی قیمت سهام با بهره گرفتن از شاخص‌های ترکیبی بازار به روش شبکه عصبی مصنوعی است.
۵-۱٫ خلاصه پژوهش
خلاصه­ی مطالب مطرح‌شده در فصل­های پیش به شرح زیر است: فصل اول تحقیق به بررسی کلیات پرداخت. در فصل دوم، مبانی نظری پژوهش، تعریف عملیاتی متغیرهای آن و تعدادی از پژوهش­های پیشین که مرتبط با موضوع تحقیق بودند ارائه گردید. در فصل سوم، چگونگی اندازه‌گیری متغیرها و روش اجرای سوالات و همچنین، نحوه­ استفاده از روش شبکه عصبی و مدل شبکه عصبی مبتنی بر کلونی زنبورعسل با داده ­های ترکیبی و در فصل چهارم نیز نتایج سؤالات مختلف با مدل‌های متفاوت و تجزیه‌وتحلیل داده ­ها به کمک نرم­افزار متلب بیان شد. در ادامه­ این فصل، یافته­های پژوهش با نتایج پژوهش­های مشابه موردبحث در فصل دوم، مقایسه شده و نتیجه ­گیری­ و همچنین پیشنهادهای تحقیق ارائه می­ شود.
۵-۲٫ بررسی نتایج
شبکه‌های عصبی می‌تواند از جایگاهی فراتر از فرضیات دست و پاگیر به تحلیل متغیرها و پیش‌بینی رفتار آتی آن‌ها اقدام نمایند. بر این اساس می‌توان ادعا کرد که این شبکه‌ها به‌ خصوص زمانی که امکان به‌کارگیری روش‌های پارامتری به دلیل غیرخطی بودن روند تغییرات وجود نداشته باشد، ابزاری سودمند در پیش‌بینی‌های مالی به‌حساب آمده و دقت بالاتری به دست می‌دهند. نتایج حاصل از شبکه‌های عصبی به‌کاررفته در این پژوهش به شرح زیر است:
۵-۲-۱٫ نتیجه سؤال اول
پیش‌بینی قیمت سهام را با بهره گرفتن از شاخص‌های ترکیبی به روش شبکه عصبی برای روز پنجم با بهره گرفتن از متغیرهای ترکیبی؛ که ورودی‌های این مدل ترکیبی از متغیرهای فنی و بنیادی ست. همان‌طور که در جدول‌های ۴-۳ و ۴-۴ مشاهده شد، در بررسی تأثیر معماری شبکه بر عملکرد شبکه در مجموعه‌ی آموزش و کل داده‌ها مشخص شد که استفاده از لایه‌های مخفی بیشتر لزوماً منجر به بهبود عملکرد شبکه نمی‌شود و همچنین با افزایش تعداد گره‌های لایه‌ی مخفی نمی‌توان انتظار داشت که عملکرد شبکه بهبود پیدا کند آموزش با داده‌های ترکیبی: فنی و بنیادی سه لایه (ورودی، میانی و خروجی) است که ۱۶ ورودی در لایه ورودی، تابع مورداستفاده تابع سیگموئیدی جهت لایه میانی، تابع خطی به عنوان تابع لایه خروجی و الگوریتم پرسپترون به عنوان الگوریتم آموزش استفاده شد؛ که با تکرار متوسط ۱۰۰ به‌عنوان بهترین مدل شبکه‌ی عصبی برای پیش‌بینی قیمت سهام ده شرکت نمونه انتخاب شد. بدین ترتیب می‌توان نتیجه گرفت که شبکه عصبی با داده‌های ترکیبی فنی و بنیادی حد قابل قبولی را برای پیش‌بینی ارائه می کند. داده‌های این سؤال می‌تواند پیش‌بینی مناسب‌تری ارائه نمایند و می‌توانیم همان مدل را با اضافه کردن داده‌های بنیادی جدید دوباره آموزش داد و جواب به‌دست‌آمده دارای خطای بسیار کمتری می‌باشد.
۵-۲-۲٫ نتیجه سؤال دوم:
پیش‌بینی قیمت سهام را با بهره گرفتن از شاخص‌های تکنیکال به روش شبکه عصبی برای روز پنجم؛ با توجه به جداول ۴-۶ و ۴-۷ مانند سؤال اول مشخص شد که استفاده از لایه‌های مخفی بیشتر لزوماً منجر به بهبود عملکرد شبکه نمی‌شود و همچنین با افزایش تعداد گره‌های لایه‌ی مخفی نمی‌توان انتظار داشت که عملکرد شبکه بهبود پیدا کند آموزش با داده‌های فنی با ۱۱ لایه پنهان در لایه میانی، ۱۲ ورودی، تابع انتقال لایه میانی سیگموئیدی و ۱ لایه‌ی خروجی با تابع خطی، الگوریتم پرسپترون به عنوان الگوریتم آموزش با تکرار متوسط ۱۵۰ به‌عنوان مدل شبکه‌ی عصبی برای پیش‌بینی قیمت سهام ده شرکت شیمیایی نمونه انتخاب شد؛ که آموزش با داده‌های تکنیکال به‌خوبی انجام پذیرفته است. پس از اطمینان از این مدل شبکه عصبی، می‌تواند روند تغییر قیمت را برای هر دوره تغییر خاص موردبررسی در مدل پیش‌بینی کرد. بدین ترتیب می‌توان نتیجه گرفت که شبکه عصبی با داده‌های تکنیکال حد قابل قبولی را برای پیش‌بینی ارائه می کند و نتیجه بهتری نسبت به تحقیق طلوعی، حق‌دوست ارائه می‌دهد؛ و این می‌تواند دلیلی بر توانایی شبکه عصبی در یادگیری باشد و همچنین پویا بودن مدل، با داده‌های تکنیکال را نیز به ما نشان می‌دهد.
۵-۲-۳٫ نتیجه سؤال سوم
تعیین عامل‌های مهم در تعیین نرخ اوراق در شرکت‌های شیمیایی که با واردکردن قیمت طلا، قیمت نفت، قیمت ارز و شاخص کل در شبکه عصبی به پیش‌بینی قیمت سهام می‌پردازیم. همان‌طور که در جدول‌های ۴-۸ و ۴-۹ مشاهده شد، شبکه عصبی طراحی ‌شده برای پیش‌بینی قیمت با ۲۰ ورودی در لایه ورودی، تابع مورداستفاده تابع سیگموئیدی جهت لایه میانی، تابع لایه خروجی تابع خطی و الگوریتم پرسپترون به عنوان الگوریتم آموزش استفاده شد. داده‌های ورودی مدل اول به همراه عوامل اقتصادی عملکرد بهتری از شبکه‌های عصبی که تنها ورودی آن‌ها داده‌های تکنیکال بوده داشته است. این امر نشان می‌دهد که ارتباط متغیرهای اقتصادی کلان باقیمت بورس اوراق بهادار در این پژوهش یک ارتباط تعیین‌کننده است و قیمت بیشترین تأثیر را از مقادیر تاریخی خود می‌پذیرد و اضافه کردن متغیرهای اقتصاد کلان به مدل تنها تا حدی، قدرت توزیع دهندگی مدل را افزایش می‌دهد و نقش تعیین‌کننده‌ای ندارند. نتیجه این مدل با پژوهش (سینایی و همکاران ۱۳۸۴) مطابقت دارد.
۵-۲-۴٫ نتیجه­ سؤال چهارم
با بهره گرفتن از الگوریتم‌های شبکه عصبی و شاخص‌های ترکیبی یک روش جدید با خطای کمتر برای پیش‌بینی قیمت سهام طراحی کنیم. با توجه به نتایج ۴-۱۳ برای هر یک از شرکت‌ها با در نظر گرفتن ۲۷ سناریو جدول ۴-۱۲ تعیین تعداد واحدهای پردازش اطلاعات مناسب، تعداد نرون­های پنهان را از ۵ تا ۲۵ برای هر سناریو تغییر دادیم؛ و ۵ بار جواب مورد آزمایش قرار گرفت که نتایج استفاده از کلونی زنبورعسل به‌عنوان یک روش انتخاب ویژگی پوشش‌دهنده نقش مهمی در افزایش دقت و سرعت در اجرای تکنیک پیش‌بینی، حذف داده‌های غیر مرتبط، تعدیل­وزن­ها و اسپایس­ها و افزایش قابلیت فهم‌پذیری ایفا نمود و همچنین در مقایسه با عملکرد روش انتخاب ویژگی فیلتر کننده آنالیز اجزای اساسی، کلونی زنبورعسل به‌عنوان یک روش پوشش‌دهنده در ترکیب با شبکه عصبی دقت پیش‌بینی بالاتری از خود نشان داد.
۵-۳٫ مقایسه نتایج
۵-۳-۱٫ مقایسه مدل سؤال اول و سؤال دوم
در این پژوهش میزان صحت پیش‌بینی شبکه عصبی با چهار مدل بررسی شد که در اینجا به بحث در مورد سؤال اول که از دو گروه اطلاعات فنی و بنیادی و در سؤال دوم از گروه اطلاعات فنی استفاده‌شده است، می‌پردازیم که میانگین نتایج اطلاعات دو سؤال برای ده شرکت شیمیایی نمونه به شرح زیر است:

زد پابه هرچه جُز وی و، سَرداد و شد روان

تا کوی دوست بر اثر کُشتگان حَی
(نیّرتبریزی،۱۷۳)

۳-۶٫ ایثار
از مقامات عرفانی ایثار است. ایثار و مقدم داشتن دیگری بر خود در راه رضای خدا، از فضیلت­های وجود آدمی است خداوند در قرآن کریم می­فرماید: «وَ یُؤْثِرُونَ عَلی اَنْفُسِهِمْ وَ لَوْ کانَ بِهِمْ خَصاصَه»(و آنها را بر خود مقدم می­دارندهرچند خودشان بسیار نیازمند باشند) (حشر(۵۹)، ۹) . علاوه بر قرآن در متون عرفانی نیز به ایثار پرداخته شده به طور مثال در مصباح الهدایه در این زمینه چنین آمده: «از جمله مکارم اخلاق یکی بذل است یعنی اعطای چیز و آن چند نوع است اول آنک در مقابلۀ بذل دیگر افتد و آن را مکافات خیر خوانند. دوم آنکه بر سبیل ابتدا و افتتاح بود با توقّع مکافات و آن متاجره خوانند، و این هر دو قسم مرتبه عوام است. سوم آنکه بر سبیل ابتدا بود بی توقّع مکافات و آن را ایثار خوانند و این قسم مرتبه ی خواصّ است. چهارم آنکه در مقابلۀ سیئه بود و آن را احسان خوانند و این قسم مرتبه اخصّ الخواصّ است( کاشانی، ۱۳۸۹: ۵۰۷).
در کتاب اوصاف الاشراف هم آمده است که: ایثار اختصاص و اختیار است؛ کسی که ایثار می­ کند، دیگری را مقدم می­دارد و خود را در این کار مختار می­پندارد. در هر حال ایثار برای سالک، پیش از آنکه بارقه های احوال را شامل شود، خُلقی پسندیده است. ایثار را سه درجه است: درجه نخست، آن است که مردم را بر خود مقدم داری در آنچه شرعاً بر تو حرام نیست. درجه دوم: آن است است که بنده، رضایِ حق تعالی را بر خشنودی او برگزیند و مقدم دارد؛ اگرچه در این ایثار سختی ها و بلاها بزرگ گردد و بارها گران آید؛ و از آن ایثار، توانِ تَن او و افزون از توان او ضعیف گردد. درجه سوم، آن است که ایثار حق تعالی کند؛ یعنی از ایثار خود بگذرد و بیرون رود، به اینکه مقدم داشتن دیگران را بر خود در مالکیت، ایثار خداوند ببیند(کاشانی، ۱۳۷۳: ۱۲۹-۱۲۶).

در مجموع هردو شاعر چنین نگاهی به ایثارگری امام حسین دارندکه امام هر آنچه از تعلقات را که پرده و حجابی در رسیدن به آرزویش یعنی وصال حق بود کنار زد، ایشان و یارانش امیال دنیا دوستی و دنیا پرستی را در خود کشته بودند و یاران تا پای جان خویش با امام خویش ماندند.
در ابیات زیر، شاعر تصویر خونباری از صحرای کربلا و پیکر های در خون تپیده شهیدان ارائه می دهد و می گوید امام در راه رسیدن به محبوب جان خود را آماده فدا کردن نمود مانند یک قربانی پای در بزم قربانگاه نهاد اما بر خلاف مرسوم سایر قربانیان، با لب تشنه روان شد در حالی که امام حسین (انسان کامل) خود دریای حقیقت است:

عرصۀ دشت چو دیبای منقّش از خون
جان به قربان ذبیحی که به قربانگهِ دوست

وان همه صورت زیبا که در آن دیبا بود با لب ِتشنه روان می شد و خود دریا بود
(نیّرتبریزی، ۱۸۰ )

شاعر می گوید: امام حسین مردمی را که به دنیا مشغولند دعوت می کند تا از خواهش های نفسانی دست بردارند و از راه او پیروی کنند و خود را آماده سختیها و مشقتهای راه خداوند نمایند و تمثیل پروانه را برای نمونه می آورد که برای وصال با محبوب می سوزد آنها نیز پروانه­وار در آتش اشتیاق جان می دهند و سرنوشتشان جدای از سرنوشت پروانه نیست و می گوید در این راه جز تیر و تیغ نیست و هرکس که از نثار جانش دریغ دارد همرا ما نیاید سخن شاعر این فرمایش امام حسین راکه در تاریخ داریم به ذهن متبادر می کند «مَنْ کانَ باذِلاً فینا مُهْجَتَهُ وَ مُوَطِناً عَلی لِقاءِ اللهِ نَفْسَهُ: فَلْیَرْحَلْ مَعَنا، فَإِنّی راحِلٌ مُصْبِحاً»(هر کس خواستار آن است که در راه من خون خویش را نثار کند و مهیای سفر است همرا من کوچ کرده بیاید) (سید بن طاووس، ۹۰ و ۹۱).

گفتشان ای مردم دنیا طلب
مغزتان را شور شهوت غالب است
ای اسیران قضا؛ در این سفر
هـمره مـا را هـوای خانه نـیست
نیست در این راه غیر از تیر و تیغ

اهل مصر و کوفه و شام و حلب
نفستان، جاه و ریاست طالب است
غیر تسلیم و رضا، این المفر؟
هر که جست از سوختن، پروانه نیست
گو میا هر کس که جان دارد دریغ
(عمان، ۲۷۷ و ۲۷۶)

امام حسین ضمن دعوت یاران وآشنایان به راه پر بلای عاشقی، موانع وسختی های راه را برای سالکان وصل برمی­شمارد و خطاب به آنها می­گوید این راه به ترک مال وجان ختم می­ شود وهر آن کس که بیم جان دارد در این راه پای نگذارد وتنها کسانی که آمادگی بذل جان دارند قدم در این راه پر مخاطره بگذارند:

بعدِ تحمید ودُرودْ آن شاهِ راد
این حُسَین و این زمین کربلاست