۳-۳-۶- آزمون ایستایی در داده های ترکیبی
آزمونهای ریشه واحد داده های ترکیبی به وسیله کوآه (۱۹۹۲و ۱۹۹۴)^[۴۶] و بریتون (۱۹۹۴)^[۴۷] پایهریزی شد. این مطالعات به وسیله لوین، لین و چو (۱۹۹۳و ۲۰۰۲)^[۴۸] و ایم، پسران و شین (۱۹۹۷ و ۲۰۰۳)^[۴۹] کامل شد. در الگوی داده های تابلویی همانند الگوهای سری زمانی در صورت غیر ایستا بودن متغیرها، مسئله رگرسیون ساختگی مصداق خواهد داشت. همچنین R² بالا ناشی از وجود متغیر زمان، به واسطه ارتباط حقیقی بین متغیرها نیست(گجراتی، ۱۳۸۳). بنابراین کاربرد آزمون ریشه واحد روی داده های ترکیبی جهت تضمین صحت و اعتبار نتایج امری ضروری است. البته آزمونهای ریشه واحد داده های ترکیبی نسبت به آزمونهای ریشه واحد مربوط به سری زمانی قویتر هستند. برای داده های تابلویی، پنج آزمون ریشه واحد به صورت آزمون لوین، لین و چو، آزمون ایم، پسران و شیم، آزمون فیشر- فیلیپس پرون، آزمون فیشر با بهره گرفتن از آزمون دیکی فولر تعمیم یافته و آزمون هادری مورد استفاده قرار میگیرد.
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت nefo.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

۳-۳-۷- آزمونهای همجمعی داده های تابلویی
بررسی وجود همجمعی متغیرها در داده های ترکیبی نیز مانند داده های سری زمانی اهمیت دارد. در واقع تجزیهوتحلیل همجمعی، برای برآورد و آزمون رابطه تعادلی بلندمدت بین متغیرها استفاده میشود. اگر یک نظریه اقتصادی صحیح باشد، مجموعهی ویژهای از متغیرها که توسط نظریهی مذکور، مشخص شده است، با یکدیگر در بلندمدت مرتبط میشوند. به علاوه، نظریه اقتصادی تنها روابط را به صورت ایستا (بلندمدت) تصریح میکند و اطلاعاتی در خصوص پویاییهای کوتاه مدت میان متغیرها بهدست نمیدهد. در صورت معتبر بودن نظریه، انتظار میرود که با وجود نامانا بودن متغیرها، یک ترکیب خطی ایستا از این متغیرها مانا و بدون روند تصادفی باشد. در غیر این صورت، اعتبار نظریهی مورد نظر زیر سوال میرود. به همین دلیل به طور گسترده، از همجمعی به منظور آزمون نظریههای اقتصادی و تخمین پارامترهای بلندمدت استفاده شده است.
برای انجام آزمون همجمعی داده های ترکیبی، کائو(۱۹۹۹)^[۵۰] و پدرونی(۱۹۹۹)^[۵۱]، پس از برآورد رابطه بلندمدت بین متغیرها در بلندمدت، مانند آنچه که در مورد سریهای زمانی و داده های مقطعی انجام میشود از آمارههای صفحه بعد استفاده کردهاند:
(۳-۱۹)
در رابطه فوق y ضریب رگرسیون خطای بلندمدت، روی وقفه خطاهای حاصل از تخمین مدل به روش پانل   به صورت زیر است:
(۳-۲۰)
N در آمارههای   و   نشان دهنده تعداد مقطعها و   مقدار t استاندارد رابطه (۳-۸) است. آمارههای استخراج شده هر دو، توزیع نرمال با میانگین صفر و واریانس یک دارند. فروض انجام آزمون همانباشتگی داده های ترکیبی را میتوان به صورت زیر نشان داد:
(۳-۲۱)
که فرضیه اول نشان دهنده عدم وجود همانباشتگی بین متغیرها در تمام مقطعها و فرضیه دوم نشان دهنده وجود همانباشتگی بین متغیرها است.
کائو(۱۹۹۹) آزمون همجمعی تعمیم یافته دیکی فولر را با فرض اینکه بردارهای همجمعی در هر مقطع همگن باشند به صورت زیر ارائه کرده است:
(۳-۲۲)
در رابطه فوق   خطای تخمین رابطه بلندمدت با روش داده های ترکیبی و p تعداد وقفه ها در آزمون ADF است که اندازه آن بستگی به رفع خودهمبستگی بین اجزای خطا دارد. همچنین j ضریب متغیر تفاضل وقفه های آزمون و   خطای معادله تخمین زده شده فوق است. به عبارت دیگر در این آزمون مانند آزمونهای   و   پس از تخمین رابطه بلندمدت، خطای تخمین محاسبه شده و سپس با بهره گرفتن از رابطه فوق آزمون ADF انجام میشود. فرضیات این تست مانند فرضیات آزمونهای   و   بوده و آماراه آزمون دارای توزیع t استاندارد است(پدرونی، ۱۹۹۷).
۳-۳-۸- عدم اطمینان قیمتگذاری (MSPE) و عدم دقت قیمتگذاری (MAPE)
آزمون دیگری که در این مجموعه برای مقایسهی دو مدل بهکار رفته است، یکی از رویه های اقتصادسنجی است که میزان خطای پیشبینی دو مدل را اندازه گیری و مقایسه میکند و با آن فرضیه دوم پژوهش مبنیبر بازده بهدست آمده از مدل قیمتگذاری برپایه مخارج مصرفی در بودجه خانوار تبیین بهتری از رفتار بازده واقعی دارد، مورد آزمون قرار میگیرد. بهمنظور انجام این آزمون، خطاهای قیمتگذاری بازده در زمان t را با نماد   بهصورت زیر تعریف میکنند:
 (۳-۲۳)
یعنی خطای قیمتگذاری در زمان t، برابر است با بازده بهدست آمده از مدل برای زمان t، منهای بازده واقعی سهام در زمان t. دو معیار میانگین مربعات خطاهای قیمتگذاری^[۵۲] و میانگین متوسط خطای قیمتگذاری^[۵۳] ابزارهایی هستند که به منظور مقایسهی عدم اطمینان و دقت دو مدل مورد استفاده قرار میگیرند و بهصورت زیر تعریف شدهاند:
(۳-۲۴)
(۳-۲۵)
جایی که   ، میانگین خطاهای قیمتگذاری   است:
(۳-۲۶)
MSPE عدم اطمینان قیمتگذاری و MAPE عدم دقت قیمتگذاری را نشان خواهند داد.
۳-۴- متغیرهای پژوهش
۳-۴-۱- بازدهی سهام
نکتهای که اشاره به آن مهم میباشد، متغیر بازدهی سهام است که در اغلب مطالعات مورد بررسی، تغییر قیمت و بازدهی معادل درنظر گرفته شده و در عبارت   بروز مییابند که تحت عنوان لگاریتم طبیعی تغییر قیمت (بازدهی) معرفی شده و بهصورت زیر محاسبه میشود:
(۳-۲۷)
در این پژوهش نیز برای بررسی ارتباط همزمان و پویا بین بتای بازاری هر سهم و بتای مخارج مصرفی با تغییرات قیمت از همین متغییر استفاده شده است.
۳-۴-۲- بتا
ضریب بتا ارتباط بین بازده دارایی i و بازده شاخص بازار را توصیف میکند. اگر بتا مساوی یک باشد، بدین معنی است که یک درصد تغییر در بازدهی مورد انتظار، باعث یک درصد تغییر در بازده دارایی i میشود. اگر بتا بزرگتر از یک باشد، بدین معنی است که نرخ بازدهی آن سهم، بیشتر از تغییرات بازده بازار خواهد بود و اگر بتا کوچکتر از یک باشد، میتوان انتظار داشت که تغییرات بازده آن سهم کمتر از تغییرات بازده بازار میباشد. بهعبارت دیگر؛ میتوان گفت که ضریب بتا میزان ریسک سیستماتیک کل اوراق بهادار موجود در بورس را نشان میدهد.
نحوه محاسبه بتای بازاری هر سهم عبارت است از:
(۳-۲۸)
برای آزمون مدل قیمتگذاری دارایی سرمایهای سنتی، معادله را بهصورت زیر بیان میکنند:
(۳-۲۹)
نرخ بازده بدون ریسک یا همان
اضافه بازده سهام یا همانE
بازده مشاهده شده سهام i
خطای مورد انتظار یا همان   -
در نتیجه، این مدل بازده دارایی iرا با ریسک سیستماتیک آن ارتباط میدهد.
اما در مدل قیمتگذاری دارایی سرمایهای برپایه مخارج مصرفی، بتا برپایه رشد مخارج مصرفی تعریف میشود:
(۳-۳۰) 
این بتا تعیینکننده ارتباط میان نرخ بازدهی انتظاری دارایی و ریسک براساس اطلاعات بهدست آمده از بودجه خانوار بر حسب مخارج مصرفی دو گروه کالاهای بیدوام و خدمات است، که مبنایی برای درک ارتباط بین ثروت، مخارج مصرفی و ریسک گریزی سرمایهگذاران میباشد تا تبیینکننده بهتری برای ارتباط میان ریسک و بازده باشد.
این مدل هم همانند مدل قیمتگذاری دارایی سرمایهای سنتی، بازده دارایی را با ریسک سیستماتیک آن ارتباط میدهد. هرچند در این جا معیار ریسک سیستماتیک کواریانس با رشد مخارج مصرفی است. بتای مخارج مصرفی، بهگونهای تبیین شده است که این معیار برای بازار برابر یک است.
برای آزمون مدل قیمتگذاری دارایی سرمایهای برپایه مخارج مصرفی، معادله بهصورت زیر بیان میشود:
(۳-۳۱)
با این معادله، بهسادگی میتوان مدل قیمتگذاری دارایی سرمایهای سنتی و مدل قیمتگذاری دارایی سرمایهای برپایه مخارج مصرفی را در یک معادله جای داد. در عمل بازده دارایی i بر بتای بازاری و بتای مخارج مصرفیاش رگرس میشود تا ببینید کدام یک تبیینکننده بهتری از بازده هستند و فرضیه نخست یعنی بتای مخارج مصرفی در بودجه خانوار در مقایسه با بتای بازار ارتباط بیشتری با بازده دارد، مورد آزمون قرار گیرد.
فصل چهارم:
توصیف داده ها و برآورد الگو
۴-۱- مقدمه:
در این فصل ابتدا روند تحلیل داده ها مورد بررسی قرار میگیرد. در قسمت دوم، ابتدا پایایی متغیرهای مورد استفاده در الگو بررسی میشود. سپس به منظور کاذب نبودن نتایج رگرسیون، آزمون همجمعی میان متغیرهای الگو انجام میشود. در ادامه نتایج آزمونهای مختلف برای تعیین نوع برآورد الگو بررسی میشود. در نهایت، نتایج برآورد الگو تفسیر آنها ارائه میشود.
۴-۲- تحلیل روند داده ها:
برای آشنایی کلی با متغیرهای مورد استفاده در الگو، تحلیل داده ها صورت میگیرد. حدود زمانی پژوهش سالهای ۹۰-۱۳۸۱ و حدود مکانی آن کشور ایران است. تحلیل داده های مورد استفاده در جدول (۴-۱) و (۴-۲) نمایش داده شده است.
جدول (۴-۱): منتخبی از شاخصهای کلیدی برای هشت شرکت سرمایهگذاری

ویژگی

نماد اختصاری

دامنه ماکزیمم سیگنال

AMP

دامنه مینیمم سیگنال

-AMP

ناحیه مثبت

PAR

ناحیه منفی

NAR

قدر مطلق ناحیه منفی

NANR

مجموع ناحیه

TAR

قدر مطلق مجموع ناحیه

ATAR

قدر مطلق مجموع ناحیه

TAAR

پیک تا پیک سیگنال

PP

۳-۴- استخراج ویژگی با مدل خودبازگشتی(AR^[17])
روش مدلسازی خود بازگشتی یکی از مدل‌های اتفاقی است که برای نمایش سیگنال‌های غیر ایستا بسیار مورد استفاده می‌باشد. در این مدل، مقادیر جاری سیگنال به صورت جمع خطی از تعداد محدودی از مقادیر قبلی بعلاوه خطای e(n) بیان می‌شود. بنابر این پردازش به صورت ۳-۲ مدل می‌شود:
(( 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. ))

(۳-۲)
به طوری‌که می توان گفت x(n) سیگنال مورد نظر، e(n) نویز سفید با میانگین صفر و واریانس مجهول، ها ضرایب و p مرتبه مدل AR می‌باشد. در این معادله متغیر x(n) به مقادیر قبلی خودش وابسته است. روش های متعددی بطور رایج برای تخمین ضرایب AR استفاده می‌شود]۲[.
۳-۵- استراتژی انتخاب ویژگی
انتخاب ویژگی فرآیندی است که ویژگی‌های با قدرت تشخیص بالاتر و موثرتر را از مجموعه‌های داده برای انجام اعمال داده کاوی انتخاب می‌کند. مرحله مقدماتی فرایند انتخاب ویژگی عبارتند از: شناسایی مجموعه ویژگی‌ها و جستجو برای بهترین زیر مجموعه. مجموعه پارامترها اغلب شامل الگوریتم‌های یادگیری الگوریتم های انتخاب و فرآیندهای تخمین خطا می‌باشند. البته این مسئله کاملا روشن است که هیچ مجموعه ویژگی به تنهایی برای کلیه‌ی مسائل داده کاوی کارا نمی‌باشد.
الگوریتم‌های انتخاب ویژگی به طور کلی به سه دسته تقسیم می‌شوند: مدل‌های فیلتر، مدل‌های رپر^[۱۸] و مدل‌های ترکیبی]۱۳[. مدل‌های فیلتر از مشخصات ذاتی یا آماری ویژگی‌های مجموعه‌های داده استفاده می کنند و از هر گونه الگوریتم یادگیری مستقل اند. چنین رویه‌هایی شامل ماشین یادگیری نمی‌باشند و برای مجموعه داده‌های با ابعاد بالا موثر بوده و پیشنهاد می‌شوند. در مقابل مدل‌های رپر از ماشین‌های یادگیری استفاده کرده و زیرمجموعه ویژگی‌ها را بر اساس تخمین کارایی انتخاب می‌کنند. در مقایسه با فیلتر‌ها رپرها دارای زمان و هزینه‌های محاسباتی بالاتری بوده و برای مجموعه داده‌های با ابعاد بالا مناسب نمی‌باشد. مزیت اصلی رپرها در دقت بالای پیش‌بینی آنها است. نتایج جستجوی رپرها برای یافتن بهترین زیر مجموعه ویژگی بسیار بالاتر از فیلتر‌ها گزارش شده است. برای انتخاب ویژگی خوب،تلاش اصلی فرایند جستجو باید شناخت ویژگی‌های موثر و غیر افزونه باشد]۲۵[. اغلب روش‌های ترکیبی فیلتر و رپر از فیلترها جهت رتبه‌بندی ویژگی‌ها و کاهش تعداد ویژگی‌های کاندید استفاده می‌کنند. به طور کلی مدل‌های ترکیبی بر اساس رویه‌های ترتیبی دو مرحله‌ای کار می‌کنند.در مرحله اول معمولا براساس فیلترها تعداد ویژگی‌های مورد نظر برای مرحله دوم کاهش می‌یابند. سپس با بهره گرفتن از مجموعه کاهش یافته یک رویه رپر در مرحله دوم جهت انتخاب ویژگی‌های مطلوب اعمال می‌شود.
۳-۶- تحلیل مولفه اصلی (PCA)
در روش تحلیل مؤلفه‌های اصلی، محور‌های مختصات جدیدی برای داده‌ها تعریف می‌شود به گونه ای که نخستین محور در جهتی قرار می‌گیرد که واریانس داده‌ها بیشینه است و دومین محور نیز عمود بر محور اول و در جهتی که واریانس داده ها بیشینه باشد،در نظر گرفته می‌شود و به همین ترتیب، محورهای بعدی عمود بر تمامی محورهای قبلی به گونه‌ای قرار می‌گیرند که واریانس داده‌ها در آن جهت بیشینه باشد]۴[.تحلیل مولفه اصلی یکی از روش‌های مرسوم استخراج ویژگی است که در بسیاری از پژوهش‌ها به دلیل سادگی و سرعت بالا در پردازش از آن استفاده می‌شود]۲۶[. تکنیک PCA بهترین روش برای کاهش ابعاد داده به صورت خطی می‌باشد یعنی با حذف ضرایب کم اهمیت بدست آمده از این تبدیل،اطلاعات از دست رفته نسبت به روش های دیگر کمتر است.
فرض کنید ماتریس ورودی X دارای نمونه و n ویژگی است و نمونه باید در C گروه قرار گیرند، میانگین و کوواریانس داده با توجه به روابط (۳-۳) و (۳-۴) محاسبه می­شوند [۳۸]:
(۳-۳) (۳-۴)
در مرحله­ بعد، مقادیر ویژه و بردارهای ویژه از روی ماتریس کواریانس محاسبه می‌شوند. سپس، تعداد k مقدار ویژه بزرگتر از n مقدار ویژه انتخاب می‌شوند. حال ماتریس ورودی X تحت ماتریس بردار ویژه P با تعداد k ویژگی، به فضای تحلیل مولفه‌اصلی تبدیل می‌شود:
(۳-۵)

شکل( ‏۴‑۳) شمایی از ساختار یک شبکه تک لایه
شبکه فوق دارای  ورودی و  نرون مصنوعی است. بنابراین اگر وزن‌های شبکه را به عنوان عناصر یک ماتریس در نظر بگیریم و آن را با  نشان دهیم، چنین ماتریسی دارای ابعاد  بوده و هر عضو آن بیانگر یکی از وزن‌های شبکه خواهد بود. به این ترتیب، محاسبه مجموعه خروجی‌های  نرون ها که بردار خروجی شبکه را به وجود می‌آورند، با یک ضرب ماتریسی ساده امکان‌پذیر می‌باشد :
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت nefo.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

(۴-۱)
در رابطه فوق،  بردار خروجی شبکه عصبی و  بردار ورودی آن می‌باشند.
شبکه‎های چند لایه
عموماً شبکه‌های بزرگ‌تر و پیچیده‌تر نسبت به شبکه‌های تک لایه، قابلیت‌ها و توانایی‌های محاسباتی بیشتری دارند. یک شبکه چند لایه ساده می‌تواند از آرایش متوالی گروهی از شبکه‌های تک لایه ایجاد شود. در این حالت خروجی یک لایه، ورودی لایه بعدی را تأمین خواهد نمود.
شکل( ‏۴‑۴) شمایی از ساختار یک شبکه دو لایه
برتری شبکه‌های چند لایه نسبت به شبکه‌های تک لایه بیشتر از هر چیزی مرهون عملکرد توابع تحریک غیر‌خطی بین لایه‌های آن می‌باشد. جهت روشن شدن مطلب، یک شبکه دو لایه را در نظر می‌گیریم که بین لایه‌های آن هیچ تابع تحریک غیر‌خطی وجود ندارد. در این حالت، محاسبه خروجی شبکه شامل ضرب بردار ورودی  در ماتریس وزن لایه اول و سپس ضرب نتیجه در ماتریس وزن لایه دوم خواهد بود :
(۴-۲)
در این رابطه،  بردار خروجی شبکه،  و  ماتریس وزن لایه‎های اول و دوم می‌باشند.
از آنجایی که ضرب ماتریسی دارای خاصیت انجمنی یا شرکت پذیری است، می‌توان رابطه (۴-۲) را به صورت زیر باز‌نویسی نمود :
(۴-۳)
بنابراین می‌توان این‌طور نتیجه‌گیری کرد که شبکه‌‌های چند لایه بدون وجود توابع تحریک غیر‌خطی بین لایه‌‌‌‌ای، دقیقاً مانند شبکه‌های تک لایه با ماتریس وزن معادل عمل می‌کنند.]۴۴[
توابع تحریک شبکه‎های عصبی
عملیات اصلی یک شبکه عصبی مشتمل بر جمع ورودی‌های وزن‌دار شده، و اعمال تابع تحریک به این مجموعه، برای تعیین خروجی شبکه است. برای نرون‌های ورودی، این تابع واحد بوده و خروجی نرون برابر با ورودی آن است.[۴۶] اگرچه انتخاب یکسان تابع تحریک تمام نرون‌های یک لایه الزامی نیست، ولیکن معمولاً تابع تحریک نرون‌های یک لایه یکسان انتخاب ‌می‌شود. در این زمینه توابع تحریک متعددی وجود دارند.[۴۷] که در زیر به تعدادی از آن‌ها اشاره خواهد شد.
تابع تحریک پله‌‌ای^[۷]
تابع تحریک پله‌ای به صورت زیر تعریف می‎شود.
(۴-۴)
مشاهده می‌شود که خروجی این تابع ۱- و یا ۱ است.
تابع تحریک خطی^[۸]
تابع تحریک خطی که با رابطه زیر بیان می‌شود، معمولاً در لایه خروجی شبکه‌های عصبی استفاده می‌شود.
(۴-۵)
توابع تحریک سیگموید
علت اصلی استفاده از این تابع تحریک ارتباط ساده بین مقدار تابع و مشتق تابع در هر نقطه دلخواه است که در آموزش شبکه عصبی برای به حداقل رساندن مقدار خطا بکار گرفته می‌شود. تابع تحریک سیگموید دارای پاسخی در محدوده صفر تا یک و یا پاسخی در محدوده ۱- تا ۱ است.
تابع تحریک لوگ-سیگموید^[۹] در محدوده صفر تا یک با رابطه زیر بیان می‌شود:
(۴-۶)
همچنین تابع تحریک تان - سیگموید^[۱۰]با پاسخ در محدوده ۱- تا ۱ با رابطه زیر بیان می‌شود.
(۴-۷)
۳-۵-۴- تابع تحریک بنیادی شعاعی
تابع تحریک بنیادی شعاعی^[۱۱] یا گوسی شکل در محدوده ۰ تا ۱ با رابطه زیر بیان می‌شود:
(۴-۸)
لازم به ذکر است که توابع تحریک دیگری نیز وجود دارند که جهت رعایت اختصار اشاره‎ای به آن‌ها نمی‎شود. همچنین باید اشاره نمود که ارائه توابع تحریک جدید که موجب افزایش دقت و سرعت شبکه عصبی می‎شوند به عنوان یکی از زمینه‎های تحقیقاتی مورد توجه محققان قرار دارد.]۴۴[
بایاس
در بسیاری از موارد کمال مطلوب این است که نرون های لایه پنهان و خروجی، از طریق وزن‌هایی به یک ورودی که مقدارش همیشه ۱ است مربوط شوند. این عمل تابع تحریک را در امتداد محور ورودی منتقل می کند. به چنین واحد وزن داری بایاس^[۱۲] گفته می‎شود. با بهره گرفتن از بایاس سرعت و دقت آموزش شبکه افزایش می‌یابد. وزن‌های مربوط به بایاس همانند سایر وزن‌های شبکه تربیت ‌شده و در ابتدای آموزش به جای اینکه این وزن‌های خروجی یک نرون در لایه قبلی باشد، همیشه ۱+ است. با توجه به اینکه مقادیر ورودی به گره‌های لایه ورودی، از طریق محاسبه تعیین نمی‌شوند، هیچ بایاسی به لایه ورودی اختصاص داده نمی‌شود. عملکرد بایاس در شبکه‎های عصبی مختلف، متفاوت است.]۴۴[
آموزش شبکه عصبی
در بین همه خصوصیات عجیبی که شبکه‌های عصبی دارند، هیچ‌کدام به اندازه توانائی یادگیری آن‌ها جالب و شگفت‌انگیز نیست. آموزش^[۱۳] شبکه‌های عصبی نقاط مشترک زیادی با یادگیری مغز و یا به عبارت دیگر، بسط توانایی مغز در برقرار نمودن ارتباطات نرونی جدید دارند، به طوری که به نظر می‌رسد انسان توانسته است با آموزش این شبکه‌ها به یک درک بنیادی از سیستم آموزش مغز دست پیدا کند. البته باید توجه کرد که آموزش شبکه‌های عصبی با بسیاری از محدودیت‌ها مواجه است و هنوز مسائل دشوار و پیچیده بسیار زیادی باقی مانده است که باید حل شوند. هدف از آموزش شبکه‌های عصبی این است که آن‌ها بتوانند مجموعه‌ای از ورودی‌ها را جهت تولید خروجی‌های مطلوب یا حداقل نزدیک به مطلوب بکار ببرند. لازم به یادآوری است که شبکه عصبی، ورودی‌ها و خروجی‌ها را به صورت بردار، مورد پردازش قرار می‌دهد. روند آموزش به این صورت است که شبکه، متناوباً بردارهای ورودی را بکار می‌برد تا وزن‌های شبکه جهت تولید خروجی‌های مطلوب بر طبق الگوهای از پیش تعیین شده اصلاح شوند. در طول دوره آموزش شبکه عصبی، وزن‌های شبکه تدریجاً به سمت مقادیر مطلوب همگرا می‌شوند.
مدهای عملکردی شبکه عصبی
اکثر شبکه‌های عصبی دارای دو مد عملکردی^[۱۴] می‌باشند : مد نرمال^[۱۵] و مد آموزش^[۱۶] . در مد آموزش، شبکه بردارهای موجود در مجموعه آموزشی را به کار می‌گیرد تا وزن‌های شبکه را جهت رسیدن به خروجی‌های مطلوب، تعدیل و تنظیم نماید. در مد نرمال، شبکه با پذیرفتن یک بردار ورودی، خروجی متناظر با آن را ارائه می کند.
از آنجایی که در این پایان نامه از شبکه‎های عصبی با تابع بنیادی شعاعی^[۱۷]، استفاده شده است، لذا در ادامه به بیان اصول بنیادی تئوریک این شبکه‎ها خواهیم پرداخت.]۴۵[
شبکه عصبی تابع بنیادی شعاعی (RBF)
الگوریتم BP را که جهت آموزش شبکه‎های چند لایه مورد استفاده قرار گرفت می‌توان به عنوان یک نمونه از تقریب سازی^[۱۸] تصادفی در نظر گرفت. توابع بنیادی شعاعی برای اولین بار در سال ۱۹۸۸ توسط بروم‎هد^[۱۹] و لاو^[۲۰] جهت طراحی شبکه‎های عصبی مورد استفاده قرار گرفتند. استفاده از توابع بنیادی شعاعی در طراحی شبکه‎های عصبی یک الگوریتم کاملاً متفاوت با الگوریتم BP دارد. این الگوریتم را می‎توان به صورت ساده به عنوان عملیات برازش منحنی^[۲۱] برای یافتن بهترین انطباق بر جفت‌های آموزشی در نظر گرفت. در سال ۱۹۹۰ میلادی اثبات شد که شبکه‌های RBF تقریب سازهای بسیار قدرتمندی هستند به طوری که با داشتن تعداد نرون های کافی در لایه میانی، قادر به تقریب سازی هر تابع پیوسته‌ای با هر درجه از دقت می‌باشند. نکته بسیار جالب این است که، شبکه‌های RBF تنها با داشتن یک لایه مخفی، دارای چنین خاصیتی هستند در حالی که در سایر انواع شبکه‌ها با تعبیه چندین لایه مخفی به سختی می‌توان چنین خاصیتی را ایجاد نمود. شبکه تابع بنیادی شعاعی یا RBF به واسطه آموزش سریع، قابلیت تعمیم‌ و سادگی وافر، بسیار مورد توجه هستند. این شبکه عصبی، اغلب با شبکه عصبی BP مقایسه می‌شود. شبکه عصبی BP علی رغم کاربردهای فراوان، ضعف‌ها و مشکلاتی در روند آموزش خود دارد که شبکه RBF، اغلب آن‌ها را مرتفع می‌سازد. شبکه RBFمانند شبکه BP دارای یک لایه میانی و یک لایه خروجی است. هرچند که ساختار این دو شبکه شبیه هم است اما نحوه عملکرد آن‌ها به طور اساسی با هم تفاوت دارند. تابع تحریک نرون های لایه میانی شبکه‌هایRBF تابع نمایی، رابطه (۴-۸)، می‌باشد. اگر هر یک از بردارهای ورودی و وزن را به عنوان یک نقطه در یک فضای  بعدی تلقی کنیم، مقدار تابع تحریک نرون های لایه میانی، با افزایش فاصله آن دو نقطه از هم، به شدت کاهش می‌یابد. نکته مهم در طراحی شبکه‌های RBF این است که توابع تحریک نرون‌ها باید تمام نواحی معنی‌دار فضای ورودی را پوشش دهند. از آنجایی که منحنی تابع گوس به صورت شعاعی متقارن است، نرون های لایه مخفی به نرون های تابع بنیادی شعاعی معروف هستند. به این دلیل به این نوع از شبکه‎ها، شبکه تابع بنیادی شعاعی یا RBF اطلاق می‎شود]۴۴[.
نکات قابل توجه در خصوص شبکه‎ تابع بنیادی شعاعی
فرض می‎شود بردار ورودی  به شبکه ارائه شود. در شبکه‎های RBF نحوه پردازش اطلاعات با شبکه BP متفاوت است. نرون iامRBF لایه میانی بر مبنای تابع تحریک زیر به سیگنال ورودی که با سیگنال ورودی شبکه BP متفاوت است، پاسخ می‎دهد:
(۴-۹)
در رابطه فوق، U_i بردار وزن مربوط به نرون  ام لایه میانی و  پارامتری است که به عنوان پارامتر Spread معرفی شده است. منحنی نمایش این تابع در شکل (۴-۵ )نشان داده شده است.
شکل( ‏۴‑۵) منحنی نمایش تابع تحریک نرون های RBF
با توجه به رابطه (۴-۹) اگر  آنگاه  . بنابراین Uمقداری از X است که به ازای آن تابع پاسخ نرون به بیشترین مقدار ممکن خود می‌رسد. با افزایش فاصله X از U، مقدار پاسخ نرون به شدت افت پیدا می‌کند. در نتیجه، مقدار خروجی نرون در یک محدوده خاصی از مقادیر X قابل بررسی است. به این محدوده خاص، Receptive Field نرون گفته می‌شود. اندازه و محدوده این میدان با پارامتر  تعیین می‌شود. در مقایسه با منحنی توزیع استاندارد آماری که دارای شکلی شبیه به منحنی نمایش تابع پاسخ نرون است، می‌توان Uرا میانگین و  را انحراف استاندارد منحنی پاسخ نرون در نظر گرفت. در شکل (۴-۶) سطح پاسخ یک نرون لایه پنهان با دو ورودی X₁و X₂نشان داده شده است.
شکل( ‏۴‑۶) مسطح پاسخ یک نرون RBF با دو ورودی
باید توجه کرد که در شبکه‌های RBF هیچ محدودیتی در تعداد نرون های ورودی و خروجی وجود ندارد هرچند که تجسم فضایی سطح پاسخ نرون‌های لایه مخفی در فضاهای دارای بیش از سه بعد برای ما ممکن نیست.

• • • تفاوت معناداری بین ارتباطات و تعهد سازمانی در بین گروه‌های مختلف وجود داشت. این همبستگی برای کارمندان قوی تر از کارگران بود.

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

د: تجربیات کاری

• ارتباط تمام متغیرهای مربوط به تجربیات کاری به استثنا در آمد با تعهد سازمانی برای گروه‌های مختلف یکسان بود.

• همبستگی قوی تری بین در آمد و تعهد سازمانی برای کارمندان وجود داشت تا برای گروه‌های دیگر. در گروه کارمندان، برای حرفه ای‌ها قوی تر از غیر حرفه ای‌ها بود.

به‌طور کلی نتایج این تحقیق نشان داد که ارتباط بین تعهد سازمانی و پیش شرطهای فردی برای کراگران و کرامندان غیر حرفه ای قوی تر از کارمنهدان حرفه ای است. برای متغیرهای مربوط به نقش، ویژگی‌های ساختاری و تجربیات کاری، تفاوت‌ها بین گروه‌های حرفه ای یکسان نبود. (ممی زاده، ۱۳۷۵)
۲-۳-۲-۹- مطالعه برانینگ و سیندر
در تحقیقی که توسط برانینگ و سیندر (۱۹۹۳) صورت گرفته، نقش میانجی و تعدیل کننده جنسیت و پست و مقام در ارتباط بین تعهد سازمانی و متغیرهای اثر گذار بر آن، موردتوجه واقع شده است. در این تحقیق به‌منظور بررسی تأثیر تفاوت‌های جنسی و تفاوت در پست و مقام در رابطه با تعهد سازمانی و عوامل مؤثر بر تعهد سازمانی به‌عنوان متغیر مستقل در چهار دسته زیر طبقه بندی شده‌اند:
الف: رویه‌های اجتماعی، شامل سبک رهبری، انسجام تیم و…
ب: آگاهی از موقعیت، شامل: تضاد نقش، وضوح نقش و …
ج: ارزیابی شخصی شامل احساس شایستگی فردی.
د: رضایت شغلی شامل رضایت از کار، رضایت از همکاران، رضایت از حقوق رضایت از فرصت‌های ارتقاء
تجزیه و تحلیل همبستگی بین هر یک از متغیرها مستقل با تعهد سازمانی نشان می‌دهد که تمام این متغیرهای (به استثنا تضاد در نقش) با تعهد سازمانی رابطه مثبت دارند و تضاد در نقش با تعهد سازمانی رابطه منفی دارد. نتیجتاً این تحقیق نشان می‌دهد که هیچ تفاوت معنی داری از نظر ارتباط هر یک از متغیرهای مستقل با تعهد سازمانی در هریک از چهار گروه نمونه وجود ندارد، لذا می‌توان گفت که تفاوت جنسی و تفاوت در پست و مقام ارتباط بین متغیرهای مستقل و تعهد سازمانی در چهار گروه نمونه را تعدیل کرده‌اند و نمی‌توانند به‌عنوان عامل تعیین کننده مهم برای تعهد سازمانی مطرح شوند. (ممی زاده، ۱۳۷۵)
۲-۳-۲-۱۰- مطالعات اوپارا
این پ‍ژوهشگر چهارچوبی از عوامل مؤثر بر تعهد سازمانی و با تأکید بر رضایت شغلی به شرح زیر ارائه داده است و معتقد است، رضایت شغلی بر تعهد کراکنان و تعهد کارکنان بر اثر بخشی سازمان تأثیر با اهمیت دارد. (ممی زاده، ۱۳۷۵)
جدول ۲-۴- عوامل مؤثر بر تعهد سازمانی و با تأکید بر رضایت شغلی

تعهـــد سازمـــانی

رضایت ناشی از فرصت پیشرفت
رضایت ناشی از همکاران
رضایت ناشی از سرپرستان
رضایت ناشی از پرداخت (حقوق ودستمزد)
رضایت ناشی از کار خود
رضایت کلی از شغل

۲-۳-۲-۱۱- مطالعات بولگارلا
این محقق عنصر مؤثر بر تعهد سازمانی را رضایت کارکنان می‌داند و معتقد است، رضایت مشتری از طریق کسب ارزش ناشی از تعهد کارکنان و وفاداری آن‌ها که خود متأثر از رضایت کارکنان از شغل خود است، تأمین خواهد شد. مدل شماتیک این مطالعه در بخش دوم این گزارش ارائه شده است. (ممی زاده، ۱۳۷۵)
۲-۳-۲-۱۲- مطالعات یوسف:
این محقق، رابطه بین تعهد سازمانی و اخلاق کار اسلامی را در مطالعات خود تبیین نمود و به این نتیجه دست یافت که بین اخلاق کار با تعهد سازمانی رضایت شغلی و متغیرهای سازمانی و فردی تعامل نزدیک وجود دارد. (ممی زاده، ۱۳۸۸)
۲-۴- بخش چهارم – چار چوب نظری پژوهش
۲-۴-۱- مقدمه:
بررسی نظریات مربوط به کیفیت زندگی کاری که در بخش دوم این فصل عنوان شد و در عین حال تحقیق‌هایی که به نظریه‌های مربوط به کیفیت زندگی کاری پرداخته‌اند نشان می‌دهد که نظریه والتون دسته بندی مناسب تری دارد و در سایر تحقیقات هم بیشتر مورد استناد واقع شده است.
همچنین دسته بندی ۸ قسمتی والتون به گونه ای است که مفاهیم سایر نظریه پردازان را هم در بر می‌گیرد بر همین اساس این تعریف از کیفیت زندگی کاری به‌عنوان تعریف مرجع در نظر گرفته‌شده و ادامه تحقیق از جمله تنظیم پرسشنامه بر همان اساس تنظیم شده است و در مدل تعهد که توسط می یر و آلن طراحی شد، سه شیوه (تعهد به انواع وابستگی عاطفی و روانی به سازمان و تعهد به‌عنوان تکلیف به ماندن در سازمان) به ترتیب به‌عنوان تعهد عاطفی، تعهد مستمر و تعهد تکلیفی یا هنجاری طبقه بندی شدند. وجه اشتراک این سه شیوه، این نظریه است که مطرح می‌کند تعهد حالت روانی است.
۲-۴-۲- شرح تحلیلی مدل والتون در مورد کیفیت زندگی کاری:
والتون هشت متغیر اصلی را به‌عنوان هدف ارتقاء کیفیت زندگی کاری موردتوجه قرار می‌دهد. نکته مهمی که باید موردتوجه قرار گیرد آن است که همه این متغیرها با یکدیگر ارتباط دارند. این متغیرها عبارت‌اند از:

• جبران خدمت منصفانه و کافی: (پرداخت منصفانه)

عمده سنگ های برونزد یافته در این زون مربوط به مزوزوئیک است. نهشته های مربوط به پالئوزوئیک به ندرت در قسمت شمال غربی آن برونزد دارند اما در قسمت جنوب شرقی ،برونزد های گسترده تری از آن ها گزارش شده است(بربریان،۱۹۷۷;سبزه ئی ،۱۳۷۱).در این زون ،سنگ های دگرگونی با رخسارۀشیست سبز دارای گسترش فراوانی هستند(نبوی،۱۳۵۵)اما در نقاطی که توده های نفوذی جایگزین شده اند،اثر حرارتی آن هابه اثر ترمودینامیکی موجود افزوده شده و درجه دگرگونی بالا رفته است. محجل و سهندی(۱۳۷۸); محجل و همکاران (۲۰۰۳)زون سنندج - سیرجان را بر اساس واحد های چینه شناسی و ویژگی های ساختاری به واحد های تکتونیکی کوچک تر یا زیر زون تقسیم بندی کرده اندکه در این تقسیم بندی منطقۀ مورد مطالعه در زیر زون با دگرشکلی پیچیده(فیلیت همدان) قرار می گیرد(شکل۲-۲).
۱- Berberian
-۲ King
۱۳
فصل دوم زمین شناسی
جدول ۲-۱: زمین ساخت زون سنندج–سیرجان(محجل وهمکاران،۲۰۰۳،احمدی خلجی،۱۳۸۵)
این زیر زون با سنگ های دگرگونی فراوان از سایر زیر زون ها مشخص می گردد به طوری که بخش اعظم
آن از سنگ های کربناته ،تخریبی و تا حدودی آتشفشانی دگرگون شده مزوزئیک تشکیل شده است.
در این بخش از زون سنندج - سیرجان ،ساختار های مختلف زمین شناسی اعم از دگرگونی ،ماگماتیسم و کوهزائی تحت تأثیرچندین فاز زمین ساختی قرار داشته اند که از میان آن ها ،حوادث تکتونیکی مرتبط با زمان مزوزوئیک از اهمیت بیشتری برخوردار هستند.به طوری که نخستین حادثۀ تکتونیکی در زون سنندج – سیرجان که ازآن به عنوان سیمیرین پیشین یاد می شود ، در اواخر تریاس میانی اتفاق افتاده است که در اثر آن گسترۀ ایران زمین به دو پهنۀ مجزا با شرایط رسوبی متفاوت تقسیم شده است.
۱۴
فصل دوم زمین شناسی
دومین حادثۀ تکتونیکی پیش از باژوسین بالایی (ژوراسیک میانی) رخ داده که مانند رویداد اول از نوع کوهزایی بوده و سیمیرین میانی نام گرفته است. این رویداد با چین خوردگی ،جایگیری توده های نفوذی نظیر بروجرد(احمدی خلجی،۱۳۸۵)،آستانه(طهماسبی ،۱۳۸۸) ، الوند همدان ( شهبازی و همکاران ، ۲۰۱۰) و الیگودرز (اثناعشری و همکاران،۲۰۱۲) و دگرگونی همراه بوده است.
از جمله نتایج عملکرد این رویداد ، ایجاد دگرگونی در سنگ های ژوراسیک زیرین ( گروه شمشک)است. در ناحیه اقلید از بخش میانی زون سنندج – سیرجان ، سنگ های آواری ژوراسیک زیرین دگرگون شده و روی آن را کنگلومرای ژوراسیک بالا به طور ناپیوسته پوشانده است (هوشمندزاده و همکاران ،۱۳۶۹). این دگرگونی در حد رخساره شیست سبز می باشد که آن را به حادثۀ تکتونیکی پس از لیاس و پیش از ژوراسیک بالا مربوط می دانند.از مناطق دیگر این زون که می توان این دگرگونی را در آن ها مشاهده نمود، نواحی همدان ،گلپایگان ، خمین ، ملایر و ازنا می باشند که بر اساس مطالعات چینه شناسی ،دگرگونی این نواحی نیز بیانگر سن ژوراسیک است.اگرچه حادثه کوهزائی سیمرین پسین را به اواخر ژوراسیک مربوط می دانند ولی مطالعات اخیر بیانگر حرکاتی است که طی ژوراسیک میانی در ایران رخ داده است و باید خاطر نشان کرد که روی هم رفته ایران در تمام ژوراسیک از آرامش برخوردار نبوده است(بربریان وکینگ ، ۱۹۸۱; بربریان و نوگل ، ۱۹۷۴ ).
۲-۲-۲) چینه شناسی زون سنندج – سیرجان:
زیربنای زون سنندج – سیرجان یک پی دگرگونی متعلق به پرکامبرین است که در بسیاری از نقاط به صورت هورست بالا آمده است.به نظر می رسد که این پی در پرکامبرین تحت تأثیر چین خوردگی های مختلف ومتناوب با دوره های فرسایش قرار گرفته است و در میان سنگ های دگرگونی ، توده های نفوذی مافیک وحدواسط و فلسیک جا گرفته اند. این زون از نظر ساختمانی و تاریخچۀ رسوب گذاری و همچنین رخدادهای تکتونیکی و فعالیت توده های نفوذی به خصوص از دورۀ پرمین به بعد تا حدود ی شبیه به ایران
۱۵
فصل دومزمین شناسی
شکل۲−۲: موقعیت تکتونیکی پهنۀتکتونوماگمایی غرب ایران(محجل وهمکاران۲۰۰۳(؛موقعیت منطقۀموردمطالعه باعلامت □ نشان داده شده است.
مرکزی است( معین وزیری، ۱۳۷۷). به عقیده اشتوکلین ۱۹۶۸ زون سنندج – سیرجان مانند زاگرس از اردویسین تاپرمین از آب خارج بوده و در پرمین کم کم به زیر آب فرو رفته است اما نبوی( ۱۳۵۵) معتقد است که وضعیت خشکی تا تریاس فوقانی که از فاز کوهزایی سیمرین پیشین ، رسوبات پرموتریاس را چین داده ادامه داشته است. بر اثر فاز کمپرسیونی که در اواخر تریاس روی داده در حاشیۀ غربی ایران مرکزی و زون سنندج – سیرجان چین خوردگی به وقوع پیوسته است(اشتوکلین،۱۹۶۸).
۱۶
فصل دوم زمین شناسی
در تریاس میانی و فوقانی ،در قسمت جنوب شرق این زون ،رسوبات آهکی و سیلیسی آواری به مرمر،شیست،گنیس و کوارتزیت درجه متوسط تا بالا تبدیل گردیده اند( سبزه ئی،۱۳۷۱).
همچنین در این زمان شاهد پویش های ماگمایی درونی و بیرونی هستیم که این شواهد از پویایی فرایندهای فشاری در این زمان حکایت می کنند و بسیاری از پژوهشگران آن ها را به فرورانش قلمرو اقیانوسی نئوتتیس نسبت می دهند (بلون و برود^۱۱۹۷۵) . بعد از کوهزایی سیمرین پیشین،فعالیت آتش فشانی آندزیتی در زون سنندج – سیرجان صورت گرفته است.در اواخر ژوراسیک فاز کوهزایی سیمرین پسین ، سبب چین خوردگی رسوبات سنندج – سیرجان شده است.در کرتاسۀ تحتانی دوباره دریا در زون سنندج – سیرجان به خصوص در منطقه سنندج – سیرجان پیشروی نموده، رسوبات کرتاسه تحتانی و فوقانی را به صورت هم شیب بر روی رسوبات چین خوردۀ ژوراسیک قرار می دهد ( هادی پور جهرمی ،۱۳۷۷).
در کرتاسه فوقانی ، جنبش های تکتونیکی شدید ( فاز لارامین) در زون سنندج – سیرجان رخ داده که موجب در هم آمیختگی رسوبات و روراندگی های شدید شده است و موجب استقرار توده افیولیت – رادیولاریت در نوار زاگرس مرتفع شده است( درویش زاده، ۱۳۷۰).
در نتیجه این فاز تکتونیکی لبه جنوب غربی بلوک ایران (زون سنندج – سیرجان) از آب بالا آمده و در بسیاری از مناطق ایران مرکزی و زون سنندج – سیرجان چین خوردگی نیز به وقوع پیوسته است (اشتوکلین ،۱۹۶۸). زون سنندج – سیرجان از نظر ولکانیسم ،در ائوس نسبتاً آرام بوده و در پایان ائوسن ،فاز کوهزایی دیگری (پیرنئن) بر ایران مرکزی و زون سنندج – سیرجان اثر کرده است.در نتیجۀ این فاز کوهزایی، پی پرکامبرین بازهم بالاتر آمده است. در طی فاز کوهزایی ائوسن – الیگوسن ، توده های بازیک نظیر گابروی خر زهره و پنجوین و توده های اسیدی نظیر توده گرانیتوئیدی گوشه (بهزاد ، ۱۳۹۰،احمدی خلجی ،۱۳۸۵) نفوذ کرده اند.پس از فازهای کوهزایی استیرین و پاسادنین در کواترنری ، یک فاز کششی در بیشتر نقاط ایران استنباط شده است (بربریان،۱۹۷۷).احتمالاً ولکانیسم کواترنر منطقه تکاب – قروه در زون سنندج – سیرجان نتیجۀ این فاز کششی کواترنر می باشد ( معین وزیری ، ۱۳۷۷).
۱- Bellon and Braud
۱۷
فصل دوم زمین شناسی
۲-۲-۳) چینه شناسی منطقۀ مورد مطالعه:
علی رغم تکتونیک شدیدی که پیچیدگی هایی در زمین شناسی منطقه بوجود آورده است، می توان ردیفی از سنگ ها را تشخیص داد به طوری که قدیمی ترین سنگ ها در این منطقه مربوط به پالئوزوئیک بوده که در بین روستاهای مالمیر و توان دشت برونزد دارند.این سنگ ها توسط گسل از دیگر واحدهای سنگی جدا می شوند که عمدۀ این سنگ ها ،متاریولیت و آمفیبولیت به همراه متادولومیت می باشند.این سنگ ها به سمت بالا به وسیله یک واحد ولکانو سدیمنتر از آهک و دولومیت های کریستالین چرت دار با درون لایه هایی از شیست های سبز به طور هم شیب و پیوسته پوشیدهمی شوند.سپس بخش های متاولکانیک و توف های تیره رنگ که ترکیب آندزیتی دارندو تا حد رخسارۀ شیست سبز دگرگون شده اند به همراه ولکانوسدیمنتر و مرمر تریاس ،واحد های چینه شناسی بعدی ناحیه را تشکیل می دهند(رادفر،۱۳۶۶).
مرمر در بعضی مناطق به صورت سنگ آهک متبلور سفید تا خاکستری است و به طور جزئی دولومیتی شده است.به طرف غرب ،مرمر بیشتر به چشم می خورد و دارای کیفیت مناسب به عنوان سنگ ساختمانی است.
برتیه^۱ و همکاران ۱۹۷۴در مرمرهای موجود در منطقه که پیش از این توسط تییله و سید امامی ۱۹۶۸ به پرکامبرین نسبت داده شده بود موفق به یافتن ساقه کرینوئید بریوزوآ و مرجان شدند که با سن تریاس میانی – فوقانی تطبیق می نماید.بالاترین بخش از ردیف دگرگونی را سنگ های پلیتی دگرگون شده موسوم به فیلیت های همدان تشکیل می دهند که تحت دگرگونی ناحیه ای در حد رخسارۀ شیست سبز (زون کلریت) قرار گرفته اند و بیشترشامل اسلیت و فیلیت می باشند. نهشته های آهکی دگرگون شده ای که بر روی این فیلیت ها قرار دارند ،حاوی آمونیت هایی با سن توآرسین (اواخر ژوراسیک زیرین ) می باشند (واعظی پور و اقلیمی ،۱۳۶۳).
- Berthier ۱
۱۸
فصل دوم زمین شناسی
بنابراین ،سن نهشته شدن فیلیت ها ،تریاس بالایی – ژوراسیک زیرین در نظر گرفته می شود(رادفر،۱۳۶۶).
(( 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. ))

بهاری فر (۱۳۸۳) ، بهاری فر و همکاران (۲۰۰۴) نیز در منطقه همدان سن این سنگ ها را ژوراسیک در نظر گرفته اند.مهمترین حادثه زمین شناسی که در این ناحیه رخ داده است پیدایش کمپلکس گرانیتوئیدی بروجرد در زمان ژوراسیک میانی و توده گرانیتوئیدی گوشه در زمان ائوسن پایانی است (احمدی خلجی ، ۱۳۸۵) که درون این فیلیت ها نفوذ کرده اند و دگرگونی مجاورتی در اثر نفوذ آن ها به وقوع پیوسته است (شکل ۲-۳). جدید ترین نهشته های موجود در منطقه مورد مطالعه آبرفت های عهد حاضر هستند. جنس این آبرفت ها بیشتر از آرن های گرانیتی است که از هوازدگی گرانیتوئید های منطقه حاصل شده اند و زمین های کشاورزی را تشکیل می دهند.
۲-۳)کمپلکس گرانیتوئیدی بروجرد
کمپلکس گرانیتوئیدی بروجرد شامل چندین رخسارۀ پتروگرافی شامل واحد گرانودیوریت ،واحد کوارتز دیوریت و واحد مونزو گرانیت می باشد.همچنین رگه ها و استوک های گرانیت روشن اسفن دار ،دایک های اسیدی ،رگه های کوارتز – تورمالین و دایک های بازیک و حدواسط نیز در این کمپلکس دیده می شود (احمدی خلجی ، ۱۳۸۵) که در این پایان نامه دایک های بازیک به تفصیل در فصل های بعدی بحث خواهند شد.
۲-۳-۱) واحد گرانودیوریت
واحد گرانودیوریت بخش اصلی کمپلکس گرانیتوئیدی موجود در منطقه را تشکیل می دهد و دارای شکل بیضوی با روند شمال غربی – جنوب شرقی بوده ودر سرتاسر منطقه گسترش دارد (شکل ۲-۳).
این واحد نسبت به سایر سنگ های موجود در منطقه به شدت هوازده و فرسوده بوده و ریخت شناسی کلی
۱۹
فصل دوم زمین شناسی
آن به صورت تپه های فرسوده کم ارتفاع می باشد که به دلیل پوشیدگی توسط رسوبات لسی کواترنر رخنمون خوبی ندارد . با این حال سنگ هایی با این ترکیب که کمتر تجزیه شده اند و مقداری از ارتفاعات را تشکیل داده اند نیز مشاهده می شود. از نظر پتروگرافی ، این سنگ ها دارای بافت گرانولار تا پرفیروئید بوده و در نمونه دستی عموماً دانه متوسط تا دانه درشت هستند و غالباً به رنگ خاکستری دیده می شوند و ترکیب کانی شناختی ساده و همگنی از کانی های کوارتز ، پلاژیوکلاز ، بیوتیت و آلکالی فلدسپار دارند . کانی های فرعی شامل آپاتیت ، زیرکن ، آلانیت و اپاک می باشند و یک جهت یافتگی بارز ناشی از جهت یافتگی کانی ها ( بویژه بیوتیت ) در آن ها ملاحظه می گردد.در قسمت شمالی و در بخش های حاشیه ای ،این واحد حاوی آندالوزیت و گاه گارنت می باشد.فراوانی بلورهای آندالوزیت در جاهای مختلف متفاوت است و جهت یافتگی خاصی را نشان نمی دهند. گاه مقدار بلورهای آندالوزیت آنقدر زیاد است که سنگ به یک آندالوزیت هورنفلس شباهت پیدا می کند.اما گارنت فقط در بخش حاشیه ای و در جاهایی که این کانی در سنگ های دگرگونی میزبان دیده می شود،یافت می گردد.بلورهای آندالوزیت در این سنگ ها در اثر واکنش یا سیالات ماگمایی پتاسیم دار تا حد زیادی به مسکوویت یاسریسیت دگرسان گردیده اندو شناخت آن ها در زیر میکروسکوپ به آسانی امکان پذیر نیست.از آنجایی که این بلورها دانه درشت هستند و قابل مقایسه با اندازه سایر کانی های سازنده این سنگ ها نیستند و از طرف دیگر در سنگ های دگرگونی میزبان چنین کانی های دانه درشتی به فراوانی یافت می شود لذا بنظر می رسد که این آندالوزیت ها منشأ دگرگونی دارند. گارنت ها نیز سر گذشت مشابه ای با آندالوزیت ها دارند به طوری که این کانی ها به صورت بی شکل تا نیمه خود شکل دیده می شوند و در امتداد شکستگی ها دگرسان شده اند و با جمعی از بیوتیت ها همراهی می شوند ( قهرمانی ، ۱۳۹۰). علاوه بر این با توجه به این که این کانی ها فقط در محل هایی که در سنگ های دگرگون میزبان دیده می شوند ، یافت می گردند لذا می توان گفت که این کانی ها در طی جریان ذوب سنگ های دگرگونی از ذوب شدن مصون مانده اند و به درون مذاب راه یافته اند و سپس در طی اقامت خود در ماگما با سیالات واکنش داده و دگرسان شده اند(آلن و کلارک ۱۹۸۱)^۱.
۱-Allan and Clarke