دانشگاه تربیت مدرس
دانشکده مدیریت و اقتصاد
رشته مدیریت بازرگانی گرایش بازاریابی بین الملل
عنوان:
توسعه مدل وفاداری برند با تبیین نقش شخصیت برند و مسئولیت اجتماعی برند ( مطالعه موردی: رستوران­های پدیده شاندیز تهران)
محمد کریمی
استاد راهنما:
سید حمید خداداد حسینی
استاد مشاور:
دکتر پرویز احمدی
شهریور ۱۳۹۲
تشکر و قدردانی
خدای را بسی شاکرم که از روی کرم پدر و مادری فداکار نصیبم ساخته تا در سایه درخت پر بار وجودشان بیاسایم و از ریشه آنها شاخ و برگ گیرم و از سایه وجودشان در راه کسب علم ودانش تلاش نمایم .
دوران تحصیلات تکمیلی فرصتی برایم مهیا نمود تا در محضر استادی باشم که اسوه علم واخلاق می­باشند. با سپاس و تشکر فراوان از استاد ارجمندم جناب آقای دکتر سید حمید خداداد حسینی که در تهیه این تحقیق هدایت و راهنمایی این جانب را بر عهده داشتند و همواره با نظرات سازنده خود گره از کارهای فروبسته این پژوهش گشودند.

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

از استاد ارجمند، جناب آقای دکتر پرویز احمدی، به‌خاطر راهنمایی‌های ارزنده­شان و انتقال تجارب گرانقدرشان به اینجانب در طول انجام این پایان نامه که در سمت مشاور از هیچ گونه همیاری و همکاری فروگذار نکردند، تشکر می­نمایم.
از اساتید گرامی، آقای دکتر علی رجب زاده و دکتر شهریار عزیزی، به‌خاطر ارزیابی پایان‌نامه اینجانب ، متشکر و سپاس‌گزارم.
برخود می­دانم از آقای صابریان مدیر محترم مجموعه رستوران های پدیده شاندیز در انجام این پایان‌نامه همواره از نظرات و مشاوره صمیمانه و راه‌گشایشان بهره برده‌ام و نیز جناب آقای احمد نجفی فقیه، کارشناس گروه مدیریت، که در طو ل دوران تحصیل بدون یاری ایشان قدمی به درستی برداشته نمی شد ،تشکر می کنم.
تقدیم به :
پدر و مادر عزیزم ،با بوسه ای بر دستان پر برکت پدر ونگاه پرمهر مادر به گرمی عشقی که نثار فرزندشان می کنند.
چکیده :
ارتباط بین نقش­های اجتماعی، سیاسی، محیطی، اقتصادی در تجارت رو به افزایش گذاشته است، چالشی که سازمان­ها با آن روبرو هستند این است که آن‌ها باید هم­زمان به افزایش سودآوری و پاسخ‌گویی به انتظارات اجتماعی جدید و سپس مدیریت هم­زمان این دو پیامد به ظاهر متناقض که نیازمند توسعه استراتژی­ های کاربردی است و اثرات مثبتی هم بر جامعه و هم بر سازمان دارد، دست یازند. برند ها می توانند ویژگی های شخصیتی مشابه انسان به خود بگیرند. شخصیت مناسب برند می تواند فرد را به برقراری یک رابطه عمیق با برند تشویق کند. در این تحقیق سعی شده است که مدل وفاداری برند با تبیین نقش شخیت برند و تصویر مسئولیت اجتماعی برند (مورد مطالعه رستوران پدیده شاندیز تهران) توسعه یافته و مجدداٌ ارزیابی گردد و شناسایی وبررسی هریک از عوامل موثر بر وفاداری برند در رستوران مذکور انجام شود . جامعه آماری این تحقیق مشتریان رستوران پدیده شاندیز تهران تشکیل می دهد. داده های لازم با پرسشنامه ۳۲ سوالی از ۳۶۴ نفر از مشتریان (نمونه نامحدود)جمع آوری شد. برای آزمون مدل از نرم افزار لیزرل استفاده شد.نتایج نشان دادکه تصویر مسئولیت اجتماعی برند بر تصویر کیفیت محصول و خدمات و شخصیت برند اثر می گذارد و تصویر کیفیت محصول و خدمات و شخصیت برند رابطه معناداری در سطح اطمینان ۹۹ درصد با وفاداری برند دارد .
واژگان کلیدی: تصویر مسئولیت اجتماعی برند، تصویر کیفیت محصول ، تصویر کیفیت خدمات،شخصیت برند ، وفاداری برند
فهرست
فصل اول کلیات و مقدمه ۱
۱-۱ مقدمه ۲
۱-۲ بیان مساله ۵
۱-۳ ضرورت انجام پژوهش ۷
۱- ۴ اهداف تحقیق ۸
۱- ۵ سوالات پژوهش ۹
۱-۶ فرضیه ها ۹
۱- ۷ روش تحقیق ۱۰
۱-۸ جنبه جدید بودن و نوآوری ۱۰
۱-۹ موانع ومحدودیت ها ۱۰
۱-۱۰ قلمرو پژوهش ۱۰
۱-۱۰-۱ قلمرو موضوعی ۱۰
۱-۱۰-۲ قلمرو زمانی ۱۱
۱-۱۰-۳ قلمرو مکانی ۱۱
۱-۱۱ فصل بندی تحقیق ۱۱
۱-۱۲ تعریف واژگان کلیدی ۱۱
فصل دوم ۱۳
۲-۱ مقدمه ۱۴
۲-۲ مسئولیت اجتماعی برند(برند) ۱۵
۲-۲-۱ ابعاد مؤلفه های تشکیل دهنده مسئولیت اجتماعی ۱۶

شکل ۲-۱ نمونه یک شبکه بیزین ساده

هریک از مستطیل نشان دهنده یک گره یا متغیر شبکه های باور بیزین می باشند که از طریق پیکان هایی به هم متصل شده اند. بر اساس این شکل متغیر A و B ( گره های ورودی شبکه)، دو متغیر موثر بر متغیر C می باشند. همچنین متغیر C خود متغیر موثر بر متغیرD، یعنی گره نهایی با هدف می باشد. بر این اساس هر یک از گره های A و B به عنوان گره های والدی گره C ( گره فرزندی) و گره C به عنوان گره ولدی برای گره D محسوب می شوند.

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

شکل ۲-۲ حالات و رابطه دو متغیر از یک شبکه باور بیزین .

این شکل، بخشی از یک شبکه باور بیزین را به عنوان نمونه ساده ای جهت تشریح عملکرد شبکه های باور بیزین نمایش می دهد. بر اساس این شکل گره A، متغیر موثر بر گره B می باشد. فرض کنید گره A دارای دو حالت E و F و گره B دارای دو حالت C و H می باشد.
رابطه ۲-۶:
بر این اساس پس از تعیین و کمی­سازی روابط میان متغیرهای شبکه به زبان احتمالات و تعیین احتمالات واقعی مربوط به گره های ورودی ( گره های ولدی که تنها گره های فرزندی داشته و والدی ندارند)، شبکه بر اساس قضیه بیز به تعیین احتمالات مربوط به هر یک از حالات سایر متغیرهای می پردازد.
باید توجه داشت ارتباط میان متغیرهای شبکه همواره به صورت یک ارتباط علت و معلولی نبوده و تنها اثر یک متغیر را بر دیگری نشان می دهد [ ۸۸، ۹۵ ، ۱۰۳]. اتصالات میان متغیرهای بصورت پیکان های جهت دار می باشند. بکارگیری این اتصالات در میان متغیرها به گونه ای که تشکیل یک چرخه یا حلقه بسته یک سویه را بدهند مجاز نمی ­باشد [۱۰۴]. توسعه شبکه از طریق اتصالات در هر مسیر شبکه ممکن بوده اما باید توجه داشت که تشریح روابط میان متغیرها یک طرفه بوده و در جهت عکس ممکن نیست. BBNs می تواند جهت استنتاج محمل­ترین شرایط برای یک نتیجه به کار رود، این ویژگی یکی از وجه تمایزات مدل سازی به روش شبکه ­های بیزین با سایر رویکردهای مدل سازی می باشد [۱۰۰].
بر اساس توافق عمومی، بهتر است که ساختار شبکه تا حد ممکن ساده و با حداقل تعداد گره ممکن ( ترجیحاً ۳ ولد یا کمتر) در نمودار و حداقل حالات ممکن ( ترجیحاً ۵ حالت یا کمتر) برای هر گره باشد این ساده بودن باعث می­ شود جداول احتمالات شرطی به اندازه کافی کوچک باشند تا قابل فهم و قابل کنترل گردند [۹۷].
در حین توسعه شبکه های باور بیزین، معمولا لازم است که متغیر ها را با تعریف نمودن چندین طبقه ( مثلا تقسیم بندی شرایط بارش به طبقه های زیاد ( بیشتر از متوسط کل بارش ماهیانه) و کم ( کمتر از متوسط کل بارش ماهیانه)، گسسته سازی نماییم ( یکی از مشکلات محاسباتی در بکارگیری متغیرهای پیوسته) . به منظور گسسته سازی متغیرها می­توان از برخی از الگوریتم های موجود استفاده نمود که البته این روش در مطالعات زیست محیطی کم تر توصیه می شود [۱۰۳]. اما روش معمول گسسته سازی متغیرها، استفاده از نظر متخصصان به همراه استنتاج مقادیر از مطالعات انجام شده موجود و قضاوت های گروهی در حوزه مربوطه می باشد [۱۰۹].
پولینو و همکاران^[۶۱] (۲۰۰۷) روش دسترسی به طبقه بندی­های مفید جهت گسسته سازی متغیرهای پیوسته را مراجعه به آستانه­های مدیریتی و یا راهنماهای موجود بیان می­ کنند. بر این اساس تعداد و عنوان حالات مربوط به هر متغیر از پیش تعیین شده نبوده و به صورت تک به تک ارزیابی و تعیین شدند. آن ها همچنین خاطر نشان می کنند، زمانی که گسسته سازی متغیرهای پیوسته براساس منابع موجود قابل پذیرش نیست، فرایند گسسته­سازی از طریق قضاوت متخصصین ممکن می باشد [۱۱۰].
ارزش­گذاری درقالب جداول احتمال شرطی از چالش­های اصلی در مدل سازی به کمک BBNs می باشد. در اغلب شرایط ارزش­گذاری متغیرها به دلیل کمبود اطلاعات قابل قبول بسیار دشوار می باشد. در عین حال ارزش­های ورودی اثر مهمی بر کارایی مدل خواهند داشت. با افزایش اتصالات به هر گره، ارزش گذاری جداول احتمال شرطی مشکل­تر می­گردد[۱۰۴]. همچنین، این امر زمانی که تعداد سناریوهای ( منظور از یک سناریو ترکیبی از شرایط حالات گره­های ورودی است که نهایتا توزیع احتمالات میان حالات گره مورد بررسی را تعیین می نماید) یک جدول احتمال شرطی افزایش یابند، دشوارتر می­ شود [۱۰۰].
منابع اطلاعاتی استفاده شده در جداول احتمال شرطی اغلب ترکیبی از دانش تخصصی، شواهد، آزمایش­ها، داده های موجود و یا استنباط شده از مرور منابع، یافته های تجربی، مدل ها و یا مشاوره یا افراد دارای صلاحیت می باشد [۱۰۴]. منابع اطلاعاتی متفاوتی مانند داده های تخمینی متخصصان در قالب BBNs، تلفیق و وزن دهی می شوند، چیزی که یکی از امتیازات کلیدی شبکه های باور بیزین به حساب می آید [۱۱۰]. امکان ارزش گذاری شبکه ­های باور بیزین براساس گروهی از داده های موجود وجود دارد، به دلیل محدودیت داده ها در دسترس این امکان به ندرت در مدیریت حفاظتی وجود دارد. بنابراین، تکمیل این جداول اغلب به کمک دانش متخصصین صورت می­گیرد. در مواردی که کمبود اطلاعات وجود دارد، ارزش­ها براساس قضاوت متخصص از اطلاعات محدود موجود داده می­شوند [۹۸، ۱۰۴]. فرایند مدل سازی به روش تلفیقی، به مستند سازی درک فعلی و شناخت منابع مجهول کلیدی یا شکاف­های موجود در دانش کمک می­نماید و همچنین، شاخص­ های مناسبی جهت ایجاد پایه­ای برای مدیریت پایشی و سازگار فراهم می نماید [۱۰۴، ۱۰۶ ، ۱۱۴]. چیزی که به عنوان یکی دیگر از امتیازات کلیدی شبکه های باور بیزین به حساب می ­آید.
با توجه به آنچه تا کنون گفته شد، مدل­های بیزین اغلب به صورت نظری تهیه می­گردند که در نتیجه احتمال اریبی در آن ها وجود دارد. بنابراین، مرور، بازخوانی و اصلاح نمودارها و جداول توسط متخصصین می ­تواند به اصلاح این اریبی­ها کمک نماید [۱۰۰].
شبکه ­های باور بیزین شباهت زیادی به درخت های تصمیم ­گیری و سایر مدل های تصمیم ­گیری دارند، اما نمایش تصویری و نمایش برهم کنش متغیرها در آن­ها، یک امتیاز بزرگ محسوب می­ شود خصوصاً به این دلیل که شبکه های باور بیزین قابلیت به روز رسانی داشته و امکان تکمیل و اصلاح ارتباطات موثر و یافته های شرایط جایگزین را به کاربر می دهند ( مانند درخت های تصمیم گیری و درخت های رگرسیون یا طبقه بندی) همچنین درک این شبکه ها توسط افراد دیگر ( غیر مدل­سازان)، حتی در زمانی که بیشتر بر دانش تخصصی تکیه دارند، آسان است [۱۰۰]. این ویژگی نیز از دیگر امتیازات شبکه های باور بیزین بر سایر رویکردهای مدل سازی می باشند. این واقعیت که شبکه ­های باور بیزین بر اساس احتمال عمل می کنند و نوع روابط میان متغیرها، آن ها را از سایر رویکردهای مدل سازی متمایز می نماید و کارایی آن ها را در ارزیابی خطر و پشتیبانی از تصمیم ­گیری­ها بالا می برد[۶۷ ، ۱۰۴]. کارایی شبکه ­های باور بیزین همچنین، با ترکیب نمودن گره های تصمیم ­گیری و گره های کاربردی در جهت تهیه نمودار اثر افزایش می یابد ( در مقایسه با درخت های تصمیم ­گیری)[ ۱۰۴].
شبکه های باور بیزین روشی است که این امکان را فراهم می­سازد که عدم اطمینان حاصل از مدل های برآورد بیابان­زایی را به مدیران نشان داده و این مدیران هستند که می­توانند بر پایه درجه ریسکی که می­توانند بپذیرند روش مدیریتی مناسب را برگزینند. BBNsمی­تواند به عنوان روشی مناسب اطلاعات پراکنده را با یکدیگر تلفیق کرده و با زبان احتمالات روابط اجزا را به طور گرافیکی نشان دهند و بنابراین به مدیران در انتخاب بهترین روش مدیریتی جهت مدیریت مناطق بیابانی کمک نماید. استفاده از این روش منجر به سهولت درک روابط علت و معلولی میان متغیرها شده و می ­تواند با سایر ابزارهای‌ تحلیلی برای تصمیم‌های مدیریتی ترکیب شده و ابزارهای پشتیبانی تصمیم‌گیری را ایجاد کنند [۹۸]. روش BBN یک چارچوب است که در آن سناریوهای مختلف از شرایط بیوفیزیکی، اقتصادی و اجتماعی ،آب و هوایی و مدیریت زمین را می تواند جهت بررسی و ارزیابی احتمال خطر فرسایش در نظر گرفت [۶۱].
شبکه های باور بیزین خصوصاً زمانی مفید هستند که اطمینان کافی از اطلاعات در دسترس جهت ساخت مدل وجود ندارد، این عدم اطمینان عموما یکی از چالش های موثر بر مدل­های زیست محیطی است [۱۰۴]. این ویژگی آن­ها را به یک ابزار بصری قوی در نمایش عدم قطعیت یافته هایی مانند بکارگیری انواع روش های مدیریتی تبدیل کرده است. این ویژگی به همراه توانایی شبکه ­های باور بیزین در ترکیب نمودن داده ­های تجربی با قضاوت­های تخصصی آن ها را به ابزار مدل سازی بسیار انعطاف پذیر و کارا تبدیل نموده است [۱۰۷، ۱۱۴].
به هر حال با وجود تمامی این مزایا، BBNs ، مانند سایر دیدگاه های مدل سازی محدودیت هایی دارند. به عنوان مثال تشریح منابع متفاوتی که بدون خطا و اریبی منجر به تعیین روابط متغیرها، عدم قطعیت و تغییر پذیری در یک مدل می­شوند، کاری دشوار است[۹۲ ، ۱۰۰]. ضمن اینکه شبکه ­های باور بیزین نیز مانند سایر مدل های تصمیم ­گیری ممکن است معیار­های موثر بر یک تصمیم ­گیری را نادیده بگیرند و یا سهل انگارند. همچنین تشریح دقیق تغییرات تصمیم ­گیری و تغییر شرایطی که اغلب در شرایط دنیای حقیقی اتفاق می­افتد، آسان نیست. از پی­آمدهای دیگر استفاده از شبکه ­های باور بیزین، گسسته سازی متغیرهای پیوسته است. این گسسته سازی ممکن است به نادیده گرفتن برخی ویژگی­ها و شرایط متغیر شود. نیبرگ و همکاران^[۶۲](۲۰۰۶) بیان می­ کنند، با وجود این اشکالات، با توجه به اینکه روابط میان متغیرها در شبکه ­های باور بیزین توسط سازنده مدل وزن دهی می­شوند، این مدل­ها توانایی بالایی در تصمیم ­گیری در شرایط پیچیده و دشوار دارند. به هر حال مانند هر دیدگاه مدل­سازی دیگر، شبکه ­های باور بیزین نیز با علم بر نقاط ضعف و قوتشان کارایی بالایی در بسیاری از مطالعات دارند [۱۰۶].
امروزه شبکه ­های باور بیزین کاربرد وسیعی در علوم مربوط به محیط زیست و منابع آب پیدا کرده و در زمینه‌ی بیابان‌زدایی تاکنون در ایران مورد استفاده قرار نگرفته­اند که در این مطالعه با توجه به توانایی‌های این شبکه در کمک به مدیران جهت انتخاب بهترین روش مدیریتی ، وضعیت بیابان زایی دشت سگزی را با بهره گرفتن از این مدل و مدل مدالوس مورد ارزیابی قرار داده و توانایی این مدل جهت مدیریت و کنترل بیابان‌زایی بررسی می­ شود.
۲-۳- ۱- مطالعات انجام شده در مورد استفاده از شبکه های باور بیزین در علوم محیطی
در سال‌های اخیر سیستم‌های پشتیبانی تصمیم ، جهت جمع­آوری و یکپارچه سازی بهترین اطلاعات موجود برای اتخاذ تصمیم ­گیری های مناسب در سطح وسیعی از علوم ، گسترش یافته است که مدل شبکه‌ی تصمیم ­گیری بیزین یکی از مدل‌هایی است که برای ایجاد انواع مختلف سیستم های تصمیم یار مورد استفاده قرار گرفته است.
به طور کلی تکنیک­های محاسباتی به دو گروه تقسیم می­شوند : رویکرد مبتنی بر منطق و رویکردهای احتمالاتی [۱۰۹]. آمار بیزین، تئوری مجموعه فازی و غیره نمونه هایی از رویکردهای احتمالی می باشند. یک شبکه­ بیزی را می­توان این­گونه تعریف کرد : تعدادی گره که نشان­دهنده آن دسته از متغیرهای تصادفی اند که با یکدیگر در تعامل هستند. این برهم­کنش، بوسیله­ی ایجاد ارتباط بین گره­ها بیان می­ شود [۵۳]. شبکه های تصمیم گیری بیزین در اصل به عنوان یک ابزار، برای تجزیه و تحلیل استراتژی های تصمیم ­گیری تحت شرایط نامشخص توسعه داده می­شوند[۱۱۹].
شبکه ­های باور بیزین در زمینه ­های مختلف علوم زیست محیطی در تجزیه و تحلیل دادها مورد استفاده قرار گرفته اند که در زیر به برخی از این موارد اشاره می کنیم :
لندایت^[۶۳] و همکاران به بررسی شبکه ­های باور بیزین در مدل­سازی خدمات اکوسیستم پرداخته و معتقد بودند که استفاده از شبکه های باور بیزین ترجیحاً هنگامی که دانش انسانها بدون ساختار و یا صرفاً براساس روابط تجربی تشکیل شده باشد، بهتر است مورد استفاده قرار می­گیرند. آنان در این مطالعه به توانایی­های این مدل اشاره کرده و بیان کردند که هنوز تمام پتانسیل این مدل در مدل سازی خدمات اکوسیستمی مورد بررسی قرار نگرفته و نیاز به مطالعات بیشتری در این زمینه می باشد[۹۲].
لندایت و همکاران در سال ۲۰۱۴ مطالعه­ ای در مورد تهیه نقشه با بهره گرفتن از مدل شبکه ­های باور بیزین انجام دادند و این مدل را یک تکنیک جدید مدل سازی احتمالاتی دانسته که دارای مزایایی هم چون شفافیت بالای مدل، توانایی آن در ترکیب با دانش تخصصی، انعطاف پذیر بودن، امکان مشارکت بهره برداردان در مدل و محاسبه عدم قطعیت­های موجود می­باشند. آنان مدل­سازی و تهیه نقشه احتمالاتی را برای حمایت از تصمیم ­گیری ، برنامه ریزی و به چالش کشیدن خدمات اکوسیستمی بسیار مفید دانستند [۹۲].
آلدرز( ۲۰۱۱ ) پتانسیل کارایی شبکه ­های باور بیزین را در ارزیابی آسیب­پذیری و خطر خاک­های تورب­دار نسبت به فرسایش در مقیاس های بزرگ آزمایش کرده و قابلیت اجرای شبکه ­های باور بیزین را نامحدود توصیف نمود[۶۱].در زمینه آلودگی­های محیط زیست، شبکه ­های باور بیزین جهت پیش بینی و کمک به مدیریت کیفیت آب و برنامه­ ریزی منابع آبی بکار رفته اند[۱۱۲]. یانگ و همکاران جهت کنترل گرد و غبار ناشی از بیابان­های اطراف پکن از شبکه های باور بیزین استفاده کرد [۱۲۳].گرونولد^[۶۴] در سال ۲۰۰۷ به منظور مطالعه آلودگی باکتریایی آب های سطحی و کمی سازی روابط میان متغیرهای زیست محیطی، رویکردهای مدیریتی منبع و اثرات آن ها بر سلامت انسان، به ایجاد شبکه های باور بیزین پرداخته است، و بدین ترتیب به رویکردهای مناسب مدیریتی دست یافته است[۸۴].آدریانسنس و همکاران^[۶۵] در سال ۲۰۰۹ از BBNs ، جهت پیش بینی وضعیت بی­مهرگان رودخانه استفاده نمودند[۶۲].مدل بیزین آلودگی شهری ناشی از PM10 اتمسفری در سال ۲۰۰۷ توسط کزتینو و همکاران^[۶۶] تهیه شد [۷۰].همچنین، خلیل و مکی^[۶۷] در سال ۲۰۰۷ پس از بررسی مدل های احتمالاتی ارزیابی آلاینده­های شیمیایی از شبکه ­های باور بیزین به عنوان مدل های مناسب پیش بینی کننده آلاینده های شیمیایی یاد کردند[۹۰].نیبرگ^[۶۸] و همکاران استفاده از این مدل­ها را در مدیریت سازگار مورد بررسی قرار دادند [۱۰۶]. همچنین مک کان و همکاران^[۶۹] به مطالعه کلی کاربرد مدل های BBNs در بوم شناسی و منابع طبیعی پرداختند [۱۰۰].مارکوت و همکاران^[۷۰] راهنماهایی برای توسعه و به روز رسانی مدل های BBNs بکار رفته در مدل سازی بوم شناسی و حفاظت ارائه کردند[۹۷].
۲-۴- جمع بندی :
برای پیشگیری و مبارزه با پدیده بیابان­زایی باید مناطق بیابانی شده و یا مناطقی را که با خطر ابتلا به آن روبرو هستند شناسایی کرده و از لحاظ میزان یا شدت بیابان­زایی ارزیابی نمود، لذا برآورد وضع کنونی بیابان زایی و تعیین مهمترین عوامل موثر در ایجاد و توسعه آن جهت جلوگیری از گسترش این پدیده لازم و ضروری به نظر می رسد که تاکنون روش های بسیاری جهت ارزیابی بیابان زایی ارائه شده است که از آن جمله می توان روش فائویونپ (۱۹۸۴) و روش آکادمی علوم ترکمنستان (۱۹۸۵) را ذکر نمود. مدل مدالوس یا ESAs که از جدیدترین روش های ارزیابی بیابان­زایی در سال ۱۹۹۹ توسط کمیسیون اروپا ارائه گردیده و در اکثر کشورهای حاشیه مدیترانه و خاورمیانه انجام گرفته و نتایج مثبتی به دنبال داشته است. در مدالوس اصلی چهار معیار خاک، اقلیم، پوشش گیاهی و مسائل مدیریتی مورد بررسی قرار می­گیرد. هر کدام از این معیارها، خود دارای شاخص­ هایی می باشند که در منطقه مورد ارزیابی قرار گرفته و امتیاز دهی می­شوند. پس از آن، با بهره گرفتن از میانگین هندسی معیارها و ورود اطلاعات به سیستم اطلاعات جغرافیایی، وضعیت فعلی بیابان­زایی در منطقه مشخص شده و نقشه آن ترسیم می گردد . تمامی داده های مورد نیاز در این مدل در سامانه­های اطلاعات جغرافیایی تعریف می­شوند تا محاسبات مورد نیاز با توجه به الگوریتم های تعریف شده برای محاسبه شاخص ­ها و در نهایت نقشه بیابان زایی بر روی آن­ها انجام گیرد. این روش در مناطقی از کشور نیز آزمایش شده و دارای مزایای بیشتری نسبت به روش های مرسوم بوده است. لذا در این تحقیق از روش مدالوس استفاده گردیده ، ضمن آنکه تعدادی از معیارها و شاخص ­ها نیز با توجه به شرایط منطقه مورد مطالعه و طبق نظر کارشناسی اضافه شده ­اند.
با توجه به اینکه در پدیده بیابان‌زایی یک عامل به عنوان عامل بیابان‌زایی نیست، بلکه اثر متقابل عوامل زیادی است که سبب بروز این پدیده می­ شود، بنابرین بایستی تمامی عوامل را با هم در نظر گرفت و اثر متقابل آن را برای ارزیابی بیابان‌زایی در نظر گرفت. همچنین نحوه تاثیرگذاری هر کدام از این عوامل در مناطق مختلف یکسان نمی باشد. به همین دلیل مناطق مختلف در برابر عوامل بیابان‌زایی حساسیت متفاوتی از خود نشان می­ دهند. جهت ارزیابی بیابان‌زایی مدل­های گوناگونی ارائه شده است اما مدل مدالوس و دیگر مدل­های ارزیابی بیابان­زایی در نتایج و اندازه ­گیری­های خود دارای عدم اطمینان بوده ، و این مدل­ها عدم قطعیت­های موجود را در نظر نمی­گیرند.
تاکنون از شبکه‌های باور بیزین در ایران جهت ارزیابی روند بیابان‌زایی استفاده نشده است که لازم است مطالعات گسترده‌ای در این زمینه صورت گیرد. در این مطالعه با بهره گرفتن از شبکه ­های باور بیزین­، مدل مدالوس را به یک مدل پیش بینی کننده تبدیل خواهیم کرد که قابلیت بررسی سناریوهای مختلف مدیریتی را فراهم می سازد. با بهره گرفتن از این مدل می توان به عدم قطعیت­های موجود در نتایج پی برد و با انجام آنالیز حساسیت ، نیز می­توان مهمترین متغیرهای تاثیر­گذار در بیابانی شدن منطقه مورد مطالعه را تعیین نمود.
به عبارت دیگر مدل مدالوس یک مدل علی و معلولی نیست و با ضرب هندسی میان امتیازات معیارهای تعیین شده خطر بیابان­زایی را تعیین می­ کند . در این مطالعه با بهره گرفتن از شبکه های باور بیزین ، مدل مدالوس را به شکل مدل گرافیکی با قابلیت نشان دادن روابط علی و معلولی در می­آوریم که به وسیله آن بتوان سناریوهای مختلف مدیریتی را جهت کنترل بیابان­زایی منظقه مورد مطالعه بررسی نمود.
لذا در این تحقیق ازمدل مدالوس و شبکه ­های باور بیزین جهت ارزیابی وضعیت فعلی بیابان­زایی استفاده گردید.
فصل سوم

معمولا” بعد از گذشت زمان معینی پس از افزودن سوبسترا ، فعالیت آنزیمی توسط مهارکننده های ویژه(اسید سولفوریک ،اسید کلریدریک واسید فسفریک و…) متوقف می گردد.این عمل هنگامی صورت می گیرد که میان شدت رنگ تولید شده و غلظت واکنشگر مورد نظر رابطه خطی برقرار شده باشد. سرعت واکنش نیز خود تحت کنترل غلظت آنزیم ،غلظت سوبسترا و کروموژن ،PH و دمای واکنش قرار دارد.

• • قرائت پلیت

در سیستم های الایزا نتیجه واکنش آنزیمی تولید محصولات رنگی است و با توجه به اینکه یکی از اهداف اصلی سیستم الایزا تعیین مقدار یک واکنشگرمعین است ، می توان نتیجه گرفت که شدت رنگ تولید شده با غلظت واکنشگر مورد نظر ارتباط مستقیم دارد و جهت بررسی سیستم های سوبسترا –آنزیم مورد استفاده از دستگاه های ELISA reader ، که اساس آنها اندازه گیری شدت نور جذب شده توسط محصول رنگی واکنش است بهره گرفته می شود.برای این منظور نور تک رنگی با طول موج معین به محصول تابانده ومیزان جذب آن اندازه گیری می شود.
(( 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. ))

۳-۵-۱-۲- برخی مشکلات در الایزا :
برخی مشکلات شایع در الایزاعبارتند از:

1. 1. جذب پایین که سبب کاهش OD می شود ، در اثر موارد زیر ایجاد می شود:

• • خطا در پیپتاژ کردن یا عدم تقسیم صحیح

• • زمان انکوباسیون نادرست

• • ترکیب نادرست سوبستراها

• • انتخاب فیلتر اشتباه در دستگاه reader (طول موج ۴۵۰ nm برای TMB ،۴۹۰ nm برای OPD و۴۰۵ nm برای ABTS

• • تاریخ مصرف کونژوگه گذشته باشد و یا آلوده شدن عناصر و معرف ها

• • استفاده نادرست از معرف ها

1. 1. جذب بالا که سبب افزایش OD می شود در اثر عوامل زیر ایجاد می شود:

• • خطا در پیپتاژ کردن یا عدم نقسیم صحیح

• • شستشوی نادرست

• • انتخاب فیلتر اشتباه در دستگاه reader (طول موج ۴۵۰ nm برای TMB ،۴۹۰ nm برای OPD و۴۰۵ nm برای ABTS

• • آلودگی در بافرها یا سوبسترا –آنزیم

• • زمان انکوباسیون نادرست

• • تاریخ مصرف کونژوگه گذشته باشد و یا آلوده شدن عناصر و معرف ها

1. 1. اگر همه چاهک ها مثبت خوانده شوند، در اثر موارد زیر ایجاد می شود:

• • آلودگی در بافرها یا سوبسترا –آنزیم

• • خطا در پیپتاژ کردن یا عدم تقسیم صحیح

• • تاریخ مصرف کونژوگه گذشته باشد و یا آلوده شدن عناصر و معرف ها

• • شستشوی ناکافی

1. 1. اگر همه چاهک ها منفی خوانده شوند، در اثر موارد زیر ایجاد می شود:

• • کار مرحله به مرحله صورت نگیرد

• • آلودگی در بافرها یا سوبسترا –آنزیم

• • آلودگی محلول کونژوگه

۳-۶- بررسی پتانسیل PUET-GRA7 و PUET-GRA6 در تشخیص عفونت حاد و مزمن توکسوپلاسموز با روش الایزا
در این تحقیق میزان آنتی بادی تولید شده علیه GRA7 و GRA6 بطور جداگانه در سرم افراد دارای عفونت حاد و مزمن ارزیابی شد ، سپس پتانسیل GRA7 و GRA6 در تشخیص عفونت حاد و مزمن بررسی گردید.
۳-۶-۱- برقراری شرایط الایزا
جهت برقراری شرایط الایزا پارامتر های زیر بررسی گردید و بهترین شرایط برای ایجاد اختلاف بین OD های سرمهای مثبت و منفی انتخاب شد .
پارامترهای بررسی شده عبارتند از :

محبوب ترین و متداول ترین کربودی ایمید برای استفاده در کونژوگه مواد بیولوژیکی EDAC می باشد.به صورت محلول در آب و بدون استفاده از حلال های آلی قابل استفاده است. محلول های اضافی و ایزوواره های تشکیل شده مانند فراورده های واکنشی اتصال نتقاطع که هر دو محلول در آب مب باشند باید توسط دیالیز و ژل فیلتراسیون حذف شوند.این ماده به دلیل ناپایداری در برابر آب ،باید در مکانی خشک و دمای -۳۰ᶜ نگهداری گردد و قبل از استفاده از آن باید در دمای اتاق گرم شود.در محلول های آبی هیدرولیز توسط آب صورت می گیرد که واکنش های رقابتی اصلی می باشد. جدا شدن واسطه ی استری فعال، تشکیل ایزوواره می دهد و کربوکسیل احیا می شود.هیدرولیز استر فعال در PH=4.7 با کربودی ایمید EDAC محلول در آب انجام می گردد.حضور کربوکسیلات ها و آمین ها بر روی مولکول های کونژوگه شده با EDC ممکن است به دلیل پلیمریزاسیون خود به خودی باشد زیرا ماده زمینه می تواند با مولکوهایی از نوع خودش نیز واکنش دهد و محصولی جز هدف خواسته شده ایجاد گردد.برای مثال : هنگامی که پپتید با پروتئین حامل توسط EDC کونژوگه می شود.در این مورد پپتید معمولا هم دارای کربوکسیلات و هم آمین می باشد و در نتیجه، علاوه بر جفت شدن با حامل،پلیمریزاسیون پپتیدی رخ می دهد.برای این نوع از کونژوگه های ایمونوژن، پلیمریزه شدن و استفاده از آن مضر نیست زیرا خود پپتید پلیمریزه شده نیز ایمونوژنیک می باشد ولی در رابطه با کراس لینک های دیگر مطلوب است؛ از تشکیل الیگومر جلوگیری نمود.محیط واکنش بهینه برای کربودی ایمید PH<7.5 می باشد تا محصولات بی ضرر و اصلی تشکیل گردند و معمولا طبق دستورالعمل های مخصوص هر کار با محلول HCL اسیدیته ی خواسته شده را ثابت نگه می دارند.( شاپوری،۱۳۸۶)

( 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. )

۲-۷- کونژوگاسیون به روش آمیداسیون
بسیاری از پلی ساکاریدهای باکتریایی در حالت طبیعی فاقد گروه های شیمیایی فعال مانند گروه های آمینو و یا کربوکسیل هستند و به همین دلیل به طور مستقیم نمی توانند به یک حامل پروتئینی به صورت کوالان متصل شوند.در کونژوگاسیون به روش آمیداسیون که یکی از بهترین روش های موجود برای کونژوگه کردن ترکیبات پلی ساکاریدی به پروتئین می باشد ، از آدپیک اسید دی هیدرازید (Spacer) به عنوان یک مولکول فاصله گذار(ADH) 6 کربنه و ۱- اتیل – ۳(۳- دی متیل آمینو – پروپیل ) کربودیمید ( (EDAC در نقش عامل جفت کننده استفاده میشود. EDAC سبب اتصال کوالان مشتق آدپیک هیدرازید – پلی ساکارید به حامل پروتئینی به صورت پیوند آمیدی بین هیدرازید پلی ساکارید با گروه های کربوکسیل پروتئین می شود. ممکن است واکنش های جانبی دیگری بین گروه های آمین اسید آمینه لیزین و کربوکسیل مجاور در یک مولکول پروتئینی و یا در سایر مولکول های پروتئینی به صورت اتصال متقاطع درون مولکولی صورت پذیرد. کونژوگاسیون با روش آمیداسیون سبب میشود که در چندین محل پلی ساکارید به مولکول حامل متصل شده و این حالت را ساختار مشبک می گویند. . برای تبدیل پلی ساکارید ها به آنتی ژن های باید نوع اتصال هاپتن به مولکول حامل از نوع کوالان باشد. سایر پیوند های محکم و یا غیر کوالان در این راستا موثر نمی باشند.چندین روش برای اتصال پلی ساکارید به پروتئین وجود دارد اما سه روش احیای آمیناسیون ، آمیداسیون و اتریفیکاسیون معمولا بهترین این روش ها محسوب می شوند.( شاپوری،۱۳۸۶)
۲-۸- تهیه کونژوگه ایمونوژن هاپتن^۱ – حامل
ماهیت ایمنی تطبیقی به توانایی یک موجود زنده در واکنش به مواد بیگانه و تولید انتی بادی وواکنش متقابل آنها و حفاظت از میزبان می باشد.یک آنتی ژن یا ایمونوژن ماده ای است که ،توانایی تولید این نوع پاسخ ایمنی را دارد و قادر به واکنش با سلول های تحریک شده علیه آن است.سیستم ایمنی دو نوع پاسخ علیه چالش های ایجاد شده توسط مواد بیگانه را دارد: پاسخ ایمنی سلولی ،که توسط لنفوسیت های T ایجاد می شود و پاسخ ایمنی همورال ،که توسط لنفوسیت های B تولید می گردد.نوعی از لنفوسیت های B که پروتئین های ترشحی به نام آنتی بادی میکنند پلاسماسل نام دارند.کونژوگاسیون پلی ساکارید با پروتئین، پلی ساکارید را از فرم آنتی زن غیر وابسته به سلول T به انتی ژن وابسته به سلول T تبدیل می کند،که سبب القای تیترهای بالای پاسخ ایمنی در حیوانات می شود. آنتی ژن ها معمولا ماکرومولکول هایی هستند که شامل مکان های آنتی ژنی تشخیصی یا اپی توپهای سازمان دهی شده می باشند که با اجزائ سیستم ایمنی واکنش متفابل دارند.آنتی زن ها ممکن است مولکول هایی با ترکیبات آلی مانند : پروتئین ،لیپو پروتئین، RNA،DNA ، پلی ساکاریدها و یا قسنت هایی از ساختارهای سلولی باکتریایی،قارچ یا ویروس باشند. مولکول های کوچکی مانند پپتید های کوتاه که اغلب نمی توانند به تنهایی باعث ایجاد پاسخ ایمنی گردند را هاپتن می گویند.این مولکول ها آنتی ژن های ناقصی هستند که به صورت ترکیب با مولکول حامل مناسب می توانند به عنوان ایمونوژن عمل کند.حامل ها معمولا مولکول هایی با وزن مولکولی بالا هستند. مولکول های هاپتن حاوی آلدهید با وزن مولکول حامل توسط احیای آمیناسیون متصل گردند.
۲-۹- پروتئین های حامل مناسب برای ایجاد کونژوگه های آنتی ژنیک
متداول ترین حامل های مورد استفاده مولکول های بزرگی هستند که ایمنی زایی بالایی ایجاد میکنند و با مولکول های هاپتن پیوند کوالانسی ایجاد میکنند.یکی از مناسب ترین این ها پروتئین ها می باشند ام حامل های دیگری مانند لیپید دو لایه ( لیپوزوم) ،پلیمرهای طبیعی یا مصنوعی ( دکستران، آگارز ) یا مولکول های طراحی شده نیز وجود دارند.اولین مولکول های حامل برای کونژوگاسیون ، پروتئین های ایمونوژن بودند. حامل های پروتوینی به فراوانی حل می شوند و دارای گروه عاملی فراوانی هستند که می توانند کونژوگاسیون با مولکول های هاپتن را تسهیل کنند.متداولترین حامل های پروتوینی که امروزه از آنها استفاده می گردد به شرح زیر می باشند:
KLH ، سرم آلبومین گاوی ( BSA ) ، سرم آلبومین گاوی آمینواتیل دار، تیرو گلبولین، اوآلبومین ( OVA ) و انواع توکسوئیدهای پروتئینی مانند توکسین ها یا توکسین دیفتری ،توکسین یا توکسءید کزاز، موتانت های غیر توکسیک دیفتری CRM-197 ، اگزوتوکسین A سودوموناس ،پنومولیزین استرپتوکوکوس پنومونیه، فیلامنت هماگلوتینین ( FHA ) بوردتلا پرتوسیس، پیلی یا پیلین نایسریا گونوره آ، پیلی یا پیلین نایسریا مننژیتیدیس، OMP نایسریا گونوره آ، پپتیداز CoA استرپتوکوکوس . پروتئین های سطحی مورکسلا کاتارالیس.دیگر پروتئین هایی که گاهی اوقات استفاده می شوند: میوگلوبین، سرم آلبومین خرگوش،مولکول های ایمونوگلوبولین، ( به ویژه IgG ) از سرم موشی یا گاوی ، توبرکولین خالص شده.
۲-۱۰- ادجوانت های مناسب در طراحی واکسن کونژوگه
آلومینیوم فسفات، آلومینیوم هیدروکساید، مونوفسفوریل لیپید A، ۳- دی آسیل مونوقسقوریل لیپید A، QS₂₁ همچنین انواع پاک کنندها : ( تریتون X100 ،زوئترجنت ^۱ و دزوکسیکولات ) در ترکیب با ترکیبات آلومینیومی.در کل پاسخ آنتی بادی ها در حضور کونژوگه ی همراه ادجوانت در واکسن ،افزایش می یابد.
۲-۱۱– سنجش فعالیت باکتری کشی
حساسیت میکروارگانیسم ها به عوامل ضد میکروبی اغلب در آزمایشگاه به وسیله اندازه گیری فعالیت ممانعت از رشد آن ها سنجیده می شود. این سنجش ها، آزمون هایی هستند که همیشه اطلاعات کافی برای تعیین روش درمانی مناسب مبتلایان به عفونت های خاصی مثل اندوکاردیت نمی دهند. علاوه بر آن، عوامل ضد میکروبی خاصی مثل β –Lactam ها، که دارای فعالیت باکتریسیدالی نیز می باشند،نمی توانند برای تمامی ارگانبیسم ها کشندگی داشته باشند. بنابراین، نیاز به روش های آزمایشگاهی جدیدی که بتواند فعالیت باکتری کشی یک عامل ضد میکروبی را تعیین کند، می باشد.
آزمون Serum Bactericidal Assay (SBA)، روش اصلاح شده Broth Dilution می باشد، که فعالیت ضد باکتری سرم یک بیمار را در هنگام مواجهه با باکتری پاتوژن را بررسی می کند. این تست، یکی از تست هایی است که در آزمایشگاه میکروبیولوژی پزشکی در ارتباط با پاتوژن، عامل ضد میکروبی و بیمار می باشد.با این وجود، استفاده از چنینتستی برای بررسی فعالیت باکتری کشی در سرم بیمار به مذت ۴٠ انجام می گیرد وسوالاتی برای نحوه انجام آن، تفسیر و نتایج آن ایجاد شده است.
در میان روش های آزمایشگاهی بررسی فعالیت باکتری کشی سرم بیمار، هیچ کدام به اندازه SBA موثر نبودند. سابقه آزمون های برآورد فعالیت ضد باکتری خون به دوره های قبل از عصر آنتی بیوتیک می رسد. با این وجود، Schlichter و Mac Lean را بنیانگذار روش SBA می دانند. آن ها بر روی خاصیت بازدارندگی رشد سرم مطالعه نمودند، اما نتوانستند ملاک درستی خصوصیت باکتری کشی تعریف کنند. در واقع، Fisher بود که در نهایت روش Schlichter را با پاساژ دادن ل.له هایی که رشد قابل مشاهده در آن ها دیده نمی شد، توانست اصلاح کند. اگر چه، Fisher اذعان داشت، نیاز به تعیین غلظت باکتری کشی سرم می باشد، اما هیچ روش قابل قبولی در دنیا برای Microdilution و Macrodilution در انجام SBA وجود ندارد. شکی نیست که بررسی های مختلف SBA، این تکنیک را از نظر کلینیکی، غیرکاربردی دانسته و بر وجود استانداردسازی این روش تاکید می کند. این تست در هر جایی می تواند انجام گیرد، اما از یک آزمایشگاه به آزمایشگاه دیگر، نحوه اجرای این تکنیک، به دلیل بررسی متغیر های متنوع، متفاوت خواهد بود.
جهت اهداف کلینیکی، نسخه های متعدد و تغییر در نحوه اجرای تست می تواند تعداد زیادی از متغیر ها را از مطالعات حذف کند. بنابراین، کمیته ملی استاندارد های آزمایشگاه های پزشکی آمریکا دستور العمل هایی را برای انجام SBA و مطالعات بررسی باکتری کشی به چاپ رسانده است. این دستور العمل ها ابعاد مختلف SBA و پژوهش های باکتری کشی را بیان کرده و بر لزوم استانداردسازی این روش ها تاکید می کند. پس از استانداردسازی، امکان انجام مطالعات پیچیده کلینیکی فراهم می شود.
با وجود این که در In Vitro بررسی خاصیت کشندگی یک عامل ضد میکروبی بسیار جذاب به نظر می رسد، اما عواملی وجود دارند در این بررسی های آزمایشگاهی می توانند تداخل ایجاد کنند. این فاکتور ها هم بیولوژیک، و هم تکنیکی هستند.
از عوامل بیولوژیک می توان، وجود باکتری های مقاوم، اثر متناقض (Paradoxal Effect)، تولرانس باکتری در برابر ماده ضد میکروبی و انتشار عامل مقاومت را نام برد.
از عوامل تکنیکی می توان، فاز رشد کشت تلقیح شده، مقدار کشت، عدم تماس کافی بین دارو و میکروارگانیسم، حجم نهایی باکتری پس از فعالیت باکتری کشی و انتخاب محیط کشت مناسب را نام برد.
مراحل انجام روش SBA به ترتیب تهیه سرم بیمار، تهیه رقت و ساخت محیط کشت، تلقیح سرم بیمار در محیط کشت ، انکوباسیون، تعیین میزان باکتری کشی سرم، کنترل کیفی می باشد.
از این روش می توان در جهت تشخیص، هم چنین بررسی میزان ایمنی زایی واکسن ها در عفونت های Streptococccus pneumonia، Vibrio cholera، Haemophilus influenza ،Neissria meningitidis، Brucella abotus و … پرداخت.
فصل سوم
مواد
و
روش ها
۳-۱-۱ مواد و وسایل لازم
۱- سویه استاندارد هموفیلوس آنفلوآنزا تیپ b
۲- انکوباتور
۳- هود میکروبی- هود کشت استریل
۴- اتوکلاو
۵- پمپ و دستگاه تقسیم
۶- سانتریفوژ یخچالدار(HeHich)
۷- لام
۸- بن ماری شیکردار
۹- یخچال ۴۰C
۱۰- فریزر
۱۱- لوله آزمایش
۱۲- ارلن
۱۳- مزور
۱۴- ظروف ۱ لیتری سانتریفوژ
۱۵- بشر
۱۶- سمپلرو سرسمپلر
۱۷- پیپت
۱۸- پیپت پاستور
۱۹- پلیت شیشه ای و پلاستیکی
۲۰- سرنگ ۵ cc و cc 2
۲۱- دستکش لاتکس
۲۲- ماسک
۲۳- پارافیلم
۲۴- چسب اتوکلاو
۲۵- فویل آلومینیومی
۲۶- یخ
۲۷- لوله شیشه ای سانتریفوژ
۲۸- کیسه دیالیز با Cut off: 10.000

نتایج توزیع خسارت در طبقات قاب ۸ طبقه تحت رکوردهای حوزه نزدیک در حالت بدون میراگر
نتایج توزیع خسارت در طبقات قاب ۸ طبقه تحت رکوردهای حوزه نزدیک در حالت با میراگر
۴-۷-۳ قاب ۱۲ طبقه
در اشکال (۴-۶۳) الی (۴-۶۶)، مقادیر شاخص خسارت مربوط به طبقات قاب ۱۲ طبقه، به ترتیب تحت رکوردهای حوزه دور و نزدیک در حالات بدون میراگر و با میراگر نشان داده‌شده است. همانطور که از نمودارها مشاهده می­ شود بیشترین مقدار خسارت تحت زلزله‌های حوزه دور و نزدیک، به ترتیب مربوط به زمین‌لرزه‌های لوماپریتا و لندرز می­باشد که در طبقات ۲ تا ۱۱حاصل می­ شود. با افزودن میراگر به طبقات، مشاهده می­ شود که از مقادیر شاخص خسارت به‌اندازه زیادی کاسته می­ شود. همچنین با مقایسه زلزله­های حوزه دور و نزدیک مشاهده می­ شود که قاب­ها تحت زلزله­های حوزه نزدیک، خسارت بیشتری نسبت به زلزله­های حوزه دور متحمل شدند.
نتایج توزیع خسارت در طبقات قاب ۱۲ طبقه تحت رکوردهای حوزه دور در حالت بدون میراگر
نتایج توزیع خسارت در طبقات قاب ۱۲ طبقه تحت رکوردهای حوزه دور در حالت با میراگر
نتایج توزیع خسارت در طبقات قاب ۱۲ طبقه تحت رکوردهای حوزه نزدیک در حالت بدون میراگر
نتایج توزیع خسارت در طبقات قاب ۱۲ طبقه تحت رکوردهای حوزه نزدیک در حالت با میراگر
۴-۷-۴ نتایج میانگین شاخص خسارت طبقات در قاب­ها
در اشکال (۴-۶۷) تا (۴-۶۹) میانگین شاخص خسارت طبقات برای قاب­های موردبررسی، تحت هفت زلزله دور و هفت زلزله نزدیک قبل و بعد از مقاوم‌سازی نشان داده‌شده است تا پس از افزودن میراگر به قاب­ها، مقایسه‌ای کلی از کاهش مقادیر شاخص خسارت تحت حوزه دور و نزدیک صورت پذیرد. لازم به ذکر است نمودارهایی که عنوان VED (ViscoElastic Damper) را با خود همراه دارد، نتایج پس از افزودن میراگر ویسکوالاستیک به سازه را نشان می­دهد.

(( 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. ))

همانطور که از نمودارهای شکل (۴-۶۷) الی(۴-۶۹) که به ترتیب مربوط به قاب­های ۴، ۸ و ۱۲ طبقه می­باشد مشاهده می­ شود قاب­ها تحت زلزله­های حوزه نزدیک در مقایسه با زلزله­های حوزه دور خسارت بیشتری متحمل می­شوند. با افزودن میراگر در همه طبقات مشاهده می­ شود که به‌طور میانگین شاخص خسارت طبقات به ترتیب در قاب­های ۴، ۸ و ۱۲طبقه برای زلزله­های حوزه دور ۵۸%، ۵۷% و ۶۲% کاهش و برای زلزله­های حوزه نزدیک ۶۶%، ۷۶% و ۸۳% کاهش داشته است. نتیجه می­ شود که میراگرهای ویسکوالاستیک تأثیر خوبی در کاهش خسارت وارد بر قاب­ها داشته و این تأثیر در ساختمان­های با تعداد طبقات بالاتر، بیشتر بوده است و به‌طورکلی از میان سه قاب موردبررسی، تأثیر این میراگر در کاهش تغییر مکان قاب ۱۲ طبقه بیشتر از بقیه بوده است.

نتایج میانگین توزیع خسارت در قاب ۴ طبقه تحت رکوردهای حوزه دور و نزدیک

نتایج میانگین توزیع خسارت در قاب ۸ طبقه تحت رکوردهای حوزه دور و نزدیک

نتایج میانگین توزیع خسارت در قاب ۱۲ طبقه تحت رکوردهای حوزه دور و نزدیک

بررسی شاخص خسارت کل سازه در قاب­های موردبررسی
مقادیر شاخص خسارت کل سازه برای میانگین زمین­لرزه­های حوزه دور و نزدیک، برای حالات با میراگر و بدون میراگر به‌صورت نمودارهای میله­ای در شکل (۴-۷۰) نشان داده‌شده است. لازم به ذکر است نمودارهایی که عنوان VED (ViscoElastic Damper) را با خود همراه دارد، نتایج پس از افزودن میراگر ویسکوالاستیک به سازه را نشان می­دهد.
پارک و انگ شاخص خسارت ۴/۰ را به‌عنوان خسارت شدید تعیین نمودند[۲۲]. البته لازم به ذکر است که اگر شاخص کل کمتر از ۴/۰ باشد، ممکن است شاخص خسارت کل تحت زلزله­ای خاص و یا شاخص خسارت محلی در عضوهای سازه­ای بالاتر از این مقدار باشد. این مؤید این مطلب است که عضو موردنظر خسارت شدیدی دیده است. همانطور که از نمودارها مشاهده می­ شود، خسارت قاب­ها تحت زلزله­های حوزه نزدیک بیشتر از زلزله­های حوزه دور بوده است و با افزایش تعداد طبقات در قاب­ها مقدار خسارت نیز بیشتر می­ شود. با بررسی و مقایسه مقادیر شاخص خسارت در زلزله­های حوزه دور و نزدیک مشاهده می­ شود که قاب ۴ طبقه تحت حوزه نزدیک خسارت ۲۵/۰ را تجربه نموده که بیان‌کننده خسارت متوسط در تعریف پارک – انگ می­باشد ولی قاب ۸ و ۱۲ طبقه تحت زلزله­های حوزه نزدیک خسارت بالای ۴/۰ را تجربه نمودند که بیان‌کننده خسارت شدیدی است. با تقویت قاب­ها به‌وسیله میراگر ویسکوالاستیک، مشاهده می­ شود که شاخص خسارت قاب­های ۸ و ۱۲ طبقه به حدود ۱/۰ می‌رسد که کاهش چشمگیری در میزان خسارت قاب­ها محسوب می­ شود. با افزودن میراگر به قاب­های موردبررسی تحت زلزله­های حوزه دور و نزدیک نتیجه می­ شود که مقدار شاخص خسارت برای قاب‌های ۴، ۸ و ۱۲ طبقه تحت زلزله‌های حوزه دور به ترتیب ۶۰%، ۵۴% و ۶۳% کاهش و تحت زلزله­های حوزه نزدیک به ترتیب ۶۶%، ۷۷% و ۸۳% کاهش می­یابد. بنابراین تأثیر میراگرهای ویسکوالاستیک بر کاهش خسارت قاب­های با ارتفاع زیاد بیشتر بوده است. همچنین تحت زلزله­های حوزه نزدیک عملکرد خوبی در کاهش خسارت نشان می­دهد.
نتایج میانگین خسارت کلی در قاب­های موردبررسی تحت رکوردهای حوزه دور و نزدیک
بررسی برش پایه در سازه
نتایج مربوط به برش پایه قاب­های موردبررسی تحت زلزله­های حوزه دور و نزدیک و در حالات با میراگر و بدون میراگر در اشکال (۴-۷۱) الی (۴-۷۶) نشان داده‌شده است. همان­طور که از نمودارها دیده می­ شود در میان زلزله­های حوزه دور، زلزله لوماپریتا و در میان زلزله­های حوزه نزدیک، زلزله لندرز بیشترین برش پایه را به سازه وارد می­ کنند. با مقایسه مقادیر مربوط به حوزه دور و نزدیک مشاهده می­ شود که قاب­ها تحت زلزله­های حوزه نزدیک برش پایه بیشتری دارند. همچنین پس از مجهز نمودن قاب­ها به میراگر ویسکوالاستیک مقادیر برش پایه کاهش می­یابد که با کنترل مقدار مجاز مطابق با استاندارد ۲۸۰۰ – ویرایش سوم [۴۵]، همه مقادیر در محدوده مجاز آیین‌نامه قرار داشته و از حد مجاز آیین‌نامه که برابر است، کمتر نشده است.
۴-۹-۱ قاب ۴ طبقه
در اشکال (۴-۷۱) و (۴-۷۲) نتایج مربوط به برش پایه قاب ۴ طبقه، به ترتیب تحت زلزله­های حوزه دور و نزدیک برای حالات با میراگر و بدون میراگر نشان داده‌شده است.
برش پایه قاب ۴طبقه تحت رکوردهای حوزه دور در دو حالت با و بدون میراگر (تن)
برش پایه قاب­ ۴طبقه تحت رکوردهای حوزه نزدیک در دو حالت با و بدون میراگر (تن)
۴-۹-۲ قاب ۸ طبقه
در اشکال (۴-۷۳) و (۴-۷۴) نتایج مربوط به برش پایه قاب ۸ طبقه، به ترتیب تحت زلزله­های حوزه دور و نزدیک برای حالات با میراگر و بدون میراگر نشان داده‌شده است.
برش پایه قاب ۸ طبقه تحت رکوردهای حوزه دور در دو حالت با و بدون میراگر (تن)
برش پایه قاب­ ۸ طبقه تحت رکوردهای حوزه نزدیک در دو حالت با و بدون میراگر (تن)
۴-۹-۳ قاب ۱۲ طبقه
در اشکال (۴-۵۳) و (۴-۷۶) نتایج مربوط به برش پایه قاب ۱۲ طبقه، به ترتیب تحت زلزله­های حوزه دور و نزدیک برای حالات با میراگر و بدون میراگر نشان داده‌شده است.
برش پایه قاب ۱۲ طبقه تحت رکوردهای حوزه دور در دو حالت با و بدون میراگر (تن)
برش پایه قاب­ ۱۲ طبقه تحت رکوردهای حوزه نزدیک در دو حالت با و بدون میراگر (تن)
۴-۹-۴ نتایج میانگین برش پایه قاب­های موردبررسی
مقادیر برش پایه سازه برای میانگین زمین­لرزه­های حوزه دور و نزدیک، برای حالات با میراگر و بدون میراگر به‌صورت نمودارهای میله­ای در شکل (۴-۷۷) نشان داده‌شده است. لازم به ذکر است نمودارهایی که عنوان VED (ViscoElastic Damper) را با خود همراه دارد، نتایج پس از افزودن میراگر ویسکوالاستیک به سازه را نشان می­دهد.
با مقایسه زلزله­های حوزه دور و نزدیک مشاهده می­ شود که مقادیر برش پایه تحت زلزله­های حوزه نزدیک، بیشتر از زلزله­های حوزه دور می­باشد. همچنین با مقایسه ارتفاع قاب­ها نتیجه می­ شود که با افزایش ارتفاع قاب­ها، مقادیر برش پایه نیز افزایش می­یابد. نتایج برش پایه پس از افزودن میراگر به قاب­ها موردبررسی قرار گرفته است همانطور که از نمودارها مشاهده می­ شود این مقادیر کاهش می­یابد بطوریکه با افزودن میراگر به قاب­های موردبررسی تحت زلزله­های حوزه دور و نزدیک نتیجه می­ شود که مقدار برش پایه برای قاب‌های ۴، ۸ و ۱۲ طبقه تحت زلزله‌های حوزه دور به ترتیب ۴۲%، ۲۷% و ۴۰% کاهش و تحت زلزله­های حوزه نزدیک به ترتیب ۵۲%، ۴۵% و ۵۸% کاهش می­یابد.
میانگین برش پایه قاب­­های موردبررسی، تحت رکوردهای حوزه دور و نزدیک در دو حالت با و بدون میراگر (تن)
بررسی جابجایی بام در سازه
حداکثر جابجایی بام برحسب سانتی­متر، به ترتیب تحت زلزله­های حوزه دور و نزدیک در حالات با میراگر و بدون میراگر در جدول‌های (۴-۲) و (۴-۳) نشان داده‌شده است. با مقایسه زلزله­های حوزه دور و نزدیک نتیجه می­ شود که مقادیر جابجایی بام تحت زلزله­های حوزه نزدیک بیشتر از حوزه دور است. همچنین با افزایش ارتفاع سازه، مقادیر برش پایه افزایش می­یابد. با افزودن میراگر به طبقات سازه، از مقادیر برش پایه به میزان زیادی کاسته می­ شود. بطوریکه برای قاب‌های ۴، ۸ و ۱۲ طبقه تحت زلزله‌های حوزه دور به ترتیب ۵۴%، ۴۵% و ۴۸% کاهش و تحت زلزله­های حوزه نزدیک به ترتیب ۵۵%، ۶۸% و ۶۴% کاهش دیده می­ شود.
مقادیر جابجایی بام برحسب سانتی‌متر برای رکوردهای حوزه دور