حالت a) برای برخی قطعات منحنی مشخصه­ی ولتاژ- جریان مطابق شکل(a (2-9))می‏باشد که در این حالت، کلیدزنی بین نقاط A و B انجام می­ شود [۵۶].

( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

حالت b) وضعیتی که مقاومت منفی با اثر حافظه­ای ظاهر می­ شود و دو حالت پایدار دارد. حالت اوّل مشابه حالت a و دومین حالت، وضعیت رسانشی است. وضعیت رسانشی با اعمال یک جریان باز گرداننده^[۹۷] از بین رفته و قطعه­ی مورد نظر به حالت‏ غیر رسانشی برمی‏گردد(شکل (b (2-9)) را ببینید).
شکل۲-۹) طبقه ­بندی حالات مختلف کلیدزنی]۲۳و۵۶[.
حالت c) کلیدزنی از مقاومت الکتریکی بالا به مقاومت الکتریکی پایین.
در این حالت نقطه عمل پایداری بین حالات مقاومت الکتریکی بالا (Off) و مقاومت الکتریکی پایین (ON) وجود ندارد. در این حالت وقتی اختلاف پتانسیل دو سر نمونه به مقدار معین آستانه V_Th، می­رسد یا بعبارت دیگر ولتاژ اعمال شده به نمونه به حد معینی می‏رسد، نمونه عمل کلید زنی را انجام می‏دهد و نمونه در صورتی به حالت غیررسانشی (Off) برمی‏گردد که جریان عبوری از آن به جریان­های پایین­تر ازجریان نگهدارنده I_h، کاهش یابد. این نوع کلیدزنی را کلیدزنی آستانه‏ای می­نامند] ۵۴و۵۶، ۵۷-۵۹[. ( شکل (c (2-9)) را ببینید).
حالت d) کلیدزنی همراه با حالت حافظه­ای که در آن حالت OFF، مشابه حالت C است و حالت رسانشی (ON)، حتی با افت کامل ولتاژ، حفظ می­ شود. حالت OFF، با اعمال یک پالس جریان، دوباره برقرار می­ شود.حالت اخیر را کلیدزنی حافظه­ای می­نامند [۵۸-۶۰، ۵۴و۵۶]. ) شکل (d (2-9))را ببینید).
حالت e) مقاومت منفی با ولتاژ کنترل شده (VCNR):
در این حالت، نمونه با مقاومت الکتریکی پایین، فعالیت خود را آغاز کرده، سپس با عبور از یک ناحیه مقاومت منفی در بالای V_c، به حالت مقاومت بالا گذار می‏کند. حتی وقتی که ولتاژ به سرعت کاهش می­یابد، حالت مقاومت الکتریکی بالا حفظ می­ شود.( شکل (e (2-9)) را ببینید) [۵۶].
مواد آمورف را با دو حالت کلی متمایز می کنیم:
نوع A: شیشه­ی پایداری که در طول عمل، ساختار و ترکیب آن تغییر نمی­کند که در کلیدزنی آستانه­ای با آن روبرو می­شویم.
نوع B: ماده‏ای که ساختار آن در وضعیتی تجدیدپذیر، تغییر می‏کند. این حالت در کلیدزنی حافظه‏ای مشاهده می‏شود [۵۶].
۲-۱۳) کلیدزنی حافظه ‏ای و آستانه ­ای
با توجّه به آنچه که در بخش قبل ذکر شد، می­توان گفت که وجه اشتراک دو فرایند کلیدزنی حافظه­ای و آستانه­ای^[۹۸]، وجود یک ولتاژ آستانه (V_Th )، برای شرح عمل کلیدزنی می­باشد و اختلاف آنها در این است که در کلیدزنی آستانه‏ای، برخلاف کلیدزنی حافظه‏ای که حالت رسانشی (ON) حتی در جریان­های پایین‏تر از I_h، جریان نگهدارنده^[۹۹]حفظ می‏شد، حالت رسانشی (ON) حفظ نشده و نمونه به حالت غیررسانشی (OFF) برمی‏گردد.
در حالت حافظه­ای، عمل کلیدزنی حافظه­ای از تغییر ساختار برگشت­پذیر بین ماده­ آمورف با مقاومت الکتریکی بالا و حالت میکروبلوری با مقاومت الکتریکی پایین ناشی می­ شود که این تغییر ساختار در ناحیه فیلمانی جریان اتفاق می­افتد و تبدیل ماده به حالت میکروبلوری در زمانی کوتاه پس از عمل کلیدزنی صورت می­گیرد[۵۶]. یک پالس با جریان بالا و پریود کم ممکن است ناحیه­ی فیلمانی جریان را دوباره از حالت بلوری به حالت شیشه ­ای برگردانده سیستم بلوری به حالت بی­نظم تبدیل شود [۵۶و۵۷].
کوهن^[۱۰۰] در سال ۱۹۷۲ با توجه به مشاهدات میکروسکپی فرایند بلوری شدن را قوت بخشید [۶۱]، که به طور کلی می­توان بلوری شدن قسمتی از ماده را ناشی از گرمای ژول ایجاد شده در نمونه، میدان الکتریکی قوی یا تمرکز حامل­های اضافی در مسیر جریان دانست [۵۶و۵۷].
برای روشن شدن موضوع به شکل­های ((a-b-c) ( 2-9)) توجّه کنید.
با توجه به شکل­های زیر، عمل کلیدزنی از حالت OFF به حالت ON با یک تأخیر زمانی t_D، اتفاق افتاده و حالت حافظه­ای بعد از یک بازه­ی زمانی مخفی t_lock-ON، پس از کلیدزنی برقرار می­ شود.
در حالت (a) نمونه بعد از پایان اعمال پالس ولتاژ V_p، به حالات غیررسانشی OFF برمی‏گردد در صورتیکه در حالت (b)، برای برگشت به حالت OFF، یک پالس جریان بازگرداننده مورد نیاز است. پس به طور کلیt_LO، زمان مورد نیاز برای بلوری شدن شیشه در طول فیلمان جریان است که در این فرایند ایجاد می­ شود [۵۶].
شکل ۲-۱۰) نمایش پاسخ زمانی نمونه به پالس
a).کلیدزنی آستانه­ای b).کلیدزنی حافظه­ای c).تغییرات جریان عبوری از نمونه در کلیدزنی حافظه­ای]۵۶[.
بنابراین، می­توان چنین نتیجه گرفت که تغییر در رسانندگی نمونه، ناشی از تغییر رسانش ناحیه­ی فیلمان جریان (ناحیه تشکیل) می­باشد و ولتاژ آستانه­ ثابت در عمل کلیدزنی، دلیلی بر فقدان فرایند تشکیل خواهد بود [۵۷].
ولتاژ آستانه­یV_th، عموماً بین ۳ تا ۱۰۰۰ ولت قرار دارد و در فواصل جدایی چند میکرون، با فاصله­ی جدایی الکترودها متناسب است.
به دلیل شرایط مرزی الکتریکی و حرارتی ناشی از نوع و شکل ماده‏ای که با الکترودها اتصال دارد در فواصل الکترودی بزرگتر، وابستگی تابعی یکنواختی وجود ندارد.
بطور کلی میدان الکتریکی آستانه و ولتاژ آستانه با افزایش ضخامت لایه­ی نیمرسانای آمورف افزایش می­یابد و با افزایش دمای نمونه، کاهش می­یابد [۵۶و۵۷و۶۰].
۲-۱۴) مکانیسم کلیدزنی
فرایند کلیدزنی در نیمرساناهای آمورف، تنها توسط شکست حالت مقاومت الکتریکی بالا مشخص نمی‏شود بلکه مکانیزم هایی باید این فرایند را توجیه نمایند.
برخی [۲۲و۶۲و۶۴] کوشیده‏اند این فرایند را براساس فرآیندهای گرمایی توجیه کنند و برخی دیگر [۲۳و۵۴] معتقدند فرایند کلیدزنی اساس الکتروگرمایی دارد و گروهی فرآیندهای الکترونیکی را مسئول پدیده مذکور می دانند [۶۳].
بطور کلی دو مدل در توجیه فرایند کلیدزنی مطرح می شود:
الف) مدل هموژن (متجانس)
ب) مدل نامتجانس
در ابتدا فرض اینکه لایه‏های نیمرسانا، در طول فرایند کلیدزنی، یکدست و آمورف باقی می‏مانند، وجود داشت. اما با آگاهی از تشکیل فیلمان جریان در داخل لایه نیمرسانای آمورف (تغییر ساختار لایه) مدل نامتجانس مطرح شد. در مدل متجانس دو راهبرد وجود دارد، یکی در نظر گرفتن فرایند کلیدزنی به عنوان فرایند گرمایی با تصحیحات الکترونیکی و دیگر اینکه آنرا فرآیندی الکترونیک با تصحیحات گرمایی در نظر بگیریم.
همچنانکه در بخش­های گذشته بیان شد، پدیده کلیدزنی ممکن است در ناحیه­ی فیلمانی با چگالی بالای جریان، ساختار ماده را به صورتی تغییر دهد که حتی با برگشت ماده به حالت OFF، ساختار اصلی تجدید نشود.
مهاجرت الکترونی و تشکیل نواحی بار فضایی نیز ممکن است به تغییر ساختار ماده بیانجامد که بعد از اینچنین فرآیندهایی، ماده­ مورد آزمایش معمولاً ولتاژ آستانه و مقاومت الکتریکی کمتری نسبت به حالت اصلی در حالت غیررسانشی OFF از خود نشان می­دهد و در واقع ماده مشابه حالت همگن خود، عمل نمی­کند. می­توان توسط پراش الکترون و میکروسکوپ الکترونی ناحیه بلوری محاط شده در زهدان شیشه ­ای^[۱۰۱] را در نیمرساناهای آمورف مطالعه کرد، همچنانکه بلورهای سوزنی Te در جهت عبور جریان در آزمایشی در سال۱۹۲۷ میلادی توسط تماس^[۱۰۲] و باسنل^[۱۰۳]مشاهده شد و آنها این موضوع را ناشی از دمای بسیار بالا و میدان الکتریکی بالا در ناحیه فیلمان جریان عنوان کرده ­اند [۶۴].
به طور کلی رفتار مقاومت منفی در نیمرساناها و همه موادی که مقاومت الکتریکی آنها با افزایش دما به سرعت کاهش می­یابد، دور از انتظار نیست، چرا که گرمای ژول، دمای داخل نیمرسانا را بالا برده و در اثر افزایش رسانش و تحرک حامل­ها، فلوی بیشتری از جریان مجاز به شارش از طریق ناحیه داغ می‏باشد. حالت پایا زمانی حاصل می­ شود که گرمای هدایت شده به نواحی دور از فیلمان جریان، معادل گرمای ژول تولید شده در ناحیه­ی فیلمان جریان باشد یا به عبارت دیگر مقدار گرمای ژول تولید شده به تعادل برسد[۶۵]. در این صورت می­توان معادله­ انتقال گرما را نوشته و شرایط مرزی را به کار برد، هر چند که حل عمومی معادله­ مذکور با شرایط مرزی واقعی قابل حصول نبوده و منوط به ساده­سازی‏های مختلفی می‏باشد ]۶۶و۶۵،۶۴،۶۱[.
کرول^[۱۰۴] در سال ۱۹۷۳ نتیجه­ مطالعه­ خود را به این صورت بیان می­ کند:
تا زمانی که الکترودها چاهک کامل گرما هستند، هیچ رفتار مقاومت منفی و کلیدزنی روی نخواهد داد، اما می‏دانیم علی­رغم بالا بودن رسانش گرمایی الکترودها، در نظر گرفتن الکترودها به صورت چاهک‏های کامل گرما، صحیح نیست. بدین‏ترتیب در مکانیزم گرمایی، گذار بین حالت­های مقاومت الکتریکی بالا و رسانش الکتریکی بالا، منحصراً ناشی از گرمای ژول به عنوان عامل افزایش دما و تغییر ساختار نمونه می­باشد[۶۴]. در مدل الکتروگرمایی تشکیل کانال رسانشی داغ و ایجاد بارهای فضایی در مجاورت الکترودها به طور توأم در نظر گرفته می­ شود و در واقع این مدل، مدلی هیبرید از مدل­های الکترونیکی و گرمایی است [۲۳].
در ادامه به تفصیل نظریه­ های گرمایی، الکتروگرمایی و الکترونیکی برای توصیف پدیده­ کلیدزنی خواهیم پرداخت
۲-۱۴-۱) نظریه الکتروگرمایی^[۱۰۵]
برای شیشه­های اکسیدی از قبیل TeO₂ – V₂O₅، در یک گستره­ی دمایی مورد نظر، رسانش الکتریکی با رابطه­(۲-۳۶) بیان می­ شود:
(۲-۳۹)
که در آن ، رسانش در دمای نامعین، ، انرژی فعال سازی،، ثابت بولتزمن وT دمای نمونه در مقیاس کلوین می­باشد.
فرض می­کنیم رابطه­ ولتاژ- جریان در این مواد با وابستگی اهمی (۲-۴۰) توصیف شود:
(۲-۴۰) V=R(T)
I، جریان بر حسب آمپر،V، ولتاژ بر حسب ولت وT، دمای حقیقی نمونه در مقیاس کلوین می­با­شد که این وابستگی به توان الکتریکی مؤثر عبارت است از:
(۲-۴۱)
، فاکتور اتلاف گرما در اثر رسانش ناقص گرما و T_o، دمای نمونه در جریان الکتریکی صفر می‏باشد.
با بهره گرفتن از رابطه­(۲-۴۲) خواهیم داشت:
(۲-۴۲)
(۲-۴۳)
حل عددی این معادله، منحنی­های مشخصه­ی ولتاژ-جریان و مقاومت منفی را نشان می‏دهد. به شکل(۲-۱۱) توجّه کنید [۲۳].

تشخیص مسأله، گام اولیه در تصمیم خرید ورزشی است که از تفاوت فاحش بین ایده­آل فرد و وضعیت­های واقعی بوجود می ­آید و فرد را ناگزیر به تصمیم ­گیری می­ کند. در بازاریابی ورزشی، تبلیغ­کنندگان، فروشندگان محصولات ورزشی و برگزارکنندگان رقابت­های ورزشی، فرایند تصمیم ­گیری مشتریان ورزشی را با نشان دادن نقایص رقیب، فعال و بسوی خود جلب می­ کنند. در این مرحله، گاهی بازاریابان ورزشی، دوستان و بستگان و معلمان یا ستارگان ورزشی باعث می­شوند، تا مشتریان ورزشی به نیازی که خود تشخیص نداده بودند، توجه کنند. بعبارتی، بازاریابی در این مرحله نوعی علم و مهارت تحریک نیازهاست. برای مثال گاهی فرد احساس می­ کند برای درمان چاقی خود بایستی ورزش کند یا از محصول ورزشی خاصی استفاده کند، بعبارت دیگر این فرد خود تشخیص داده که کمبودی وجود دارد و باید برای رفع آن تلاش کند. در مواردی نیز خود فرد متوجه وجود کمبود نیست، بلکه دیگران او را متوجه می­سازند. مثلاً برای عضویت در نیروهای پلیس باید از تناسب­اندام برخوردار بود که دیگران او را متوجه می­ کنند و در نتیجه برای رفع آن، اقدام می­ کند یا معلمان، دانش ­آموزان را از فواید ورزش آگاه می­سازند. تشخیص نیاز ممکن است مربوط به دستیابی، ارزش، عضویت یا سلامتی باشد.

( اینجا فقط تکه ای از متن پایان نامه درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

جستجوی اطلاعات
بعد از شناخت مسأله، مصرف کننده ورزشی در جستجوی اطلاعات بر می ­آید، در آغاز، فرد ممکن است به تجربیات پیشین خود رجوع کند که این عمل را کاوش درونی می­نامند. گاهی مصرف کننده ورزشی برای کسب اطلاعات به کاوش خارجی دست می­زند. این کاوش زمانی لازم است که تجربه و آگاهی گذشته کافی نباشد و خطر تصمیم ­گیری غلط وجود داشته باشد و هزینه جمع­آوری اطلاعات نیز پایین باشد. منابع اطلاعات بیرونی یا خارجی عبارتند از:
۱- بستگان و دوستان و اشخاصی که مورد اعتماد مشتری هستند.
۲- سازمان­ها و گزارشات عمومی
۳-مخاطبین ورزشی ممکن است اطلاعات اولیه­ای داشته باشند یا در جستجوی اطلاعاتی باشند که احتیاجات او را برطرف می­ کند. این مرحله، بحرانی است، که بازاریابان ورزشی، کوشش به فهمیدن آن دارند.
ارزیابی راه­حل­ها یا گزینه­ ها
گردآوری و کاوش اطلاعات باعث می­ شود که مشکل مصرف کننده ورزشی آشکارتر گردد و معیارهایی برای خریدار ورزشی فراهم شود بعنوان مثال فردی که جهت ورزش به یک مکان ورزشی مراجعه کرده است با تماشای تمرینات ورزشی ژیمناستیک، ممکن است معیارهایی همچون سادگی و سختی تمرینات و یا پرستیژ و وجهه اجتماعی یا هزینه ثبت­نام به معیارهای قبلی اضافه گردد. معیار خرید برای مصرف کنندگان ورزشی متفاوت است و سازمان­ها و برگزارکنندگان رقابت­های ورزشی باید با مهم­ترین معیارهای مشتریان برای قضاوت درباره محصولات و رقابت­های ورزشی آنها آشنا باشند. معیارها ممکن است عینی یا ذهنی باشد، برای مثال رشته ورزشی با تمرکز حواس یا رزمی و یا رشته ورزشی با درآمد مالی مناسب یا رشته ورزشی با کسب شهرت، ممکن است معیارهای عینی یا ذهنی باشد یا برای ورزشکاران آماتور، راحتی کفش­های ورزشی اهیمت کمتری نسبت به ظاهرش داشته باشد، در حالی که این امر مخالف با تعیین معیار ورزشکاران حرفه­ای است. ورزش دارای انتخابات محدود و استثنایی است، بعنوان مثال زمانی که شخصی به مرحله انتخاب می­رسد، انواعی از وسایل تنیس را می­یابد که تفاوت­های کمی بین آنها وجود دارد، این موضوع گزینه­ های مختلف مشتریان ورزشی در هنگام خرید را محدود می­سازد (حسن زاده، ۱۳۸۲).
تصمیم خرید
با بررسی راه­حل­ها و یافتن یک محدوده خاص برای ورزش یا محصول ورزشی، مشتری ورزشی تصمیم خرید خود را می­گیرد. این تصمیم­ها گاهی بسیار آنی است و مرحله ارزیابی راه­حل­ها را مستقیماً دنبال نمی­کند. در مرحله تصمیم ­گیری جهت ثبت­نام در رشته ورزشی خاص، یکی از نکات اساسی قدرت و مهارت مربیان آن ورزش در مذاکره و جذب مشتری می­باشد. بعبارتی، هراندازه مربیان ورزشی ظرافت و هنر ترغیب کردن بیشتری داشته باشند، در این مرحله موفق­تر عمل خواهند کرد. هنر ترغیب و تشویق، بویژه متقاعد ساختن خریدار یا تماشاگران یا ورزشکاران در این مرحله، نقش و اهمیت بسزایی دارد. در تصمیم ­گیری­های آنی نیز علاوه بر شدت نیاز به محصول یا تماشای رقابت یا پرداختن به فروش، که نکته­ای بسیار مهم است، نحوه و هنر عرضه ورزش یا رقابت یا محصول ورزشی و حتی عوامل موقعیتی، از اهمیت ویژه­ای برخوردار است. مرحله تصمیم خرید مرحله مهمی برای بازاریابان ورزشی و آگهی­های ورزشی است. در این هنگام، مسائل گوناگونی در اطراف ورزش وجود دارد که باید در رابطه با آن تحقیق شود، حتی اگر جهت خرید ورزشی بطور قطعی تصمیمی اتخاذ نشده باشد. بعنوان مثال برای خرید توپ والیبال، عوامل زمان، پول، تلاش و سعی در خرید، کدامیک ارجحیت دارند تا محاسبه گردد یا حذف شود (حسن زاده، ۱۳۸۲).
رفتار پس از خرید
بنظر می­رسد پس از مرحله تصمیم ­گیری، تمامی فعالیت­های مربیان، بازاریابان ورزشی از قوه به فعل در می ­آید، زیرا عمل خرید صورت گرفته است و در نتیجه تمامی تلاش­ها پایان می­یابد، اما پس از خرید محصولات ورزشی یا تماشای رقابت­های ورزشی با پرداختن به ورزش خاص، مشتریان ورزشی آن را با انتظارات و توقعات خویش مقایسه می­ کنند. آنها ممکن است راضی یا ناراضی باشند. اگر ناراضی باشند، بازاریابان باید بررسی کنند که آیا این عدم رضایت ناشی از نامناسب بودن ورزش است یا بالا بودن ورزش است یا بالا بودن سطح توقعات مشتریان ورزشی؟ نامناسب بودن محصولات یا رقابت­های ورزشی ممکن است تغییر شکل و طرح آن را الزامی سازد. توقعات زیاده از حد مشتری ورزشی، نیز جای بحث دارد، شاید مبالغه در تبلیغات و آگهی ورزشی، چنین توقعاتی در مشتری ورزشی بوجود آورده باشد. برای تکرار خریدهای یک مشتری ورزشی، بازاریابان می­توانند از دو استراتژی استفاده نمایند:
استراتژی اول: بازاریابان ورزشی، متغیرهای آمیخته بازایابی را برای افزایش رضایت مشتری با دقت و تدبیر بیشتری طراحی نمایند.
استراتژی دوم: بازاریابان ورزشی با کاهش هزینه­ های ورزشی، قیمت را برای مشتریان ورزشی کاهش دهند (حسن زاده، ۱۳۸۲).
رفتار پس از خرید دارای سه حالت اساسی است:
۱-در صورت رضایت، تجربه ورزشی تکرار خواهد شد.
۲- صورت نارضایتی، فعالیت ورزشی یا تماشای رقابت ورزشی در آینده ترک خواهد شد.
۳-در صورتی که رضایت یا عدم رضایت مشتریان ورزشی حاشیه­ای باشد، ارزیابی مجدد اطلاعات و تصمیم ­گیری درباره انتخاب­های دیگر در سطوح مختلف انجام خواهد شد.
معیارهای رضایت مشتریان ورزشی، براساس موقعیت متغیرند، ممکن است مشتریان ورزشی سرعت خدمات ورزشی فعلی را بر تغییر خدمت ورزشی در اولویت قرار دهند. مطالعات مختلف، بیانگر این مطلبند که مشتریان ورزشی، رضایت خود را از خرید مارک­های مختلف کفش­های ورزشی با اهداف مختلف می­سنجند یعنی مارک آدیداس برای مصرف روزانه بر مارک ریبوک ترجیح داده می­ شود ولی در تمرینات ورزشی کمتر مورد استفاده قرار می­گیرد (دامون^[۷۲]، ۲۰۰۹).
عوامل غیرقابل کنترل موثر بر فرایند تصمیم ­گیری خرید ورزشی
مطالعات، نظریات و نمونه­های بی­شماری ارائه شده ­اند که سعی بر نشان دادن تفاوت اعتقادات مخاطبین ورزشی دارند، مهم­ترین عواملی که عمدتاً در رفتار فردی یا محیطی مصرف کنندگان ورزشی تأثیر می­ گذارد و به عنوان عوامل موثر در فرایند تصمیم ­گیری خرید ورزشی شناخته شده ­اند و در شکل ۲-۷ نشان داده شده است، عبارتند از:
۱- عوامل فرهنگی
تأثیرات فرهنگی از طریق ژن انتقال پیدا نمی­کند. هر فرهنگی و یا روش زندگی خاصی، رفتاری است آموخته شده که به محیط ارتباط دارد و نه به توارث. تعاریف مختلفی برای فرهنگ ارائه شده است: مجموعه ویژگی­های رفتاری آموخته شده که بین اعضای یک جامعه مشترک است. مجموعه ­ای از نهادها، نمادها و روش­ها در یک جامعه که از نسلی به نسل دیگر منتقل می­ شود و تعیین و تنظیم کننده رفتار انسان­هاست. این نهادها ممکن است ناملموس مانند تلقیات، باورها، ارزش­ها، زبان یا ملموس مانند ابزار، مسکن، محصولات وکارهای هنری باشد. آنچه مورد توجه مدیران بازاریابی ورزشی است، آن بخش از فرهنگ است که با درک آن بتوانند نیاز و یا خواسته مشتریان ورزشی خود را بهتر برآورده نمایند.
شکل ۸-۲: عوامل موثر ( غیرقابل کنترل ). بر رفتار مخاطبان ورزشی
۲- عوامل روانی
روانشناسان به بازاریابان ورزشی کمک می­ کنند تا چرایی و چگونگی رفتار مصرف کنندگان ورزشی را درک کنند. انگیزه، ادراک، یادگیری، شخصیت و طرز تلقی، موضوعات مهمی برای تغییر فرایند خرید ورزشی و هدایت تلاش­ های بازاریابی ورزشی به شمار می­آیند. در برخی از موضوعات ورزشی، مشتریان خیلی برانگیخته می­شوند، برای مثال هواداران یک تیم در صورت شکست تیم مورد علاقه­شان در یک رقابت حساس، بسیار عصبانی شده و درگیری ایجاد می­ کنند. بسیاری از مشتریان ورزشی خیلی ریسک پذیرند و ترجیح می­ دهند به آنان و شخصیتشان توجه جدی شود. بسیاری ار مخاطبان ورزشی از رفتن به مکان­های پرازدحام و بی­نام و نشان ورزشی خودداری می­ کنند. اغلب مخاطبان ورزشی نگرشی ترکیبی از نگرش سایر مخاطبین دارند (تریل^[۷۳]، ۲۰۰۳).
احساس کردن، گمان بردن و رفتارکردن به قصد روبروئی را موضوعی، روش­های ترکیبی است. مخاطبانی وجود دارند، که همانقدر به یک محصول ورزشی نظر مثبت دارند گمان منفی نیز دارند. رفتار کردن برخی مخاطبان ورزشی بدلیل رویارویی با موضوعی خاص، انعکاس دهنده تأثیر عوامل روانی در خرید است. بعنوان مثال یک مخاطب ورزشی، رقابت سوارکاری را دوست ندارد اما مجبور است همراه دوستش به آنجا برود (وستربیک^[۷۴]، ۲۰۰۰).
۳- عوامل موقعیتی و اجتماعی
بسیاری از اوقات، موقعیت مخاطب ورزشی در فرآیندتصمیم خرید او تأثیر می­ گذارد (شکل، ۲-۸). آثار موقعیت خرید بر روی فرایند تصمیم­خرید ورزشی عبارتند از: نقش خرید، عوامل احاطه کننده اجتماعی، عوامل احاطه کننده فیزیکی، آثار مربوط به زمان، حالت و شرایط خریدار ورزش.
شکل ۹-۲: تأثیر موقعیت در رفتار مصرف کننده ورزشی
این عوامل، نشان دهنده متغیرهای مستقلی است که در کنترل سازمان ورزشی نیست و موقعیتی به وجود می­آورند که سازمان ورزشی باید در ارائه و اجرای برنامه عملیات بازاریابی ورزشی، خود را با آنها سازگار کند. این موقعیت­ها عواملی مانند تقاضا، رقابت، سیاست یا قانون، جو اقتصادی، تکنولوژی، مقررات دولتی و منابع داخلی سازمان، محیط فیزیکی، محیط اجتماعی و… را شامل می­ شود (فرانک^[۷۵]، ۲۰۰۷).
عوامل روانی و فردی
انگیزه، ادراک، یادگیری، شخصیت، خودپنداری، سبک زندگی، تلقینات
عوامل فرهنگی – اجتماعی گروهی
فرهنگ، عوامل اجتماعی، گروه‌های مرجع، خانواده و هم سالان
عوامل آمیخته بازاریابی
محصول
مکان
قیمت
ترویج
فرایند تصمیم گیری خرید
تشخیص مسئله
جستجوی اطلاعات
ارزیابی گزینه ها
تصمیم خرید
رفتار پس از خرید

تورنز^[۳۰] ویژگی های پراکندگی را براساس هزینه ها، فواید، چگونگی رشد شهر، جنبه های زیبایی شناختی تمرکززدایی، دسترسی، تراکم، فضای باز، و پویایی دسته بندی کرده است.از دیدگاه وی، رشد جمعیت و نیز کاهش بعد خانوار و افزایش تعداد آن و متعاقب این امر گسترش فیزیکی شهر از عوامل پراکندگی محسوب می شوند. وی مجموعه سنجه هایی را برای تعیین کمیت از قبیل :شیب ،چگالی، رویکردهای مبتنی بر سطح،تکنیک های هندسی، بعد فرکتال^[۳۱]، تکنیک تصویرسنجی ^[۳۲] ، اندازه گیری از ترکیب چشم اندازفضایی، و قابلیت دسترسی را معرفی و ارائه کرده است .(Torrens and Alberti, 2000, 3- 34)

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

فرنکل و اشکنازی^[۳۳] بر ای بررسی و محاسبه میزان پراکندگی بر روی شش منطقه شهری بااستفاده از۱۳ شاخص در قالب پنج عامل تراکم جمعیتی، بی قاعدگی شکل نواحی ساخته شده، گسستگی، جدایی کاربر یها، و ترکیب کاربری ها بر پایه چشم انداز شهری^[۳۴] پرداختند . شاخص ها از دیدتخصص های متنوعی چون پژوهش های شهری، تحقیقات اکولوژیکی و هندسه فرکتال جمع آوری گردیدند.
شاخص ها به دو گروه شکل و ترکیب دسته بندی شدند. گروه اول عمدتاً شامل عوامل کالبدی فضایی و هر چیزی است که در انسجام شکلی فضای شهری نقش دارند، مانند تراکم خالص و ناخالص جمعیت، و بعد شکستگی؛ و گروه دوم شامل ویژگی های مرتبط با ساختار تفکیک شده کالبد شهر(کاربری زمین) است .(Frankel and Ashkenazi, 2008:1- 58)
از نظر فالتون، هر گاه مصرف زمین با نرخ رشدی بیش از جمعیت صورت گیرد، پراکند گی افزایش می یابد. از دیدگاه فالتون پراکندگی ارتباط نزدیکی با تراکم داشته ومهاجرت به کلان شهرها میل به افزایش زمین های شهری را افزایش می دهد(^[۳۵].(Fulton, 1996, 1- 5
۲-۶- کیفیت زندگی^[۳۶] واژه کیفیت (Qol) به مفهوم چگونگی و Quality به معنی چیزی و چه و (Qual) واژۀ کیفیت در لاتین چگونگی زندگی و دربرگیرنده تفاوت های آن است که برای هر فرد، ویژه و یگانه و متفاوت با دیگران است (کردزنگنه، ۱۳۸۵ : ۲۰).
از منظردال گارد، گریس تن سن و کانجی کیفیت همانند تئوری نیست بلکه مفهومی نسبی است که می تواند برای افراد مختلف معانی متفاوت داشته باشد (Dahlyaard ,etal, 1998, 13).دراین رابطه درزیر به برخی از مفاهیم و معانی آن اشاره می گردد.
-کیفیت زندگی ارتباط متقابل میان جامعه، سلامت، اقتصاد و شرایط محیطی است که انسان و توسعه اجتماعی را تحت تاثیر قرار می دهد(Schyns & Boelhouwer, 2004:5).
-کیفیت زندگی رابرخی افراد به عنوان قابلیت زیست پذیری یک ناحیه و برخی به عنوان سنجه ای برای میزان جذابیت و برخی آن را رفاه عمومی، بهزیستی اجتماعی، شادکامی ، رضایتمندی و … تفسیر می نمایند (Epleyand Menon , 2008:1,2).
– مولر ^[۳۷] ( ۱۹۸۳) کیفیت زندگی را میزان رفاه افراد و گروه ها ی تحت شرایط اجتماعی و اقتصاد عمومی بیان می کند.
– پسیون ^[۳۸] ( ۲۰۰۳ )کیفیت زندگی را در وضعیت محیطی که انسان در آن زندگی می کند (مثل آلودگی و کیفیت مسکن) و برخی ازصفات درونی او مانند سلامت و میزان تحصیلات می داند.
-کوستانزا ^[۳۹]( ۲۰۰۷ )کیفیت زندگی را به عنوان میزان تامین نیازهای انسانی در ارتباط با ادراک افراد از بهزیستی ذهنی تعریف می نماید.
– داس ^[۴۰] ( ۲۰۰۸ )کیفیت زندگی را در بهزیستی و یا عدم بهزیستی مردم و محیط زندگی آنان می داند .
فوتوان سیک ( ۲۰۰۰) کیفیت زندگی را معادل احساس رضایت افراد از زندگی می داند (seik, 2000:46).
– کیفیت زندگی را به عنوان برهم کنش میان میزان برآورده شدن نیازهای انسانی و رضایت افراد و گروه ها از تأمین نیازها ی خود در یک ناحیه خاص تعریف کرد(رضوانی و همکاران ،۱۳۸۸ :۶۳).
از برآیند تعاریف بالا می توان کیفیت زندگی را محصول فعل و انفعال در میان محیط های اجتماعی، بهداشتی، اقتصادی و شرایط محیطی موثر بر توسعه انسانی و اجتماعی دانستOntariO Social Development Council, 1997:7-13 )).
۲-۷-کیفیت زندگی شهری
کیفیت زندگی شهری را می توان مقوله ای میان رشته ای ^[۴۱]پیچیده، چند بعدی و مرتبط با جنبه های ذهنی (کیفی) و عینی (کمی)دانست که در رابطه با شرایط و وضعیت جامعه در یک مقیاس جغرافیایی خاص (شهر، منطقه، محله و بخش،…) دربرگیرنده ابعاد روانی است و شاخص هایی همچون رضایت، شادمانی و امنیت را در بر می گیرد. لذا از این منظر آن را رضایت اجتماعی ^[۴۲] نیز می نامند و بر اساس آن به شاخص های دسترسی به فرصت های اجتماعی مانند اشتغال، ثروت و اوقات فراغت توجه می شود (سیف الدینی ، ۱۳۸۱ : ۳۷۵).
با توجه به مفهوم فراگیر و پویای آن بر سلامت فیزیکی، رشد شخصی، حالات روان شناختی، سطح استقلال وروابط اجتماعی ، از نهادهای برجسته ی محیط تاثیر نپذیرفته و بر ادراک فرد مبتنی است در واقع گستره ی کیفیت زندگی، در برگیرنده ابعاد عینی و ذهنی که در تعادل با یکدیگر قرار دارندرا شامل می شود . از سوی دیگر باید توجه داشت که ارزش ها و خود ارزشیابی ها ممکن است در طی زمان در واکنش به رویدادها، تجارب زندگی و سلامتی دگرگون شوند، هم چنین هر حوزه از کیفیت زندگی می تواند آثار قابل ملاحظه ای بر دیگر حوزه ها بگذارد Newa chek P &Taylor W.1992 :364-371)).
جوهره اصلی کیفیت زندگی شهری، تامین و ارضای نیازهای مادی و معنوی انسان به طور توامان است. در واقع برنامه ریزی برای مسکن،اشتغال و حمل ونقل بدون تامین نیازهای روانی، عاطفی واجتماعی شهروندان
مانند: نیاز به امنیت، زیبایی،آرامش خاطر، تعلق اجتماعی، شادی، تفریح و . ناقص خواهد بود(کوکبی، ۱۳۸۹ : ۷۷).
بنابراین زیر چتر کیفیت زندگی شهری رویکردی متفاوت می توان مشاهده نمود زیرادر درون آن خصوصیات مشترک و تغییرات قابل توجه و گسترده ای وجود دارد.
۲-۸- شاخص های کیفیت زندگی شهری تولید ناخالص داخلی^[۴۳]( :(GDPاولین شاخص کیفیت زندگی در پیشرفت اجتماعی است که در سال ۱۹۴۰ معرفی شد، معمولی ترین شاخص مورد استفاده برای مقایسه ثروت کشورها و منحصراً معیاری برای بهزیستی و توسعه براساس ثروت مادی است.
ازدیدگاه منتقدان ازاینکه میان هزینه، منفعت مطلوب ،نامطلوب و فعالیتهای مولد آسیب رسان تمایزی قائل نمی شود، نمی تواند معرف کیفیت زندگی باشد. از سوی دیگر مطالعات علمی نشان داد ه اندکه رابطه میان پیشرفت اقتصادی و کیفیت زندگی رابطه خطی نیست، این دو همسو و هم جهت حرکت می کنند. این همسویی آن است که حداقل شرایط مطلوب مادی برای زیست انسان فراهم شده باشد، ولی از آن به بعد دیگر نمی توان انتظار داشت که تامین نیازهای اقتصادی به بهبود کیفیت زندگی کمک کند، زیرا انسان موجودی چندوجهی و پیچیده است و منطق اقتصادی نمی تواند بسیاری از رفتارهای او را تبیین کند.
– شاخص پیشرفت اصلی^[۴۴] (GPI):این شاخص نخستین بار توسط سازمان تعریف مجدد پیشرفت مطرح شد و دارای ۱۸ مولفه است که پیشرفت اجتماعی را در قالب ارزش پولی می سنجد. مهمترین مولفه های این شاخص عبارتند از:زیرساخت های عمومی، آلودگی، توزیع درآمد، بیکاری، مرگ ومیر در تصادفات و …
-شاخص سلامت اجتماعی^[۴۵] (SHI) : توسط دکتر مارک میرینگاف و همکارانش در موسسه “نوآوری در سیاست اجتماعی ” وابسته به دانشگاه فوردهام تهیه شد. این شاخص از ۱۶ مولفه تشکیل شده، که همه مراحل زندگی، همچنین فرد و جامعه را پوشش می دهد. مهمترین مولفه های این شاخص عبارتند از:مر گ و میر نوزادان، خودکشی نوجوانان، پوشش بیمه درمانی،مسکن، استفاده از مواد مخدر، متوسط درآمد هفتگی و …
-شاخص توسعه انسانی^[۴۶] (HDI ):این شاخص که در سال ۱۹۹۰توسط برنامه سازمان ملل ^[۴۷](UNDP ) ارائه شد، هر ساله از طریق یک شاخص مرکب ،دستاورد کشورها را در توسعه انسانی می سنجد و بر اساس آن کشورها رادرجه بندی می کند.
-شاخص فقر انسانی^[۴۸](HPI) سه بعد، امید به زندگی، دانش و استاندارد زندگی مناسب را اندازه می گیرد. در این راستا شاخص های دیگری درزمینه ی کیفیت زندگی مانند، شاخص کیفیت طبیعی زندگی^[۴۹] ( PQOL )( 1996 )و شاخص کیفیت زندگی که آزادی های مدنی و قوانین سیاسی را دربرمی گیرد مطرح شدند.
از آنجایی که سنجه های کیفیت زندگی در واحدهای همسایگی،سطوح شهری و کشوری قابل استناد است. بنابراین برای تدوین معیارها و شاخص کیفیت زندگی شهری با هدف مدل سازی و تعیین اولویت ها و نیازمندی های واقعی شهروندان در مقیاس های گوناگون توسط دو شاخص عینی و ذهنی انجام پذیر می باشد( Schyns & Boelhouwer, 2004: 10).
شاخص های ذهنی با جمع آوری ادراکات ذهنی و میزان رضایت شهروندان از زندگی شهری از طریق پرسشنامه و بصورت پیمایشی ارزیابی گردیده و شاخص های عینی با بهره گرفتن از داده های ثانویه و وزن دهی به هر یک از شاخص ها در محیط شهری قابلیت اندازه گیری می یابد.
از سوی دیگر شاخص های ذهنی کیفیت زندگی، همان رضایت روان شناختی از زندگی است که در برابر کیفیت عینی زندگی قرار می گیرد .تلویحا هر دو شاخص نسبت به یکدیگروابستگی دوخطی دارند (FooTuan Seik, 2000:32). زیرا برنامه ریزی باهدف ارتقاء کیفیت زندگی شهری، به وسیله ارقام و آمارهای عینی و واقعی همراه با درک روانی افراد از موقعیت زندگی آنان در ارتباط است. چه بسا افرادی با امکانات مالی مناسب در ذهن خود احساس رضایتمندی نداشته و به عکس افرادی با سطح پایینی از استانداردهای زندگی به علل گوناگون رضایت نسبی یا کامل از زندگی خویش خواهند داشت. تحقیقات بین المللی بر این نکته تاکید دارند که داشتن شرایط زندگی مناسب با تخمین شاخص های عینی همیشه به معنی شادی و احساس سلامت نیست (Schyns & Boelhouwer, 2004:8).
بنابراین هدف از بررسی شاخص های کیفیت زندگی (QLI) ارائه یک ابزار برای توسعه جامعه است که می تواند مورد استفاده برای نظارت بر شاخص های کلیدی مانند: اجتماعی، بهداشتی، زیست محیطی و اقتصادی باشد OntariO Social Development Council, 1997:7-13) ).
به همین دلیل در تعیین و انتخاب شاخص ها ، معیارهایی برای کیفیت زندگی درنظر گرفته می شود که عبارتند از:
۱- تا حد ممکن بطور اختصاصی تعریف شده باشد.
۲- قابل اندازه گیری باشد.
۳- آسان و قابل فهم باشد.
۴- قابل اطمینان باشد.
۵- اختصاصی باشد و پدیده شناسی را نشان دهد.
۶- به اندازه کافی برای نشان دادن پدیده حساس باشد.
۷- اندازه گیری آن مقرون به صرفه باشد.
۸- پس از محاسبه قابل استفاده باشد.
۹- محاسبه آن از نظر برنامه و موضوعات مرتبط، آسان باشد.
۱۰- از نظر فرهنگی، محاسبه آن اشکالی نداشته باشد.(ترجمه آسایش، ۱۳۸۰ :۹۵ )
۲-۹- اصول ارزیابی کیفیت زندگی شهری
روش شناسی کیفیت زندگی، مفهومی است که با بهره گرفتن از شاخص ها در ابعاد مختلف درآمد و شرایط اقتصادی و اجتماعی نیاز به اندازه گیری دارد^[۵۰].
هدف از پژوهش درکیفیت زندگی، ارزیابی از سیاست های اصلی برنامه ریزی واستراتژی ارتباطات و خدمات اجتماعی است. سیاست های جامعه، استقلال (وابستگی متقابل)و افزایش کنترل افراد در نتیجه بهبود کیفیت زندگی مردم برای تنظیم سیاست گذاری این اطلاعات بسیار مفید خواهد بود.
به عبارت دیگر ارزیابی از اطلاعات افراد همواره بهتر از ارزیابی ازسیاستهای محلی خواهد بود. این امر به ما اجازه خواهد داد تا تجزیه و تحلیل کاملتری از کیفیت زندگی ارائه داده و آن را به عنوان طیف گسترده ای از خدمات و شرایط زندگی ارائه نمائیم .در مطالعات شهری به ندرت ازهر دو رویکرد کیفیت زندگی استفاده می شود. کیفیت زندگی در ابعاد ذهنی ، ادراک و ارزیابی افراد از وضعیت زندگی خود را منعکس می سازند و با بهره گرفتن از شاخص های ذهنی، اندازه گیری می شوند. شاخص های ذهنی میزان رضایت مندی شهروندان را از جنبه های مختلف شهری به صورت کمی قابل اندازه گیری هستند، از جمله :میزان رضایت مندی شهروندان از خدمات بهداشتی و درمانی شهری، میزان رضایت مندی از دسترسی به اشتغال، میزان رضایت مندی از امنیت شهری و میزان رضایت مندی از دسترسی به فضاهای سبز شهری اشاره نمود.
مک لارن ^[۵۱](۱۹۹۶) در این رابطه بیان می کند که، یک توافق عمومی برای سنجش کیفیت زندگی برای هر دو نوع مشخص از شاخص ها مناسب هستند. نوع اول: شامل شاخص های ذهنی است که قابل اندازه گیری از حس رفاه افراد و رضایت مندی از یک جنبه خاص از زندگی است و نوع دوم : شامل شاخص
های عینی هستند که جنبه های ملموس محیط ساخته شده، محیط طبیعی و حوزه اجتماعی و اقتصادی را اندازه گیری می کنند .

مرحله ۳: اجرا شدن سرویس DRS و ایجاد تعادل و توازن در میزان منابع تخصیص یافته به ماشین های مجازی و سرویس های در حال اجرا (P24)
مرحله ۴: واگزار کردن کنترل به ESX در حال اجرا بر روی سیستم های میزبان و نیز سرویس های سطح بالا مانند HA clusterها و FT pairها برای کنترل و مدیریت دینامیک سیستم (P25-P33 و P40-P43).

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

با این تقسیم بندی، در نگاه اول می توان دریافت که نحوه انتقال کنترل در مراحل ۲ الی ۴ به شدت وابسته به نحوه اجرای کار در مرحله ۱ است. با این توضیح که با توجه به تعداد سیستم های ذخیره سازی و تعداد سیستم های میزبان بوت شده، می توان تعیین کرد که آیا سیستم قابلیت اجرای سرویس های سطح بالا را دارد یا خیر. به عنوان مثال، یک جفت fault tolerance برای اجرای صحیح خود نیاز به حداقل دو سیستم میزبان دارد. همچنین میزان منابع تخصیص یافته به ماشین های مجازی و نیز منابع رزرو شده کاملا وابسته به همین نکته است. در مرحله آخر نیز با توجه به سرویس های اجرا شده و کلاسترها و جفت های به وجود آمده، گردش کار در سیستم رخ می دهد. در انتها مدیر سیستم نیز با توجه به تعداد سیستم های میزبان در دسترس می تواند سرویس هایی مانند مهاجرت ماشین های مجازی توسط VMotion را درخواست نماید. با توجه به اینکه در این سناریوی ساده تنها دو سیستم ذخیره سازی و دو میزبان آورده شده است، می توان دریافت که در یک دیتا سنتر واقعی میزان پیچیدگی فضای حالت بسیار بیش از این خواهد بود.
گزارهای T9 الی T21 و T45 الی T47 حالاتی را که ممکن است در مورد بوت شدن یا مختل شدن سیستم ها رخ دهد نشان می دهد. همانطور که دیده می شود، یک جایگشت بین حالات ممکن رخ داده است و در نهایت، این حالات به پنج گروه کلی تقسیسم شده اند:
اگر تمام چهار عنصر به درستی بوت شوند سیستم در حالت P13 یا بوت کامل^[۱۵۲] قرار می گیرد. این حالت که انتظار مدیر از سیستم است امکان اجرا کردن تمامی سرویس های سطح بالا و حداکثر تعداد ماشین های مجازی که سیستم می تواند داشته باشد را فراهم می کند.
اگر هر دو سیستم ذخیره سازی بوت شود اما تنها یکی از سیستم های میزبان به درستی بوت شود و دیگری مختل گردد، سیستم در وضعیت P14 قرار می گیرد. در این حالت امکان ایجاد و راه اندازی ماشین های مجازی به تناسب منابع پردازشی میزبان بوت شده وجود دارد اما به دلیل ناکافی بودن تعداد سیستم های میزبان، سرویس هایی مانند HA و fault tolerance اجرا نخواهد شد.
در صورتی که هر دو سیستم میزبان و نیز یکی از سیستم های ذخیره سازی به درستی بوت شوند، سیستم در حالت P15 قرار می گیرد. که در این حالت نیز امکان اجرا شدن سرویس ها و نیز ماشین های مجازی وجود خواهد داشت. منتها با توجه به اینکه در این معماری هر ماشین مجازی در واقع یک فایل بر روی دیسک می باشد، امکان ارائه برخی از سرویس ها محدود خواهد شد. در مورد جزئیات این سرویس ها و مدل فرمال آنها در بخش های بعدی به تفصیل صحبت خواهد شد.
اگر تنها یک سیستم ذخیره سازی و یک میزبان به درستی بوت شوند، سیستم در وضعیت P16 قرار می گیرد. این حالت، حداقلی است که سیستم برای ادامه کار خود و ارائه سرویس به آن نیاز دارد. به این معنی که با حداقل یک سیستم ذخیره سازی و یک سیستم میزبان، یک دیتا سنتر می تواند ماشین های مجازی را ایجاد و اجرا نماید. طبیعتا در این حالت امکان ارائه سرویس های سطح بالا نیز وجود نخواهد داشت.
و در نهایت، اگر تنها یکی از چهار مولفه نام برده شده بوت شود و یا هیچ کدام بوت نشوند، سیستم در وضعیت P17 قرار می گیرد. در این حالت گفته می شود سیستم دچار اختلال شده است و امکان ادامه مراحل وجود ندارد. اگر تنها یک سیستم ذخیره سازی بدون هیچ سیستم میزبانی بوت شده باشد، منبع پردازشی برای اجرای ماشین های مجازی وجود ندارد. همچنین اگر تنها یکی از سیستم های میزبان بدون هیچ منبع ذخیره سازی بوت شده باشد، امکان ذخیره سازی و بازیابی فایل های مربوط به ماشین های مجازی و سیستم عامل آنها وجود ندارد پس باز هم سیستم دچار بن بست خواهد شد. در این وضعیت باید تلاش شود تا سیستم طی چند مرحله ایراد یابی و دوباره بوت شود.
در صورت بروز هریک از حالات ۱ تا ۴، سیستم پس از ایجاد و اجرای ماشین های مجازی، بر اساس تعداد و نوع مولفه های بوت شده توانایی اجرای سرویس های سطح بالا را خواهد داشت. در صورت فعال شدن P19، با این معنی که سیستم توانایی ارائه سرویس های سطح بالا را دارد، بر حسب اینکه مدیر سیستم مایل به تعریف کلاستر HA و یا جفت های FT می باشد، سیستم می تواند گام های متناظر را طی نماید. این گام ها برای سرویس اول (HA) گزارهای T28 و T30 و برای سرویس دوم (FT) گزارهای T31 الی T32 خواهد بود. با هر بار اجرا شدن این حلقه ها، یک کلاستر HA یا یک جفت FT تعریف می گردد. بنابراین برای تعریف چندین نمونه از آنها حلقه ها باید چند بار طی شوند. هرگاه که یک کلاستر HA تعریف می شود یا یک ماشین مجازی به یک کلاستر HA اضافه می گردد، سیستم در وضعیت P21 قرار می گیرد. همچنین هرگاه یک جفت FT تعریف می شود سیستم در وضعیت P22 قرار می گیرد. قرار گرفتن در این دو حالت به این معنی است که مدیر می تواند سیستم را به وضعیت های P18 و P19 برای تعریف نمونه جدیدی از سرویس ها برگرداند و یا می تواند به تعریف سرویس ها خاتمه داده و سیستم به مرحله بعدی برود. این بدان معنی است که هر دو وضعیت “آماده برای مرحله بعد” (گزارهای T29 و T33) و نیز “بازگشت برای تعریف نمونه جدیدی از سرویس ها” (گزارهای T30 و T32) در این مرحله فعال^[۱۵۳] هستند اما اجرا شدن^[۱۵۴] گزارها وابسته به تصمیم سیستم خواهد بود.
بعد از مراحل گفته شده، در مرحله سوم که مرحله کوچک اما بسیار حیاتی برای سیستم می باشد، منابع سخت افزاری بر روی سیستم های میزبان زمان بندی و متعادل^[۱۵۵] می شوند. این فرایند به وسیله سرویس هوشمند DRS صورت می پذیرد که در آن بر اساس ماشین های مجازی اجرا شده و نیز سرویس های سطح بالای راه اندازی شده، مقدار متناسبی از منابع پردازشی و حافظه به ماشین ها تخصیص یافته و مقداری نیز به اجرای سرویس ها واگذار می شود. همچنین درصد مناسبی از منابع برای اجرا در مواقع ضروری مانند از کار افتادن یک میزبان و نیاز به انتقال ماشین های مجازی از طریق سرویس هایی مانند HA و VMotion رزرو می شود. بدون اجرا شدن موفقیت آمیز این مرحله، ما اطمینانی از توانایی سیستم در تخصیص منابع لازم به ماشین های مجازی در زمان بروز مشکل در سیستم های میزبان یا سیستم های ذخیره سازی نخواهیم داشت. نحوه کار این سرویس ها در بخش های بعدی تشریح و تحلیل خواهد شد.
در مدل مذکور، اجرای سرویس DRS در گزار T35 نشان داده شده است. همانطور که مشاهده می شود این گزار یک گزار زمان دار^[۱۵۶] است که به معنی اجرای تعداد زیادی از زیرپروسه ها برای اجرای آن می باشد.
آخرین نکته قابل توجه در مرحله سوم این است که اگر بر مبنای خروجی مرحله دوم، امکان ارائه سرویس های سطح بالا به دلیل کمبود منابع سخت افزاری وجود نداشته باشد، سیستم در حالت P23 قرار خواهد گرفت. در این وضعیت مدیر سیستم تنها قادر به راه اندازی ماشین های مجازی بر حسب میزان منابع سیستم خواهد بود و سرویس ها ارائه نخواهند شد. در این شرایط، تنها پس از اجرای موفقیت آمیز ماشین های مجازی، گزار T34 فعال می گردد که با اجرا شدن آن سیستم برای اجرای سرویس DRS آماده خواهد بود.
مرحله چهارم که مرحله نهایی نیز می باشد، مربوط به قرار گرفتن سیستم در وضعیت طبیعی اجرایی و انتقال کنترل هر ماشین میزبان به ESX آن است. در این مرحله که کنترل سیستم را برای همیشه در دست خواهد داشت، هر ESX مسئول سرویس دادن به ماشین های مجازی اجرا شده بر روی خود است. همچنین در هر زمانی به دلیل شرایط محیطی یا به درخواست مدیر سیستم، هر یک از سرویس های سطح بالا می تواند اجرا شود. این سرویس ها به کمک سیگنال های ضربانی^[۱۵۷] یا مکانیزم های مبتنی بر agent از شرایط محیطی که باید در آن فعال شوند مطلع می گردند.
لازم به ذکر است که پروسه های داخلی هر یک از گزارهای T36، T38، T41 و T43 مدل های پیچیده ای برای خود دارند. به عبارت دیگر در یک مدل سلسله مراتبی، ما این پروسه را در یک گزار خلاصه کرده ایم اما در بخش های بعدی با دقیقتر شدن بر روی نحوه کار آنها، مدل هایی برای این بخش ها ارائه خواهیم نمود.

ارزیابی و تحلیل مدل فرمال
در این بخش با تحلیل مدل ارائه شده در بخش قبل، سعی خواهیم کرد حقایقی را در مورد سیستم استخراج نمائیم. با یادآوری از فصل ۲، در این بخش به بررسی خصوصیات رفتاری سیستم در مدل شبکه پتری ارائه شده می پردازیم تا خصوصیات Liveness، Safeness و Reversibility را بر روی آن تحلیل نمائیم. در نهایت میزان خوش رفتاری سیستم را در فضای حالت مورد بررسی تعیین می نمائیم. در ادامه قضایایی برای تحلیل مدل ارائه شده اند.
۴٫۲٫۱٫۱٫ Liveness
با تکیه به قضیه ۱ از فصل ۲ و توجه به مدل ارائه شده، واضح است که هیچ موقعیت یا گزار source و یا sink در آن وجود ندارد بنابر این با این تعریف اولیه، سیستم دارای خصوصیات Liveness و Safeness می باشد. با این حال با ارائه دلایل بیشتر مدل را بررسی می کنیم.
۴٫۲٫۱٫۲٫ Safeness
بر اساس تعریف درخت پوشا، می توان قضیه ۲ را به گراف پوشا نیز تعمیم داد. در این صورت با بررسی گراف پوشای این مدل می توانیم از safe بودن سیستم مطمئن شویم.
در این تحقیق برای تحلیل مدل های طراحی شده از نرم افزار بررسی مدل شبکه پتری PIPE^[158] نسخه ۳ استفاده شده است. گراف پوشای بدست آمده برای مدل ۴٫۴ به کمک این نرم افزار در شکل ۴٫۵ آمده است. با بررسی این گراف در میابیم که تمام لبه ها دارای برچسب ۰ و ۱ بوده اند. این بدان معنی است که در تمام تغییر حالات از به تعداد توکن های موجود در موقعیت ها هیچ گاه بیشتر از ۱ نبوده است. با این استدلال می توان مطمئن بود که سیستم ۱-bounded و در نتیجه safe می باشد.
شکل ۴٫۵ گراف پوشا برای مدل پتری شکل ۴٫۴
برای اطمینان از درست بودن نتیجه به دست آمده، خصوصیات رفتاری شبکه پتری مذکور را با نرم افزار PIPE بررسی می کنیم. حاصل این بررسی نشان می دهد که مدل دارای خصوصیات Boundedness و Safeness بوده و دارای deadlock نیز نمی باشد به این معنی که سیستم Live است (شکل ۴٫۶).
شکل ۴٫۶٫ نتیجه تحلیل فضای حالت به وسیله نرم افزار PIPE
۴٫۲٫۱٫۳٫ Reversibility
برای بررسی این خصوصیت لازم است به تعریف Reversibility توجه کنیم. با یاد آوری تعریف این مفهوم و نیز خاصیت Reachability از فصل ۲ داریم: شبکه پتری ()، Reversible خواهنده می شود اگر برای هر وضعیت^[۱۵۹] M، در دنباله قابل اجرا از (R())، از طریق M، reachable باشد.
با این تعریف، در شبکه های کوچک می توان با بررسی کلیه وضعیت های محتمل در شبکه، reachable بودن را از طریق آنها بررسی نمود. در صورتی که از طریق تک تک این وضعیت ها ( تا ) قابل دسترسی باشد این شبکه Reversible است. با توجه به اینکه این وضعیت ها تماما در گراف پوشای مدل منعکس می شوند می توان با بررسی گره های گراف این حالات را بررسی نمود.
به این ترتیب در صورت پیدا کردن یک مثال نقض در گراف ۴٫۵، می توان از عدم وجود خاصیت Reversibility در مدل اطمینان یافت. با بررسی گراف می بینیم که با قرار گرفتن توکن در موقعیت P25 و اجرای T40 (وضعیت S94)، سیستم به وضعیت S96 رفته و از این به بعد امکان بازگشت به S0 () وجود ندارد.
در مثال دیگری با اجرا شدن T25 یا T27 سیستم در وضعیت S89 قرار می گیرد. در این حالت در موقعیت های P18 و P19 توکن وجود دارد. با بررسی گراف می بینیم که اینجا نیز امکان بازگشت سیستم به حالت اولیه () وجود ندارد.
به این ترتیب ملاحظه می شود که مدل ۴٫۴ دارای خاصیت Reversibility نمی باشد.
با بررسی سیستم واقعی خواهیم دید که مدل متناظر نباید به طور مطلق Reversible باشد. زیرا پس از بوت اولیه سیستم و ایجاد و راه اندازی ماشین های مجازی و سرویس های سطح بالا، کنترل سیستم به مرحله ۴ منتقل شده و سیستم در وضعیت نرمال اجرای درخواست های ماشین های مجازی توسط ESX و اجرای سرویس های سطح بالا در صورت لزوم باقی می ماند و هیچ گاه به مرحله نخست راه اندازی باز نمی گردد. با این حال می توان گفت که سیستم به طور ضمنی (جزئی) Reversible است زیرا پس از انتقال کنترل به مرحله ۴ (موقعیت های P25، P27، P29 و P32) توکن ها به صورت گردشی در این بخش حرکت کرده و پس از هربار اجرای یک سرویس به موقعیت اولیه خود در این مرحله باز می گردند.
بنابراین با توجه به برآورده نشدن خصوصیت Reversibility به طور مطلق، سیستم به طور خوش رفتار نمی باشد و به آن نیازی نیز ندارد.

بررسی لایه های پایینتر مدل فرمال
در این بخش از تحقیق لازم به ذکر است که این مدل انتزاعی ترین سطح تصور ما از دیتا سنتر طرح شده در بخش گذشته است. با این توضیح که بخش های زیادی از وظایف لازم الاجرا در چنین سیستمی در این مدل از نظر دور مانده و تنها به طرح یک گزار برای نشان داده کلیه وظایف فوق بسنده شده است. این کار به منظور ارائه یک مدل کلی برای بررسی رفتار کلی دیتا سنتر انجام شده است و به معنی حذف بخش های مذکور نمی باشد. در مدل شکل ۴٫۴، کلیه گزارهایی که به شکل توخالی نشان داده شده اند نشان دهنده مجموعه ای از وظایف و مسئولیت های دیتا سنتر هستند که برای ایجاد انتزاع بیشتر خلاصه شده است. به عنوان مثال گزار T28 نشان دهنده کلیه اعمال لازم برای ایجاد یک کلاستر HA یا اضافه کردن یک سیستم میزبان به یک کلاستر موجود است. یا گزار T36 بیانگر پروسه سرویس دهی ESX به ماشین های مجازی خود در صورت صدور درخواست از جانب آنها است.
به این ترتیب و برای بررسی دقیق و جامع تر دیتا سنتر نمونه، لازم است مدلی برای هر یک از زیر مجموعه های این طرح کلی طراحی شده و آنها را نیز ارزیابی و تحلیل نمائیم. به این ترتیب می توان اطمینان بیشتری نسبت به نحوه کار سیستم و مشخصاتی از جمله پایداری، توسعه پذیری و انعطاف پذیری آن داشت.

بررسی نحوه کار سرویس HA
در این بخش ابتدا به شرح نحوه کار سرویس VMware HA می پردازیم و پس از آن مدل شبکه پتری مربوط به این سرویس طراحی و تحلیل خواهد شد.

۲-۲-۱۳: ویژگی های TEPIX
۱- جامعیت
از ویژگی­های بسیار بارز و ارزشمند این شاخص قیمت، جامعیت آن می باشد، زیرا این شاخص بر اساس تمامی سهام های پذیرفته شده در بورس اوراق بهادار تهران می باشد و بنابراین می تواند نماینده خوبی از وضعیت بازار بورس تهران باشد و در حد خوبی می تواند حرکت بازار را نشان دهد.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

۲- موزون بودن
دومین ویژگی مهم این شاخص موزون بودن آن می­باشد. همانطور که در محاسبه این شاخص دیده شد، در این فرمول وزن دهی بر اساس مقدار هر سهام می باشد، یعنی سهامی دارای تاثیر بیشتری در اندازه شاخص دارد که اندازه ارزش بازار آن سهام یعنی حاصلضرب تعداد آن سهام در قیمت آن سهام، بیشتر باشد.
۳- در دسترس بودن
سومین مشخصه این شاخص در دسترس بودن آن است، زیرا با گسترش نر افزار های موجود در بازار سرمایه و به روزرسانی آنها امکان محاسبه لحظه ای این شاخص میسر شده است و در معرض دید قرار می­گیرد.
۲-۲-۱۴: شاخص های فرعی در بورس اوراق بهادار تهران
تا اینجا شاخص کل بازار بورس را تحت عنوان TEPIX را معرفی کردیم، همانطور که گفته شد این شاخص همه شرکت های پذیرفته شده در بورس را در برمی گیرد، به همین دلیل این شاخص بسیار جامع می باشد و می تواند نماینده خوبی از وضعیت موجود بازار باشد، این شاخص می تواند به اقتصاددان ها در تحلیل اوضاع موجود اقتصادی کشور و بررسی آن کمک کند و در کل می تواند در اکثریت مواقع جهت گیری بازار را نشان دهد.
ولی با یک شاخص کلی مثل TEPIX امکان بررسی و تحلیل و ارزیابی بخش های مختلف بازار وجود ندارد، یعنی ما با این شاخص نمی توانیم به بررسی بخش های جزئی­تری و کوچک تر بازار بپردازیم، از اینرو شاخص های اختصاصی و جزئی­تری ایجاد شده است که کمک می­ کند تا سرمایه گذاران بتوانند در بخش­هایی که مایلند سرمایه گذاری کنند با اطلاعات دقیقتری در آن بخش سرمایه گذاری کنند. این شاخص ها عبارتند از:
۲-۲-۱۴-۱: شاخص صنایع
این شاخص دربرگیرنده شرکت های صنعتی است و از نظر محاسبه همانندTEPIX محاسبه می شود، فقط تعداد شرکت های آن محدود شده است. سرمایه گذارانی که می­خواهند در شرکت های صنعتی سرمایه گذاری کنند، بهتر است که با توجه به شاخص های این گروه به تصمیم گیری بپردازند.
۲-۲-۱۴-۲: شاخص شرکت
شاخص شرکت به تفکیک برای هر شرکت پذیرفته شده محاسبه و مبنای محاسباتی همانند روشی است که در محاسبه شاخص صنایع و کل بکار می رود، شاخص شرکت­های جدید در بدو پذیرش ۱۰۰ تعیین شده تا امکان بررسی تغییرات آنها فراهم باشد.
۲-۲-۱۴-۳: شاخص ۵۰ شرکت با بیشترین ارزش
سازمان بورس اوراق بهادار تهران هر سه ماه یکبار ۵۰ شرکت با بیشترین ارزش جاری را انتخاب کرده، این شرکت ها سهم بیشتر بازار را در اختیار دارند و در واقع از مزایای این شاخص این است که اثرات منفی شرکت های کوچک در شاخص جلوگیری می کند.
در پایان هر سه ماه این شرکت ها مورد بررسی قرار گرفته و در صورت لزوم از این لیست حذف و شرکت های جدید به آن اضافه می شود.
۲-۳: پیشینه تحقیق
مطالعات صورت گرفته را می توان به دو دسته تقسیم کرد: دسته نخست مطالعاتی که در زمینه کارایی یا عدم عدم کارایی بازار بورس صورت گرفته، دسته دوم مطالعاتی که به مقایسه روش های هوشمند با روش های کلاسیک می پردازند. تقریبا تمامی مطالعات انجام شده در زمینه کارایی بازار حاکی از عملکرد بهتر روش های هوشمند نسبت به روش های خطی می باشند. در این بخش به بررسی مطالعات داخلی و خارجی صورت گرفته در زمینه پیش بینی قیمت سهام می پردازیم.
۲-۳-۱: مطالعات داخلی
حسن زاده (۱۳۸۸) در پایان نامه کارشناسی ارشد خود برای پیش بینی قیمت سهام شرکت های شهد ایران، چادرملو، سایپا، اقتصاد نوین و پتروشیمی آبادان از برنامه ریزی ژنتیک استفاده نمود. ابتدا با بهره گرفتن از آماره η متریک پیش بینی پذیری هر یک از شرکت های مزبور محاسبه شد و سپس با بهره گرفتن از برنامه ریزی ژنتیک مدل سازی پیش بینی قیمت صورت پذیرفت. نتایج با نتایج بدست آمده از مدل FARIMA-FIGARCH مقایسه گردید. نتایج تحقیق بیانگر کم­تر بودن میانگین خطای پیش بینی مدل FARIMA-FIGARCH از مدل برنامه ریزی ژنتیک بود.
آذر و افسر (۱۳۸۵) در تحقیق خود مدل شبکه ­های عصبی فازی پیش بینی قیمت سهام را طراحی کرده و از لحاظ شش معیار ارزیابی عملکرد با روش ARIMA مقایسه نمودند. نتایج این تحقیق بیانگر این حقیقت است که شبکه های عصبی فازی در تمامی شش معیار ارزیابی عملکرد بر روش ARIMA برتری داشته است و دارای ویژگی­های منحصر به فرد همگرایی سریع، دقت بالا و توانایی تقریب تابع قوی هستند و برای پیش بینی شاخص قیمت سهام مناسب می باشند.
ابوئی مهریزی (۱۳۸۵) پیش بینی قیمت سهام را با بهره گرفتن از شبکه های عصبی-فازی (ANFIS) انجام داده است. در پیش بینی بلند مدت پس از انجام محاسبات ۱۸ مدل به دست آمد که از بین آنها مدل TRIMF به عنوان مدل بهینه انتخاب شد. در مدل پیش بینی کوتاه مدت برای هر دوره ۶ مدل طراحی شد که با توجه به سطح خطا مدل TRIMF برای سه ماهه­ی اول، مدل TRAPMFبرای سه ماهه­ی دوم، مدل GAUSSZMF برای سه ماهه­ی سوم و مدل TRAPMFبرای سه ماهه­ی چهارم به عنوان مدل بهینه انتخاب شدند.
عطری نژاد (۱۳۸۵) در پایان نامه کارشناسی ارشد خود پیش بینی روند تغییرات در بازار بورس را با بهره گرفتن از سری زمانی گارچ انجام داده است. نتایج این مدل بر روی پنج سهم کالسیمین، ملی سرب و روی ایران، نیرو ترانس، معدنی املاح ایران و آهنگری تراکتورسازی مورد بحث قرار گرفته است.
مهدوی و بهمنش(۱۳۸۴) در تحقیق خود از شبکه های عصبی مصنوعی برای پیش بینی قیمت سهام شرکت سرمایه گذاری البرز استفاده نمودند. نتیجه حاصل از مدل طراحی شده نشان می دهد که اگر یک شبکه عصبی مصنوعی درست آموزش ببیند می تواند روابط بین متغیرها را (هر چند پیچیده و غیرخطی) شناسایی کرده و در پیش بینی قیمت سهام شرکت­های سرمایه گذاری با حداقل خطا (در این تحقیق۰۴۴/۰) موثر واقع شود.
طالبی (۱۳۸۴) در پایان نامه کارشناسی ارشد خود قیمت سهام ۱۰ روز آینده ۴۰ شرکت فعال در بورس اوراق بهادار تهران را با بهره گرفتن از ۳ روش شبکه عصبی پیشخور تک لایه با الگوریتم یادگیری لونبرگ-مارکوات و معیار عملکرد میانگین مربعات خطا با ورودی ارزش بازار، شبکه عصبی با اضافه کردن میانگین های متحرک ۵، ۱۰، ۲۰روزه و ROC و RSI 12 روزه و مدل ARMA پیش بینی نمود. نتایج بدست آمده نشان داده است که مدل خطی ARMA بهتر از مدل­های غیر خطی شبکه های عصبی توانسته اند پیچیدگی­های سری های زمانی قیمت سهام را تجزیه و تحلیل نموده و برای پیش بینی قیمت سهام مورد استفاده قرار گیرد.
عربی (۱۳۸۴) در مطالعه­ خود به مقایسه­ روش شبکه­ عصبی با روش ARIMA در پیش بینی قیمت سهام شرکت سرمایه گذاری صنایع پتروشیمی پرداخته است. نتایج حاصل از ANN و ARIMA حاکی از برتری عملکرد شبکه عصبی مصنوعی نسبت به ARIMA می باشد.
زارع (۱۳۸۴) در مطالعه­ ای رفتار شاخص قیمت سهام را در ایران مورد بررسی قرار داده است. وی با بهره گرفتن از یک الگوی خود همبسته با وقفه توزیعی (ARDL) و بهره گیری از مدل تعالی قیمت گذاری دارایی های سرمایه ای (CAPM) سعی در شناخت و تبیین تاثیر برخی از متغیرهای تاثیرگذاری بر شاخص قیمت سهام بازار بورس­تهران طی دوره فصل سوم سال ۱۳۷۲ تا فصل اول سال ۱۳۸۲ دارد. نتایج الگوی کوتاه مدت نشان می دهد که متغیرهای وقفه اول لگاریتم شاخص قیمت سهام، لگاریتم نسبت شاخص قیمت داخلی به خارجی، لگاریتم قیمت نفت و لگاریتم بهای سکه دارای تاثیر مثبت و ورودی لگاریتم نرخ ارز و لگاریتم حجم پول دارای تاثیر منفی و معنی داری بر روی متغیر لگاریتم شاخص قیمت سهام می باشد. نتیجه برآورد الگوی بلند مدت نشان می دهد که متغیرهای لگاریتم نسبت شاخص قیمت داخلی به خارجی، لگاریتم شاخص قیمت مسکن، لگاریتم قیمت نفت و لگاریتم بهای سکه دارای رابطه مستقیم و دو متغیر لگاریتم نرخ ارز و لگاریتم حجم پول دارای رابطه عکس و معنی داری با متغیر لگاریتم شاخص قیمت سهام می باشند.
هادی پور (۱۳۸۲) مطالعه­ ای جهت تعیین بهترین مدل پیش بینی قیمت سهام در گروه صنایع غذایی و آشامیدنی بورس اوراق بهادار تهران انجام داده است. در این تحقیق پیش بینی با بهره گرفتن از روش های سری زمانی تخمین روند، هموارسازی نمایی و میانگین متحرک و باکس-جنکینز برای ۴ هفته انتهایی سال ۷۹ انجام شده است و سپس شاخص MSE روش های مختلف با یکدیگر مقایسه شده است. این تحقیق به این نکته اصرار می ورزد که مدل مشخصی برای پیش بینی قیمت سهام در گروه صنایع غذایی و آشامیدنی وجود ندارد و برای پیش بینی قیمت سهام هر شرکت ابتدا باید با بهره گرفتن از روند و خصوصیات آن سری زمانی داده ها، مدل مناسب را با بهره گرفتن از روش شناسی مدل­های پیش بینی انتخاب و سپس با بهره گرفتن از آن مدل به پیش بینی قیمت سهام آن شرکت اقدام نمود.
عباسپور (۱۳۸۱) مطالعه­ ای جهت پیش بینی قیمت سهام شرکت ایران خودرو در بازار بورس تهران با بهره گرفتن از شبکه عصبی مصنوعی انجام داده است. داده­هایی که در این مطالعه مورد استفاده قرار گرفته به صورت روزانه بوده و دوره زمانی ۸۰-۱۳۷۹ را شامل می شود. متغیرهای موثر بر قیمت سهام شرکت ایران خودرو شامل نرخ ارز، قیمت نفت، نسبت P/E و حجم مبادلات سهام می باشد. نتایج این تحقیق نشان از برتری نتایج حاصل از پیش بینی قیمت توسط شبکه عصبی مصنوعی نسبت به روش باکس – جنکنیز می باشد.
چاوشی(۱۳۸۰) در مطالعه­ خود به پیش بینی پذیری رفتار قیمت سهام در بورس اوراق بهادار تهران توسط مدل چند شاخصی آربیتراژ و شبکه های عصبی مصنوعی پرداخته است. جهت آزمون این مساله، قیمت روزانه سهام شرکت صنایع بهشهر به عنوان نمونه آماری انتخاب شده است. نتایج حاکی از موفقیت این دو مدل در پیش بینی رفتار قیمت سهام مورد نظر و همچنین برتری عملکرد شبکه ­های عصبی مصنوعی بر مدل چند شاخصی آربیتراژ بوده است.
صفر نواده (۱۳۸۰) در مطالعه­ خود به امکان سنجی پیش بینی قیمت سهام در بازار بورس اوراق بهادار تهران پرداخته است. وی این کار را از طریق بررسی چند متغیر مهم و تاثیر گذار که عبارتند از:

1. 1. نسبت سود تقسیم شده به قیمت سهم ()

1. 1. نسبت ()

1. 1. حجم مبادلات (V)

1. 1. ریسک ®

1. 1. تفاوت پایین ترین قیمت سهم با قیمت روز بخش بر قیمت روز سهم ()

و با بهره گرفتن از روش­های پیش بینی آماری رگرسیون و ARIMA انجام داده است.
بت شکن (۱۳۷۹) در پایان نامه خود از یکی از تکنیک­های هوش مصنوعی بنام شبکه های عصبی­فازی ANFIS استفاده نموده و توانایی این مدل را در پیش بینی قیمت سهام در مقایسه با مدل های خطی ARIMA مورد سنجش قرار داده است. در شبیه سازی انجام شده انواعی از شبکه های ۲ ورودی تا ۵ ورودی با تعداد توابع عضویت متفاوت و نگاشت­های مختلف جهت پیش بینی سری زمانی قیمت سهام شرکت گروه بهمن مورد استفاده قرار گرفته اند. برای تعیین مدل ARIMA نیز متدولوژی باکس-جنکینز استفاده گردیده است. نتایج بررسی نشان دهنده برتری و اولویت شبکه ANFIS در پیش بینی قیمت سهام نسبت­ به مدل ARIMA می باشد.
عزیزخانی (۱۳۷۹) در مطالعه خود از روش های ترکیبی برای پیش بینی قیمت سهام استفاده کرده است. در انجام این تحقیق دو شرکت به عنوان انتخاب شده و سپس با بهره گرفتن از روش های پیش بینی فردی قیمت سهام برای چند دوره مورد نظر برآورد شده است و نتایج حاصل از پیش بینی­های فردی با روش های مختلف ترکیب شده است. مدل ترکیبی از نظر کاهش میزان خطا با سایر مدل های مقایسه شده و در نهایت مدل بهینه معرفی شده است.
تیموری (۱۳۷۸) در پایان نامه کارشناسی ارشد خود تحت عنوان “کاربرد شبکه های عصبی در پیش بینی شاخص صنعت تحت تاثیر متغیرهای کلان اقتصادی” به مقایسه روش های پیش بینی خطی و عصبی پرداخته که در آن داده ­ها بصورت هفتگی می­باشد. شبکه مورد استفاده دارای سه لایه است که لایه میانی شامل پنج گره بوده و توابع انتقال آن از نوع هلالی می باشند، نتایج این تحقیق نشان از برتری محسوس شبکه­ عصبی بر رگرسیون خطی دارد.
خالوزاده (۱۳۷۷) در رساله دکتری خود با بهره گرفتن از اطلاعات روزانه سری زمانی قیمت و بازده سهام شرکت شهد ایران به پیش بینی قیمت سهام و نیز ارائه مدل بهینه پرداخته است. روش های پیش بینی مورد استفاده در این تحقیق، شامل روش های پیش بینی بر اساس مدل های خطی و غیر خطی (شبکه ­های عصبی) می­باشد و با توجه به نتایج بدست آمده نشان داده شده است که قیمت سهام از نگاشت­های پیچیده غیر خطی به وجود آمده اند و استفاده از انواع روش های خطی صحیح نمی باشد.
رجب زاده قطرمی (۱۳۷۷) در مطالعه خود به بررسی روش های پیش بینی و ترکیب این روشها با هدف کاهش خطای پیش بینی پرداخته است. نتایج بدست آمده حاکی از کاهش بسیار زیاد خطای پیش بینی روش های ترکیبی نسبت به روش های فردی می­ باشد.
۲-۳-۲: مطالعات خارجی
تانگ و همکارانش^[۵۹](۲۰۱۰) با بهره گرفتن از ترکیب تبدیل موجک^[۶۰] ، شبکه عصبی پیشخور^[۶۱] و الگوریتم مورچگان^[۶۲] مدلی برای پیش بینی قیمت سهام ارائه نمودند. ایشان در ابتدا با بهره گرفتن از موجک هار^[۶۳] اقدام به تجزیه­ی سری زمانی قیمت نمودند سپس با بهره گرفتن از شبکه عصبی پیشخور پیش بینی صورت گرفت و وزن­های حاصل از شبکه عصبی با بهره گرفتن از الگورتم مورچگان بهینه گردید. مدل ارائه شده بر روی داده های میانگین شاخص صنعت داو جونز^[۶۴] (DJIA)، شاخص FTSE-100 بورس لندن (FTSE)، شاخص NiKei-225 بورس توکیو (Nikkei) و شاخص بورس تایوان (TAIEX) مورد آزمون قرار گرفت. مدل مزبور با مدل ترکیبی شبکه عصبی و الگوریتم مورچگان، مدل سری زمانی فازی^[۶۵] و شبکه عصبی فازی(ANFIS) مقایسه گردید. در تمامی موارد آزمون شده مدل پیشنهادی نسبت به بقیه مدل ها از خطای کمتری برخوردار بود.
هداوندی و همکارانش^[۶۶] (۲۰۱۰) با بهره گرفتن از ترکیب شبکه عصبی و ژنتیک فازی^[۶۷] مدلی برای پیش بینی قیمت سهام ارائه نمودند. ایشان مدل مزبور را بر روی داده ­های جمع آوری شده برای صنعت IT و هواپیمایی بورس نیوریوک آزمون نمودند. مدل پیشنهادی با مدل­های ARIMA و الگوریتم ژنتیک و شبکه عصبی استفاده شده در پیش بینی مورد مقایسه قرار گرفت که در تمامی موارد مدل پیشنهادی بر مدل­های قبلی نتایج بهتری بدست داد.
آلوارز دیاز و میگز^[۶۸] (۲۰۰۸) از برنامه ریزی ژنتیک برای بررسی کیفیت بنگاهها استفاده نمودند. آن ها از یک GP برای بررسی رابطه بین کیفیت بنگاه­ها و مجموعه ای از متغیرهای تاریخی، اقتصادی، جغرافیایی، مذهبی و اجتماعی استفاده نمودند. نتایج بدست آمده حاکی از این موضوع است که GP می تواند نتایجی به دقیقی OLS را ارائه دهد.
چن و همکارانش^[۶۹] در سال ۲۰۰۸ از یک مدل سری زمانی فازی برای پیش بینی کوتاه مدت قیمت سهام تایوان و هنگ کنگ استفاده نمودند. نتایج تجربی بدست آمده از این تحقیق بیانگر این است که روش آماری سنتی و مدل ارائه شده هر دو مشخص می­ کنند که الگوهای قیمت سهام در این دو بازار کوتاه مدت هستند.
از آنجایی که در بازار سهام، سرمایه گذاران عقلایی پیش بینی هایشان را بر اساس جدید ترین خطاهای پیش بینی اصلاح می کنند، چنگ و همکارانش^[۷۰] در سال ۲۰۰۸ از یک مدل جدید سری زمانی فازی برای کاهش خطای پیش بینی در بازار سهام تایوان استفاده نمودند. نتایج حاکی از برتری این مدل نسبت به مدل چن و یو^[۷۱] بوده است.
چانگ و لو^[۷۲] در سال ۲۰۰۸ از قاعده فازی نوع ^[۷۳]TSK برای پیش بینی قیمت سهام استفاده نمودند. مدل فازی TSK شاخص فنی را به عنوان متغیر­های ورودی در نظر می­گیرد و نتیجه بدست آمده یک ترکیب خطی از متغیرهای ورودی می­باشد. این مدل بر داده ­های شرکت سهامی الکترونیک تایوان آزمون شده است و نتایج بدست آمده حاکی از دقتی نزدیک به ۹۷٫۶ درصد در شاخص TSE و ۹۸٫۰۸ درصد در Media Tek می­باشد.
کابودان در سال ۲۰۰۷ از برنامه ریزی ژنتیک و شبکه عصبی برای پیش بینی فضایی قیمت های مسکن استفاده نموده است. نتایج بدست آمده حاکی از برتری GP نسبت به شبکه عصبی می­باشد.