*306

تاریخ اتمام پایان نامه : 28/6/91
استاد /استادان راهنما : دکتر مصطفی عسکریان استاد /استادان مشاور : دکتر امیرحسین محمودی
چکیده پایان نامه :
پژوهش حاضر تحت عنوان عوامل موثر بر شکل گیری هویت ایرانی اسلامی دانش آموزان دوره ابتدایی از دیدگاه معاونین پرورشی شهر تهران با هدف بررسی تاثیر والدین ، نظام آموزشی ، وسایل ارتباط جمعی ، همسالان و انواع بازیها انجام گرفته است جامعه آماری این پژوهش شامل1077 نفر خانم و آقا معاون پرورشی شهر تهران می باشد که ازمیان این جامعه آماری با استفاده از جدول کرجسی و مورگان با روش نمونه گیری خوشه ای تصادفی حجم نمونه میزان 285 نفر انتخاب گردیده است .جهت جمع آوری داده ها ازپرسشنامه محقق ساخته در دوبخش الف هویت ایرانی و ب هویت اسلامی استفاده شده است که به وسیله استاد راهنما و مشاورو کارشناسان و خبرگان اعتباریابی شده و سپس پایائی آن با اجرای مقدماتی ، از طریق آلفای کرونباخ برای بخش هویت ایرانی 96. وبرای بخش هویت اسلامی 93.وبرای کل پرسشنامه در مجموع 96.بدست آمده است .
پس از جمع آوری داده های حاصل از پرسشنامه به منظور آزمون فرضیه تحقیق و به علت نا پارامتریک بودن داده ها علاوه بر آمارتوصیفی از آمار استنباطی ناپارامتریک خی دو (نیکویی برازش ) استفاده شده است .
نتایج حاصل از تجزیه و تحلیل یافته های تحقیق نشان میدهد که فرض اصلی تحقیق موردتایید می باشد ،و عوامل والدین ، نظام آموزشی ، وسایل ارتباط جمعی ، گروه همسالان و بازیها در شکل گیری هویت ایرانی اسلامی دانش آموزان ابتدائی تاثیر گذار است .
کلمات کلیدی : هویت ،هویت ایرانی – اسلامی ، شکل گیری ،عوامل موثر
نظراستادراهنما برای چاپ در پژوهش نامه دانشگاه مناسب است تاریخ وامضاء
مناسب نیست

فهرست مطالب
عنوانصفحه
TOC o "1-4" u چکیده PAGEREF _Toc422576483 h 1
فصل اول:کلیات تحقیق
1-1 ) مقدمه PAGEREF _Toc422576486 h 3
1-2 ) بیان مساله تحقیق PAGEREF _Toc422576487 h 4
1-3 ) اهمیت موضوع تحقیق و انگیزه انتخاب آن PAGEREF _Toc422576488 h 5
1-4 ) هدف کلی تحقیق PAGEREF _Toc422576489 h 7
1-5 ) اهداف جزیی تحقیق PAGEREF _Toc422576490 h 8
1-6 ) فرضیه اصلی PAGEREF _Toc422576491 h 9
1-7 ) فرضیه های فرعی PAGEREF _Toc422576492 h 9
1-8 ) تعاریف مفهومی متغیرهای تحقیق PAGEREF _Toc422576493 h 10
1-9 ) تعاریف عملیاتی PAGEREF _Toc422576494 h 14
فصل دوم :ادبیات و مبانی نظری تحقیق( سابقه موضوع تحقیق )
2-1) مقدمه PAGEREF _Toc422576498 h 19
بخش اول : ادبیات تحقیق PAGEREF _Toc422576499 h 20
2-2) مفهوم لغوی هویت PAGEREF _Toc422576500 h 20
2-3) هویت در علوم مختلف PAGEREF _Toc422576501 h 21
2-4) مراتب هویت PAGEREF _Toc422576504 h 25
2-4-1 ) هویت فردی PAGEREF _Toc422576505 h 25
2-4-2 ) هویت جمعی ( اجتماعی ) PAGEREF _Toc422576506 h 27
2-5 ) رویکردها در نظریه پردازی هویت PAGEREF _Toc422576507 h 28
2-5-1 ) رویکرد کلاسیک PAGEREF _Toc422576508 h 28
2-5-2 ) رویکرد مدرن PAGEREF _Toc422576509 h 29
2-5-3 ) رویکرد پسامدرن PAGEREF _Toc422576510 h 31
2-6 )نظریه های مربوط به هویت در جامعه شناسی PAGEREF _Toc422576511 h 32
2-6-1 ) دیدگاه کنش متقابل نمادین PAGEREF _Toc422576512 h 32
2-6-2 ) نظریه تعامل گرایان ساختی PAGEREF _Toc422576513 h 32
2-6-3 ) نظریه تعامل گرایان فرایندی PAGEREF _Toc422576514 h 33
2-6-4 ) نظریه هویت PAGEREF _Toc422576515 h 34
2-6-4-1 )نظریه هویت استرایکر PAGEREF _Toc422576516 h 34
2-6-4-2 )نظریه هویت مک کال و سیمونز PAGEREF _Toc422576517 h 36
2-6-4-3 )نظریه هویت پیتر بورک (نظریه کنترل هویت ) PAGEREF _Toc422576518 h 37
2-7)نظریه های مربوط به هویت در روان شناسی PAGEREF _Toc422576519 h 39
2-7-1 ) نظریه هویت اجتماعی PAGEREF _Toc422576520 h 39
2-7-2 ) نظریه دسته بندی خود PAGEREF _Toc422576521 h 40
2-7-3 )نظریه تربیت PAGEREF _Toc422576522 h 41
2-7-4 ) نظریه ساختاری هویت PAGEREF _Toc422576523 h 42
2-8 ) مفهوم هویت در ایران PAGEREF _Toc422576524 h 43
2-8-1 ) رویکرد هستی شناسانه هویت PAGEREF _Toc422576525 h 43
2-8-2 ) رویکردجامعه شناسانه هویت و گرایش های آن PAGEREF _Toc422576526 h 44
2-8-2-1 ) گرایش باستان گرای هویت PAGEREF _Toc422576527 h 45
2-8-2-2) گرایش غنیمت گرای هویت وقرائت های آن PAGEREF _Toc422576528 h 45
2-8-2-2-1 ) قرائت تلفیقی دو مولفه ای PAGEREF _Toc422576529 h 46
2-8-2-2-2 ) قرائت های تلفیقی سه مولفه ای PAGEREF _Toc422576530 h 46
2-8-3 ) رویکرد تحول گرای هویت و گرایش های آن PAGEREF _Toc422576531 h 47
2-9 )هویت ملی PAGEREF _Toc422576532 h 50
2-9-1 ) تعریف هویت ملی PAGEREF _Toc422576533 h 52
2-10 ) هویت ایرانی PAGEREF _Toc422576534 h 53
2-11) هویت دینی PAGEREF _Toc422576535 h 60
2-11-1) تعریف هویت دینی PAGEREF _Toc422576536 h 62
2-12) هویت اسلامی PAGEREF _Toc422576537 h 62
2-13 ) مولفه های هویت ایرانی – اسلامی در این تحقیق PAGEREF _Toc422576538 h 72
2-13-1 ) هویت اسلامی در تحقیق حاضر PAGEREF _Toc422576539 h 74
2-13-1-1 ) اصول دین PAGEREF _Toc422576540 h 74
2-13-1- 2 )شناخت فروع دین PAGEREF _Toc422576541 h 76
2-13-1-3 ) محرّمات در اسلام PAGEREF _Toc422576542 h 78
2-13-1-4 ) علاقمندی به سفارشات PAGEREF _Toc422576543 h 79
2-13-1-5 ) آشنایی با تاریخ و اساطیر PAGEREF _Toc422576544 h 79
.2-14-2 )هویت ایرانی در تحقیق حاضر PAGEREF _Toc422576545 h 80
2-14-2-1 )تاریخ و اساطیر ایران PAGEREF _Toc422576546 h 80
2-14-2-2 )مهربانی و صلح دوستی ایرانی PAGEREF _Toc422576547 h 81
2-14-2-3 )زبان و ادبیات فارسی PAGEREF _Toc422576548 h 82
2-14-2-4 ) علاقمندی به علم و دانش PAGEREF _Toc422576549 h 83
2-14-2-5 ) غرور ایرانی PAGEREF _Toc422576550 h 84
2-15 )عوامل موثر بر شکل گیری هویت PAGEREF _Toc422576551 h 85
2-15-1 ) عوامل موثر بر شکل گیری هویت در تحقیق حاضر PAGEREF _Toc422576552 h 87
2-15-1-1 ) خانواده(والدین ) PAGEREF _Toc422576553 h 87
2-15-1-2 )نظام آموزشی PAGEREF _Toc422576554 h 91
2-15-1-3 )وسایل ارتباط جمعی PAGEREF _Toc422576555 h 93
2-15-1-4 ) گروه همسالان PAGEREF _Toc422576556 h 95
2-15 -1-5 ) انواع بازیها PAGEREF _Toc422576557 h 96
2-16 ) پیشیبنه تحقیق PAGEREF _Toc422576558 h 100
2-16-1 ) تحقیقات خارجی PAGEREF _Toc422576559 h 100
2-16-2 ) تحقیقات داخلی PAGEREF _Toc422576560 h 102
2-17 ) مدل نظری تحقیق PAGEREF _Toc422576561 h 106
فصل سوم:روش اجرای تحقیق
3-1 ) روش تحقیق PAGEREF _Toc422576567 h 109
3-2 ) روشهای جمع آوری اطلاعات PAGEREF _Toc422576569 h 109
3-3 ) جامعه آماری PAGEREF _Toc422576570 h 109
3-4 ) نمونه آماری PAGEREF _Toc422576572 h 110
3-4-1 ) روش تعیین نمونه PAGEREF _Toc422576573 h 111
3-5 ) ابزار جمع آوری اطلاعات PAGEREF _Toc422576575 h 111
3-5-1 ) چگونگی نمره گذاری پرسشنامه PAGEREF _Toc422576576 h 113
3-5-2 ) سنجش پایایی PAGEREF _Toc422576577 h 113
3-5-3 ) سنجش اعتبار(روایی ) PAGEREF _Toc422576578 h 114
3-6 ) روشهای تجزیه و تحلیل داده ها PAGEREF _Toc422576579 h 114
فصل چهارم:توصیف آماری داده هاواستنباط آماری آنها
4-1 مقدمه PAGEREF _Toc422576584 h 117
4-2 اطلاعات جمعیت شناختی PAGEREF _Toc422576585 h 117
فصل پنجم :نتیجه گیری و پیشنهادها
5-1) مقدمه PAGEREF _Toc422576878 h 278
5-2 ) خلاصه پژوهش و نتیجه گیری PAGEREF _Toc422576879 h 278
5-3 ) بررسی فرضیه های تحقیق PAGEREF _Toc422576880 h 279
5-3-1) بررسی فرضیه اصلی تحقیق PAGEREF _Toc422576881 h 279
5-3-2) بررسی فرضیه های فرعی PAGEREF _Toc422576882 h 280
5-3-3 ) یافته های جانبی تحقیق PAGEREF _Toc422576883 h 290
5-4 ) محدودیت ها PAGEREF _Toc422576884 h 291
5-4-1 )محدودیت های در اختیار پژوهشگر PAGEREF _Toc422576885 h 291
5-4-2 )محدودیت های خارج از کنترل پژوهشگر PAGEREF _Toc422576886 h 292
4-3 یافته های توصیفی مربوط به سوالات بخش هویت ایرانی پرسشنامه PAGEREF _Toc422576596 h 123
4-4 یافته های توصیفی مربوط به سوالات بخش هویت اسلامی پرسشنامه PAGEREF _Toc422576705 h 178
4-4 یافته های مربوط به فرضیه های تحقیق PAGEREF _Toc422576816 h 233
4-5 یافته های جانبی تحقیق PAGEREF _Toc422576861 h 261
4-5-1 مقایسه بین نظرات دو گروه جنسی PAGEREF _Toc422576862 h 262
4-5-2 مقایسه بین نظرات دو گروه مدارس دخترانه و پسرانه PAGEREF _Toc422576865 h 264
4-5-3 مقایسه بین نظرات گروههای مختلف تحصیلی PAGEREF _Toc422576868 h 266
4-5-4 مقایسه بین نظرات گروههای مختلف از نظر سابقه PAGEREF _Toc422576870 h 269
4-5-5 مقایسه بین نظرات گروه های مختلف از نظر سابقه در پست حاضر PAGEREF _Toc422576873 h 273
5-5-1) پیشنهادهایی مبتنی بر یافته های تحقیق PAGEREF _Toc422576887 h 292
منابع و ماخذ PAGEREF _Toc422576888 h 294
ضمائم PAGEREF _Toc422576889 h 304

فهرست جدول ها
عنوانصفحه
جدول 3-1 ) توزیع جامع آماری PAGEREF _Toc422576571 h 110
جدول 3-2) جدول توزیع نمونه انتخابی PAGEREF _Toc422576574 h 111
جدول 3-3 ) ترتیب عوامل بر اساس نمره میانگین PAGEREF _Toc422576580 h 115
جدول شماره 4-1 توزیع افراد مورد بررسی بر حسب سطح تحصیلات PAGEREF _Toc422576586 h 118
جدول شماره 4-2 توزیع فراوانی افراد مورد بررسی بر حسب سابقه کار PAGEREF _Toc422576588 h 119
جدول شماره 4-3 توزیع فراوانی افراد مورد بررسی بر حسب سابقه کار در سمت PAGEREF _Toc422576590 h 120
جدول شماره 4-4 توزیع فراوانی افراد مورد بررسی بر حسب جنسیت PAGEREF _Toc422576592 h 121
جدول شماره 4-5 توزیع افراد مورد بررسی بر حسب مدرسه محل کار PAGEREF _Toc422576594 h 122
جدول شماره 4-6 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال اول PAGEREF _Toc422576597 h 123
جدول شماره 4-7 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال دوم PAGEREF _Toc422576599 h 124
جدول شماره 4-8 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال سوم PAGEREF _Toc422576601 h 125
جدول شماره 4-9 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهارم PAGEREF _Toc422576603 h 126
جدول شماره 4-10 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال پنجم PAGEREF _Toc422576605 h 127
جدول شماره 4-11 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال ششم PAGEREF _Toc422576607 h 128
جدول شماره 4-12 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال هفتم PAGEREF _Toc422576609 h 129
جدول شماره 4-13 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال هشتم PAGEREF _Toc422576611 h 130
جدول شماره 4-14 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال نهم PAGEREF _Toc422576613 h 131
جدول شماره 4-16 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال یازدهم PAGEREF _Toc422576616 h 133
جدول شماره 4-17 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال دوازدهم PAGEREF _Toc422576618 h 134
جدول شماره 4-18 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال سیزدهم PAGEREF _Toc422576619 h 135
جدول شماره 4-19 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهاردهم PAGEREF _Toc422576621 h 136
جدول شماره 4-20 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال پانزدهم PAGEREF _Toc422576623 h 137
جدول شماره 4-21 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال شانزدهم PAGEREF _Toc422576625 h 138
جدول شماره 4-22 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال هفدهم PAGEREF _Toc422576627 h 139
جدول شماره 4-23 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال هجدهم PAGEREF _Toc422576629 h 140
جدول شماره 4-24 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال نوزدهم PAGEREF _Toc422576631 h 141
جدول شماره 4-25 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیستم PAGEREF _Toc422576633 h 142
جدول شماره 4-26 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و یکم PAGEREF _Toc422576635 h 143
جدول شماره 4-27 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و دوم PAGEREF _Toc422576637 h 144
جدول شماره 4-28 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و سوم PAGEREF _Toc422576639 h 145
جدول شماره 4-29 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و چهارم PAGEREF _Toc422576641 h 146
جدول شماره 4-30 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و پنجم PAGEREF _Toc422576643 h 147
جدول شماره 4-31 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و ششم PAGEREF _Toc422576645 h 148
جدول شماره 4-32 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و هفتم PAGEREF _Toc422576647 h 149
جدول شماره 4-33 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و هشتم PAGEREF _Toc422576649 h 150
جدول شماره 4-34 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و نهم PAGEREF _Toc422576651 h 151
جدول شماره 4-35 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی ام PAGEREF _Toc422576653 h 152
جدول شماره 4-36 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و یکم PAGEREF _Toc422576655 h 153
جدول شماره 4-37 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و دوم PAGEREF _Toc422576657 h 154
جدول شماره 4-38 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و سوم PAGEREF _Toc422576659 h 155
جدول شماره 4-39 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و چهارم PAGEREF _Toc422576661 h 156
جدول شماره 4-40 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و پنجم PAGEREF _Toc422576663 h 157
جدول شماره 4-41 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و ششم PAGEREF _Toc422576665 h 158
جدول شماره 4-42 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و هفتم PAGEREF _Toc422576667 h 159
جدول شماره 4-43 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و هشتم PAGEREF _Toc422576669 h 160
جدول شماره 4-44 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و نهم PAGEREF _Toc422576671 h 161
جدول شماره 4-45 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهلم PAGEREF _Toc422576673 h 162
جدول شماره 4-46 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و یکم PAGEREF _Toc422576675 h 163
جدول شماره 4-47 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و دوم PAGEREF _Toc422576677 h 164
جدول شماره 4-48 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و سوم PAGEREF _Toc422576679 h 165
جدول شماره 4-49 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و چهارم PAGEREF _Toc422576681 h 166
جدول شماره 4-50 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و پنجم PAGEREF _Toc422576683 h 167
جدول شماره 4-51 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و ششم PAGEREF _Toc422576685 h 168
جدول شماره 4-52 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و هفتم PAGEREF _Toc422576687 h 169
جدول شماره 4-53 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و هشتم PAGEREF _Toc422576689 h 170
جدول شماره 4-54 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و نهم PAGEREF _Toc422576691 h 171
جدول شماره 4-55 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال پنجاه ام PAGEREF _Toc422576693 h 172
جدول شماره 4-56 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال پنجاه و یکم PAGEREF _Toc422576695 h 173
جدول شماره 4-57 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال پنجاه و دوم PAGEREF _Toc422576697 h 174
جدول شماره 4-58 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال پنجاه و سوم PAGEREF _Toc422576699 h 175
جدول شماره 4-59 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال پنجاه و چهارم PAGEREF _Toc422576701 h 176
جدول شماره 4-60 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال پنجاه و پنجم PAGEREF _Toc422576703 h 177
جدول شماره 4-61 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال اول PAGEREF _Toc422576706 h 178
جدول شماره 4-63 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال دوم PAGEREF _Toc422576708 h 179
جدول شماره 4-64 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال سوم PAGEREF _Toc422576710 h 180
جدول شماره 4-65 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهارم PAGEREF _Toc422576712 h 181
جدول شماره 4-66 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال پنجم PAGEREF _Toc422576714 h 182
جدول شماره 4-67 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال ششم PAGEREF _Toc422576716 h 183
جدول شماره 4-68 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال هفتم PAGEREF _Toc422576718 h 184
جدول شماره 4-69 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال هشتم PAGEREF _Toc422576720 h 185
جدول شماره 4-70 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال نهم PAGEREF _Toc422576722 h 186
جدول شماره 4-71 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال دهم PAGEREF _Toc422576724 h 187
جدول شماره 4-72 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال یازدهم PAGEREF _Toc422576726 h 188
جدول شماره 4-73 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال دوازدهم PAGEREF _Toc422576728 h 189
جدول شماره 4-74 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال سیزدهم PAGEREF _Toc422576730 h 190
جدول شماره 4-75 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهاردهم PAGEREF _Toc422576732 h 191
جدول شماره 4-76 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال پانزدهم PAGEREF _Toc422576734 h 192
جدول شماره 4-77 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال شانزدهم PAGEREF _Toc422576736 h 193
جدول شماره 4-77 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال هفدهم PAGEREF _Toc422576738 h 194
جدول شماره 4-78 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال هجدهم PAGEREF _Toc422576740 h 195
جدول شماره 4-79 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال نوزدهم PAGEREF _Toc422576742 h 196
جدول شماره 4-80 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیستم PAGEREF _Toc422576744 h 197
جدول شماره 4-81 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و یکم PAGEREF _Toc422576746 h 198
جدول شماره 4-82 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و دوم PAGEREF _Toc422576748 h 199
جدول شماره 4-83 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و سوم PAGEREF _Toc422576750 h 200
جدول شماره 4-84 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و چهارم PAGEREF _Toc422576752 h 201
جدول شماره 4-85 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و پنجم PAGEREF _Toc422576754 h 202
جدول شماره 4-86 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و ششم PAGEREF _Toc422576756 h 203
جدول شماره 4-87 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و هفتم PAGEREF _Toc422576758 h 204
جدول شماره 4-88 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و هشتم PAGEREF _Toc422576760 h 205
جدول شماره 4-89 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و نهم PAGEREF _Toc422576762 h 206
جدول شماره 4-90 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی ام PAGEREF _Toc422576764 h 207
جدول شماره 4-91 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و یکم PAGEREF _Toc422576766 h 208
جدول شماره 4-92 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و دوم PAGEREF _Toc422576768 h 209
جدول شماره 4-93 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و سوم PAGEREF _Toc422576770 h 210
جدول شماره 4-94 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و چهارم PAGEREF _Toc422576772 h 211
جدول شماره 4-95 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و پنجم PAGEREF _Toc422576774 h 212
جدول شماره 4-96 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و ششم PAGEREF _Toc422576776 h 213
جدول شماره 4-97 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و هفتم PAGEREF _Toc422576778 h 214
جدول شماره 4-98 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و هشتم PAGEREF _Toc422576780 h 215
جدول شماره 4-99 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و نهم PAGEREF _Toc422576782 h 216
جدول شماره 4-100 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهلم PAGEREF _Toc422576784 h 217
جدول شماره 4-101 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و یکم PAGEREF _Toc422576786 h 218
جدول شماره 4-102 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و دوم PAGEREF _Toc422576788 h 219
جدول شماره 4-103 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و سوم PAGEREF _Toc422576790 h 220
جدول شماره 4-104 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و چهارم PAGEREF _Toc422576792 h 221
جدول شماره 4-105 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و پنجم PAGEREF _Toc422576794 h 222
جدول شماره 4-106 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و ششم PAGEREF _Toc422576796 h 223
جدول شماره 4-107 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و هفتم PAGEREF _Toc422576798 h 224
جدول شماره 4-108 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و هشتم PAGEREF _Toc422576800 h 225
جدول شماره 4-109 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و نهم PAGEREF _Toc422576802 h 226
جدول شماره 4-110 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال پنجاه ام PAGEREF _Toc422576804 h 227
جدول شماره 4-111 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال پنجاه و یکم PAGEREF _Toc422576806 h 228
جدول شماره 4-112 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال پنجاه و دوم PAGEREF _Toc422576808 h 229
جدول شماره 4-113 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال پنجاه و سوم PAGEREF _Toc422576810 h 230
جدول شماره 4-114 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال پنجاه و چهارم PAGEREF _Toc422576812 h 231
جدول شماره 4-115 توزیع فراوانی و شاخص های توصیفی افراد مورد بررسی بر حسب گزینه های انتخابی سوال پنجاه و پنجم PAGEREF _Toc422576814 h 232
جدول شماره 4-116. شاخصهای توصیفی و آزمون X2 برای بررسی تاثیر تحصیلات والدین در شکل دهی هویت ایرانی دانش آموزان دوره ابتدایی PAGEREF _Toc422576817 h 233
. جدول شماره 4-117. شاخصهای توصیفی و آزمون X2 برای بررسی تاثیر تحصیلات والدین در شکل دهی هویت اسلامی دانش آموزان دوره ابتدایی PAGEREF _Toc422576819 h 234
جدول شماره 4-118. شاخصهای توصیفی و آزمون X2 برای بررسی تاثیر عرق ملی والدین در شکل دهی هویت ایرانی دانش آموزان دوره ابتدایی PAGEREF _Toc422576821 h 236
جدول شماره 4-119. شاخصهای توصیفی و آزمون X2 برای بررسی تاثیر اعتقادات شخصی والدین در شکل دهی هویت اسلامی دانش آموزان دوره ابتدایی PAGEREF _Toc422576823 h 237
جدول شماره 4-120. شاخصهای توصیفی و آزمون X2 برای بررسی تاثیر صلاحیت های حرفه ای معلمان در شکل دهی هویت ایرانی دانش آموزان دوره ابتدایی PAGEREF _Toc422576825 h 238
جدول شماره 4-121. شاخصهای توصیفی و آزمون X2 برای بررسی تاثیر صلاحیت های حرفه ای معلمان در شکل دهی هویت اسلامی دانش آموزان دوره ابتدایی PAGEREF _Toc422576827 h 240
جدول شماره 4-122. شاخصهای توصیفی و آزمون X2 برای بررسی تاثیر برنامه درسی در شکل دهی هویت ایرانی دانش آموزان دوره ابتدایی PAGEREF _Toc422576829 h 241
. جدول شماره 4-123. شاخصهای توصیفی و آزمون X2 برای بررسی تاثیر برنامه درسی در شکل دهی هویت اسلامی دانش آموزان دوره ابتدایی PAGEREF _Toc422576831 h 242
جدول شماره 4-124. شاخصهای توصیفی و آزمون X2 برای بررسی تاثیر وضعیت ظاهری و فیزیکی مدرسه در شکل دهی هویت ایرانی دانش آموزان دوره ابتدایی PAGEREF _Toc422576833 h 243
جدول شماره 4-125. شاخصهای توصیفی و آزمون X2 برای بررسی تاثیر وضعیت ظاهری و فیزیکی مدرسه در شکل دهی هویت اسلامی دانش آموزان دوره ابتدایی PAGEREF _Toc422576835 h 244
جدول شماره 4-126. شاخصهای توصیفی و آزمون X2 برای بررسی تاثیر برنامه های خاص کودکان در تلویزیون در شکل دهی هویت ایرانی دانش آموزان دوره ابتدایی PAGEREF _Toc422576837 h 246
جدول شماره 4-127. شاخصهای توصیفی و آزمون X2 برای بررسی تاثیر برنامه های خاص کودکان در تلویزیون در شکل دهی هویت اسلامی دانش آموزان دوره ابتدایی PAGEREF _Toc422576839 h 247
. جدول شماره 4-128. شاخصهای توصیفی و آزمون X2 برای بررسی تاثیر مجلات و کتابهای خاص کودکان در تلویزیون در شکل دهی هویت ایرانی دانش آموزان دوره ابتدایی PAGEREF _Toc422576841 h 248
. جدول شماره 4-129. شاخصهای توصیفی و آزمون X2 برای بررسی تاثیر مجلات و کتابهای خاص کودکان در تلویزیون در شکل دهی هویت اسلامی دانش آموزان دوره ابتدایی PAGEREF _Toc422576843 h 250
جدول شماره 4-130. شاخصهای توصیفی و آزمون X2 برای بررسی تاثیر اینترنت و رایانه در شکل دهی هویت ایرانی دانش آموزان دوره ابتدایی PAGEREF _Toc422576845 h 251
. جدول شماره 4-131. شاخصهای توصیفی و آزمون X2 برای بررسی تاثیر اینترنت و رایانه در شکل دهی هویت اسلامی دانش آموزان دوره ابتدایی PAGEREF _Toc422576847 h 252
جدول شماره 4-132. شاخصهای توصیفی و آزمون X2 برای بررسی تاثیر گروه همسالان در شکل دهی هویت ایرانی دانش آموزان دوره ابتدایی PAGEREF _Toc422576849 h 253
جدول شماره 4-133. شاخصهای توصیفی و آزمون X2 برای بررسی تاثیر گروه همسالان در شکل دهی هویت اسلامی دانش آموزان دوره ابتدایی PAGEREF _Toc422576851 h 255
جدول شماره 4-134. شاخصهای توصیفی و آزمون X2 برای بررسی تاثیر بازیهای سنتی در شکل دهی هویت ایرانی دانش آموزان دوره ابتدایی PAGEREF _Toc422576853 h 256
جدول شماره 4-135. شاخصهای توصیفی و آزمون X2 برای بررسی تاثیر بازیهای سنتی در شکل دهی هویت اسلامی دانش آموزان دوره ابتدایی PAGEREF _Toc422576855 h 257
جدول شماره 4-136. شاخصهای توصیفی و آزمون X2 برای بررسی تاثیر بازیهای رایانه ای در شکل دهی هویت ایرانی دانش آموزان دوره ابتدایی PAGEREF _Toc422576857 h 258
جدول شماره 4-137. شاخصهای توصیفی و آزمون X2 برای بررسی تاثیر بازیهای رایانه ای در شکل دهی هویت اسلامی دانش آموزان دوره ابتدایی PAGEREF _Toc422576859 h 260
جدول شماره 4-138 نتایج آزمون u من ویتنی برای مقایسه نظرات گروههای مختلف جنسیتی درباره تاثیر متغیرهای مورد بررسی بر هویت ایرانی دانش آموزان ابتدایی PAGEREF _Toc422576863 h 262
جدول شماره 4-139 نتایج آزمون u من ویتنی برای مقایسه نظرات گروههای مختلف جنسیتی درباره تاثیر متغیرهای مورد بررسی بر هویت اسلامی دانش آموزان ابتدایی PAGEREF _Toc422576864 h 263
جدول شماره 4-140 نتایج آزمون u من ویتنی برای مقایسه نظرات افراد شاغل در مدارس دخترانه و پسرانه درباره تاثیر متغیرهای مورد بررسی بر هویت ایرانی دانش آموزان ابتدایی PAGEREF _Toc422576866 h 264
جدول شماره 4-141 نتایج آزمون u من ویتنی برای مقایسه نظرات افراد شاغل در مدارس دخترانه و پسرانه درباره تاثیر متغیرهای مورد بررسی بر هویت اسلامی دانش آموزان ابتدایی PAGEREF _Toc422576867 h 265
جدول شماره 4-142 نتایج آزمون کروسکال والیس برای مقایسه نظرات گروههای مختلف تحصیلی درباره تاثیر متغیرهای مورد بررسی بر هویت ایرانی دانش آموزان ابتدایی PAGEREF _Toc422576869 h 266
جدول شماره 4-144 نتایج آزمون کروسکال والیس برای مقایسه نظرات گروههای مختلف از نظر سابقه درباره تاثیر متغیرهای مورد بررسی بر هویت ایرانی دانش آموزان ابتدایی PAGEREF _Toc422576871 h 269
جدول شماره 4-145 نتایج آزمون کروسکال والیس برای مقایسه نظرات گروههای مختلف از نظر سابقه درباره تاثیر متغیرهای مورد بررسی بر هویت اسلامی دانش آموزان ابتدایی PAGEREF _Toc422576872 h 271
جدول شماره 4-146 نتایج آزمون کروسکال والیس برای مقایسه نظرات گروههای مختلف از نظر سابقه در پست حاضر درباره تاثیر متغیرهای مورد بررسی بر هویت ایرانی دانش آموزان ابتدایی PAGEREF _Toc422576874 h 273
جدول شماره 4-147 نتایج آزمون کروسکال والیس برای مقایسه نظرات گروههای مختلف از نظر سابقه در پست حاضر درباره تاثیر متغیرهای مورد بررسی بر هویت اسلامی دانش آموزان ابتدایی PAGEREF _Toc422576875 h 275

فهرست نمودارها
عنوانصفحه
نمودار 2-1- مدل شماتیک رشته های علاقمند به موضوع هویت (دوران 1386،27) PAGEREF _Toc422576502 h 25
نمودار 2-2 ) مدل نظری تحقیق PAGEREF _Toc422576562 h 106
نمودار 2-3 مدل عملی تحقیق PAGEREF _Toc422576563 h 107
نمودار شماره 4-1 توزیع افراد مورد بررسی بر حسب سطح تحصیلات PAGEREF _Toc422576587 h 118
نمودار شماره 4-2 توزیع افراد مورد بررسی بر حسب سابقه کار PAGEREF _Toc422576589 h 119
نمودار شماره 4-3 توزیع افراد مورد بررسی بر حسب سابقه کار در سمت PAGEREF _Toc422576591 h 120
نمودار شماره 4-4 توزیع افراد مورد بررسی بر حسب جنسیت PAGEREF _Toc422576593 h 121
نمودار شماره 4-5 توزیع افراد مورد بررسی بر حسب مدرسه محل کار PAGEREF _Toc422576595 h 122
نمودار شماره 4-6 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال اول PAGEREF _Toc422576598 h 123
نمودار شماره 4-7 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال دوم PAGEREF _Toc422576600 h 124
نمودار شماره 4-8 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال سوم PAGEREF _Toc422576602 h 125
نمودار شماره 4-9 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهارم PAGEREF _Toc422576604 h 126
نمودار شماره 4-10 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال پنجم PAGEREF _Toc422576606 h 127
نمودار شماره 4-11 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال ششم PAGEREF _Toc422576608 h 128
نمودار شماره 4-12 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال هفتم PAGEREF _Toc422576610 h 129
نمودار شماره 4-13 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال هشتم PAGEREF _Toc422576612 h 130
نمودار شماره 4-14 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال نهم PAGEREF _Toc422576614 h 131
نمودار شماره 4-15 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال دهم PAGEREF _Toc422576615 h 132
نمودار شماره 4-16 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال یازدهم PAGEREF _Toc422576617 h 133
نمودار شماره 4-18 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال سیزدهم PAGEREF _Toc422576620 h 135
نمودار شماره 4-19 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهاردهم PAGEREF _Toc422576622 h 136
نمودار شماره 4-20 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال پانزدهم PAGEREF _Toc422576624 h 137
نمودار شماره 4-21 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال شانزدهم PAGEREF _Toc422576626 h 138
نمودار شماره 4-22 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال هفدهم PAGEREF _Toc422576628 h 139
نمودار شماره 4-23 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال هجدهم PAGEREF _Toc422576630 h 140
نمودار شماره 4-24 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال نوزدهم PAGEREF _Toc422576632 h 141
نمودار شماره 4-25 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیستم PAGEREF _Toc422576634 h 142
نمودار شماره 4-26 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و یکم PAGEREF _Toc422576636 h 143
نمودار شماره 4-27 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و دوم PAGEREF _Toc422576638 h 144
نمودار شماره 4-28 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و سوم PAGEREF _Toc422576640 h 145
نمودار شماره 4-29 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و چهارم PAGEREF _Toc422576642 h 146
نمودار شماره 4-30 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و پنجم PAGEREF _Toc422576644 h 147
نمودار شماره 4-31 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و ششم PAGEREF _Toc422576646 h 148
نمودار شماره 4-32 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و هفتم PAGEREF _Toc422576648 h 149
نمودار شماره 4-33 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و هشتم PAGEREF _Toc422576650 h 150
نمودار شماره 4-34 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و نهم PAGEREF _Toc422576652 h 151
نمودار شماره 4-35 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی ام PAGEREF _Toc422576654 h 152
نمودار شماره 4-36 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و یکم PAGEREF _Toc422576656 h 153
نمودار شماره 4-37 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و دوم PAGEREF _Toc422576658 h 154
نمودار شماره 4-38 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و سوم PAGEREF _Toc422576660 h 155
نمودار شماره 4-39 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و چهارم PAGEREF _Toc422576662 h 156
نمودار شماره 4-40 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و پنجم PAGEREF _Toc422576664 h 157
نمودار شماره 4-41 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و ششم PAGEREF _Toc422576666 h 158
نمودار شماره 4-42 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و هفتم PAGEREF _Toc422576668 h 159


نمودار شماره 4-43 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و هشتم PAGEREF _Toc422576670 h 160
نمودار شماره 4-44 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و نهم PAGEREF _Toc422576672 h 161
نمودار شماره 4-45 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهلم PAGEREF _Toc422576674 h 162
نمودار شماره 4-46 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و یکم PAGEREF _Toc422576676 h 163
نمودار شماره 4-47 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و دوم PAGEREF _Toc422576678 h 164
نمودار شماره 4-48 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و سوم PAGEREF _Toc422576680 h 165
نمودار شماره 4-49 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و چهارم PAGEREF _Toc422576682 h 166
نمودار شماره 4-50 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و پنجم PAGEREF _Toc422576684 h 167
نمودار شماره 4-51 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و ششم PAGEREF _Toc422576686 h 168
نمودار شماره 4-52 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و هفتم PAGEREF _Toc422576688 h 169
نمودار شماره 4-53 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و هشتم PAGEREF _Toc422576690 h 170
نمودار شماره 4-54 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و نهم PAGEREF _Toc422576692 h 171
نمودار شماره 4-55 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال پنجاه ام PAGEREF _Toc422576694 h 172
نمودار شماره 4-56 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال پنجاه و یکم PAGEREF _Toc422576696 h 173
نمودار شماره 4-57 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال پنجاه و دوم PAGEREF _Toc422576698 h 174
نمودار شماره 4-58 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال پنجاه و سوم PAGEREF _Toc422576700 h 175
نمودار شماره 4-59 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال پنجاه و چهارم PAGEREF _Toc422576702 h 176
نمودار شماره 4-60 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال پنجاه و پنجم PAGEREF _Toc422576704 h 177
نمودار شماره 4-62 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال اول PAGEREF _Toc422576707 h 178
نمودار شماره 4-63 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال دوم PAGEREF _Toc422576709 h 179
نمودار شماره 4-64 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال سوم PAGEREF _Toc422576711 h 180
نمودار شماره 4-65 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهارم PAGEREF _Toc422576713 h 181
نمودار شماره 4-66 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال پنجم PAGEREF _Toc422576715 h 182
نمودار شماره 4-67 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال ششم PAGEREF _Toc422576717 h 183
نمودار شماره 4-68 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال هفتم PAGEREF _Toc422576719 h 184
نمودار شماره 4-69 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال هشتم PAGEREF _Toc422576721 h 185
نمودار شماره 4-70 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال نهم PAGEREF _Toc422576723 h 186
نمودار شماره 4-71 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال دهم PAGEREF _Toc422576725 h 187
نمودار شماره 4-72 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال یازدهم PAGEREF _Toc422576727 h 188
نمودار شماره 4-73 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال دوازدهم PAGEREF _Toc422576729 h 189
نمودار شماره 4-74 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال سیزدهم PAGEREF _Toc422576731 h 190
نمودار شماره 4-75 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهاردهم PAGEREF _Toc422576733 h 191
نمودار شماره 4-76 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال پانزدهم PAGEREF _Toc422576735 h 192
نمودار شماره 4-77 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال شانزدهم PAGEREF _Toc422576737 h 193
نمودار شماره 4-77 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال هفدهم PAGEREF _Toc422576739 h 194
نمودار شماره 4-78 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال هجدهم PAGEREF _Toc422576741 h 195
نمودار شماره 4-79 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال نوزدهم PAGEREF _Toc422576743 h 196
نمودار شماره 4-80 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیستم PAGEREF _Toc422576745 h 197
نمودار شماره 4-81 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و یکم PAGEREF _Toc422576747 h 198
نمودار شماره 4-82 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و دوم PAGEREF _Toc422576749 h 199
نمودار شماره 4-83 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و سوم PAGEREF _Toc422576751 h 200
نمودار شماره 4-84 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و چهارم PAGEREF _Toc422576753 h 201
نمودار شماره 4-85 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و پنجم PAGEREF _Toc422576755 h 202
نمودار شماره 4-86 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و ششم PAGEREF _Toc422576757 h 203
نمودار شماره 4-87 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و هفتم PAGEREF _Toc422576759 h 204
نمودار شماره 4-88 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و هشتم PAGEREF _Toc422576761 h 205
نمودار شماره 4-89 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال بیست و نهم PAGEREF _Toc422576763 h 206
نمودار شماره 4-90 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی ام PAGEREF _Toc422576765 h 207
نمودار شماره 4-91 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و یکم PAGEREF _Toc422576767 h 208
نمودار شماره 4-92 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و دوم PAGEREF _Toc422576769 h 209
نمودار شماره 4-93 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و سوم PAGEREF _Toc422576771 h 210
نمودار شماره 4-94 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و چهارم PAGEREF _Toc422576773 h 211
نمودار شماره 4-95 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و پنجم PAGEREF _Toc422576775 h 212
نمودار شماره 4-96 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و ششم PAGEREF _Toc422576777 h 213
نمودار شماره 4-97 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و هفتم PAGEREF _Toc422576779 h 214
نمودار شماره 4-98 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و هشتم PAGEREF _Toc422576781 h 215
نمودار شماره 4-99 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال سی و نهم PAGEREF _Toc422576783 h 216
نمودار شماره 4-100 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهلم PAGEREF _Toc422576785 h 217
نمودار شماره 4-101 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و یکم PAGEREF _Toc422576787 h 218
نمودار شماره 4-102 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و دوم PAGEREF _Toc422576789 h 219
نمودار شماره 4-103 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و سوم PAGEREF _Toc422576791 h 220
نمودار شماره 4-104 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و چهارم PAGEREF _Toc422576793 h 221
نمودار شماره 4-105 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و پنجم PAGEREF _Toc422576795 h 222
نمودار شماره 4-106 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و ششم PAGEREF _Toc422576797 h 223
نمودار شماره 4-107 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و هفتم PAGEREF _Toc422576799 h 224
نمودار شماره 4-108 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و هشتم PAGEREF _Toc422576801 h 225
نمودار شماره 4-109 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال چهل و نهم PAGEREF _Toc422576803 h 226
نمودار شماره 4-110 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال پنجاه ام PAGEREF _Toc422576805 h 227
نمودار شماره 4-111 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال پنجاه و یکم PAGEREF _Toc422576807 h 228
نمودار شماره 4-112 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال پنجاه و دوم PAGEREF _Toc422576809 h 229
نمودار شماره 4-113 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال پنجاه و سوم PAGEREF _Toc422576811 h 230
نمودار شماره 4-114 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال پنجاه و چهارم PAGEREF _Toc422576813 h 231
نمودار شماره 4-115 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی سوال پنجاه و پنجم PAGEREF _Toc422576815 h 232
نمودار شماره 4-116 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی درقسمت اول بخش
هویت ایرانی PAGEREF _Toc422576818 h 233
نمودار شماره 4-117 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی در قسمت اول بخش هویت اسلامی PAGEREF _Toc422576820 h 235
نمودار شماره 4-118 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی درقسمت دوم بخش هویت ایرانی PAGEREF _Toc422576822 h 236
نمودار شماره 4-119 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی درقسمت دوم بخش هویت اسلامی PAGEREF _Toc422576824 h 237
نمودار شماره 4-120 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی در قسمت سوم بخش هویت ایرانی PAGEREF _Toc422576826 h 239
نمودار شماره 4-121 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی درقسمت سوم بخش هویت اسلامی PAGEREF _Toc422576828 h 240
نمودار شماره 4-122 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی در قسمت چهارم بخش هویت ایرانی PAGEREF _Toc422576830 h 241
نمودار شماره 4-123 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی در قسمت چهارم بخش هویت اسلامی PAGEREF _Toc422576832 h 242
نمودار شماره 4-124 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی در قسمت پنجم بخش هویت ایرانی PAGEREF _Toc422576834 h 243
نمودار شماره 4-125 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی درقسمت پنجم بخش هویت اسلامی PAGEREF _Toc422576836 h 245
نمودار شماره 4-126 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی در قسمت ششم بخش هویت ایرانی PAGEREF _Toc422576838 h 246
نمودار شماره 4-127 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی در قسمت ششم بخش هویت اسلامی PAGEREF _Toc422576840 h 247
نمودار شماره 4-128 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی در قسمت هفتم بخش هویت ایرانی PAGEREF _Toc422576842 h 249
نمودار شماره 4-129 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی درقسمت هفتم بخش هویت اسلامی PAGEREF _Toc422576844 h 250
نمودار شماره 4-130 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی در قسمت هشتم بخش هویت ایرانی PAGEREF _Toc422576846 h 251
نمودار شماره 4-131 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی در بخش هشتم پرسشنامه هویت اسلامی PAGEREF _Toc422576848 h 252
نمودار شماره 4-132 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی درقسمت نهم بخش هویت ایرانی PAGEREF _Toc422576850 h 254
نمودار شماره 4-133 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی در بخش نهم پرسشنامه هویت اسلامی PAGEREF _Toc422576852 h 255
نمودار شماره 4-134 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی در قسمت دهم بخش هویت ایرانی PAGEREF _Toc422576854 h 256
نمودار شماره 4-135 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی در قسمت دهم پرسشنامه هویت اسلامی PAGEREF _Toc422576856 h 257
نمودار شماره 4-136 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی در قسمت یازدهم بخش هویت ایرانی PAGEREF _Toc422576858 h 259
نمودار شماره 4-137 توزیع افراد مورد بررسی بر حسب گزینه های انتخابی در بخش یازدهم پرسشنامه هویت اسلامی PAGEREF _Toc422576860 h 260
چکیده
پژوهش حاضر تحت عنوان عوامل موثر بر شکل گیری هویت ایرانی اسلامی دانش آموزان دوره ابتدایی از دیدگاه معاونین پرورشی شهر تهران با هدف بررسی تاثیر والدین ، نظام آموزشی ، وسایل ارتباط جمعی ، همسالان و انواع بازیها انجام گرفته است جامعه آماری این پژوهش شامل1077 نفر خانم و آقا معاون پرورشی شهر تهران می باشد که ازمیان این جامعه آماری با استفاده از جدول کرجسی و مورگان با روش نمونه گیری خوشه ای تصادفی حجم نمونه میزان 285 نفر انتخاب گردیده است .جهت جمع آوری داده ها ازپرسشنامه محقق ساخته در دوبخش الف هویت ایرانی و ب هویت اسلامی استفاده شده است که به وسیله استاد راهنما و مشاورو کارشناسان و خبرگان اعتباریابی شده و سپس پایائی آن با اجرای مقدماتی ، از طریق آلفای کرونباخ برای بخش هویت ایرانی 96. وبرای بخش هویت اسلامی 93.وبرای کل پرسشنامه در مجموع 96.بدست آمده است .
پس از جمع آوری داده های حاصل از پرسشنامه به منظور آزمون فرضیه تحقیق و به علت نا پارامتریک بودن داده ها علاوه بر آمارتوصیفی از آمار استنباطی ناپارامتریک خی دو (نیکویی برازش ) استفاده شده است .
نتایج حاصل از تجزیه و تحلیل یافته های تحقیق نشان میدهد که فرض اصلی تحقیق موردتایید می باشد ،و عوامل والدین ، نظام آموزشی ، وسایل ارتباط جمعی ، گروه همسالان و بازیها در شکل گیری هویت ایرانی اسلامی دانش آموزان ابتدائی تاثیر گذار است .
کلمات کلیدی : هویت ،هویت ایرانی – اسلامی ، شکل گیری ،عوامل موثر
فصل اول:کلیات تحقیق1-1 ) مقدمه
انسان به عنوان برترین موجود نظام خلقت ، دارای ویژگیهای ماهوی مشترک و غیر مشترک با سایر موجودات است . آنچه او را از سایر موجودات متمایز می سازد و با بخشیدن وجودی منحصر به فرد ، اورا برتر قرار می دهد ویژگیهای غیر مشترک یا ویژگیهای ماهوی خاص اوست ، که از جمله آنها می توان به عقل ، عقلانیت و معنویت اشاره کرد ، و البته هویت انسان نیز با این مولفه ها ارتباط مستقیم دارد. (مصطفی ملکیان ، 1386، 46) پس می توان گفت که ، موجودیت هر انسانی به فردیت او بستگی دارد هرچند میزان پیوند و روابط فرد با عوامل بیرونی همچون جامعه ، خانواده و بسترهای فرهنگی از عواملی هستند که در خود پنداره فرد اثرات قابل توجهی دارد . اگرچه افراد یگانه و متفاوت هستند ، اما خویشتن بطور کامل در اجتماع ساخته می شود؛ یعنی در فرایند اجتماعی شدن و در فرایندهای جاری تعامل اجتماعی باز تعریف می شود . به عبارتی رفتار انسانها تجلی افکار، اندیشه ها و نگرشهای آنان است و آنچه اندیشه ها و نگرشها را شکل می دهد "مفاهیم " و" شبکه معنایی" آنهاست . اگر بحران یا تضاد و تعارضی در رفتارها یا هویت یک فرد یا جامعه مشاهده می کنیم این تضاد و تعارض ابتدا از طریق شبکه معنایی مفاهیم ، به اندیشه و نگرش آنها راه یافته است . (داوود فیرحی ، 1386،3 )از سوئی دیگر هر کشوری ، به جهت داشتن فرهنگی خاص ، دارای منابع هویتی خاص خود است و به تناسب سامان دهی این منابع هویتی و نوع تلقی ای که از جامعه و نظام بین الملل دارد ، میتواند در رشد و توسعه انسانی موثر باشد . (محمود سریع القلم ، 1386 ،42 )در گزارش کنفرانس جهانی یونسکو که در مورد سیاستهای فرهنگی برگزار گردید ، تعریف نسبتا مناسبی از هویت به شرح ذیل ارائه شد که اهمیت و جایگاه هویت ، را بیان می دارد :« هویت هستۀ مرکزی شخصیت فردی و جمعی انسان است و می تواند به اعمال و تصمیمات فردی و جمعی شکل داده و روندی را به وجود آورد که یک جامعه را در عین حفظ مشخصات خودش ، قادر به توسعه بسازد »(نسرین مصفا ، 1386 ، 212)با توجه به این مطلب و اینکه هویت و شکل گیری آن جریانی و فرایندی است نه مقطعی و آنی ، پرداختن به چگونگی شکل گیری هویت و آگاهی از عوامل موثر بر آن در دوره هایی از زندگی که نمود ظاهری هویت کمتر است اما مغز در حال دریافت و پردازش اطلاعات است کاملا ضروری است . و هر روز غفلت موجب صرف وقت و هزینه بیشتر برای بازگردانی به روند طبیعی و مورد انتظار جامعه در هویت گیری می شود .
با توجه به مطالب فوق این پژوهش در راستای بررسی تاثیر عوامل موثر در شکل گیری هویت ایرانی – اسلامی در جامعه آماری انجام شده است که ضمن بحث های نظری به تحقیق میدانی نیز پرداخته شده است .
1-2 ) بیان مساله تحقیق:
هویت وجه تمایز بین "من"،"ما"با "غیر"و دیگریست و احساسی است که تعلق فرد را به یک کشور ،جامعه و مجموعه خاص نشان می دهد (عماد افروغ ،1380) ، جنکینز هویت را شرط نخستین زندگی اجتماعی می داند و معتقد است که هویت فردی که وجه تمایز فرد از دیگران است در جامعه تکوین می یابد . اجتماعی شدن نخستین و تعاملات اجتماعی که در همه ی طول عمر روی می دهد سبب می شود که افراد بتوانند در پرتو آنها «خود»، را تعریف کنند . در عین حال خود ، مفهومی است پویا که در سراسر عمر تحول می یابد و در آن تعاریف درونی و بیرونی ترکیب می شوند . از دیدگاه او پیوند پویای ابعاد درونی و بیرونی ،سازنده خویش یا هویت است (جنکینز 1381، ترجمه یاراحمدی) لذا چگونگی تکمیل این پازل چندین قسمتی به علت بازتاب گسترده ای که در زندگی بشری دارد همواره مورد توجه قرار می گیرد .اساسا امروزه صاحبنظران در تعریف هویت بر اکتسابی بودن آن تاکید دارند و معتقدند که در دوران گذشته و به علت ثبات بیشتر جوامع و یکدستی آنها هویت عمدتا انتسابی بودند اما امروزه به دلیل تحولات اجتماعی و افزایش توانمندیهای فردی در تکوین هویت و گسترش روابط فرد با گروها ،شبکه ها و ساختارهای اجتماعی هویت به مساله و موضوعی مهم تبدیل شده است( هاوارد ،2000)
کشور ما ایران همواره تحت تاثیر دو جریان پرقدرت در تشکیل هویت بوده است یکی وطن و دیگری دین .این دو جریان در تمامی استنادات و مدارک به دست آمده از ایران کهن همواره با یکدیگر همراه بوده اند و هیچگاه از یکدیگر جدا نشده اند ، شاید در دوره ای یکی بر دیگری اولویت یافته اما هیچگاه به تنهایی مطرح نبوده اند ، این امر موجب می شود که مولفه های تاثیر گذار در دو بعد ذکر شده شناسائی شوند در این راستا این پژوهش سعی برآن دارد تا با استفاده از بررسی مقالات و پژوهشهای انجام شده در زمینه هویت ایرانی اسلامی ضمن معرفی هویت اسلامی ایرانی عوامل تاثیرگذار شکل پذیری هویت ایرانی اسلامی را شناسایی نماید و به این سوال پاسخ دهد که :
عوامل تاثیر گذار در شکل پذیری هویت ایرانی اسلامی در دانش آموزان مقطع ابتدایی کدامند ؟
1-3 ) اهمیت موضوع تحقیق و انگیزه انتخاب آن :موضوع هویت از جمله موضوعاتی است که در طول تاریخ بشر همواره مورد توجه انبیاء الهی ، فیلسوفان ، سیاستمداران ، جامعه شناسان ، روان شناسان ، انسان شناسان و ... بوده است . خداوند متعال در قرآن کریم می فرمایند : «ای مردم ، ما همه شمارا از یک مرد و زن آفریدیم و شمارا در قبیله های کوچک و بزرگ قرار دادیم تا همدیگر را بشناسید» (حجرات 13)خداوند در این آیه هدف از خلقت انسان را شناخت خود و دیگران بیان فرموده که انسان با شناخت خود و دیگران ، به وجود اشتراک و افتراق با دیگران پی می برد و تمایزی میان خود و دیگران قایل می شود ؛همین تمایز است که نظام فکری و ارزشی او را خلق کرده و سبب می شود . ضرورت بحث از هویت در این است که داشتن تعریفی از خود اولین قدم در ایفای نقش و از مقدمات انسان بودن است ، از ابتدای ظهور برکره خاکی ، انسان مرتب از کیستی و چیستی خود پرسیده است (فرهنگ رجایی ،1386 ) و ازدیگر ابعاد مانند روانشناسی که شکل گیری هویت را از دوران کودکی به جهت جلوگیری از بحران های هویت که در سنین نوجوانی گریبانگیر نوجوانان و جوانان خواهد بود ، لازم می داند و از بعد جامعه شناسی نیز اریک فروم از بحران هویت به عنوان بزرگترین مشکلات فلسفه جدید نام می برد و وایتهد از آن به عنوان فقدان هویت و به تعبیری که از آن امروزه برای ازخود بیگانگی به کار می رود اشاره دارد (شرفی ،1380 ،2 )از سوئی دیگر جهان در طی دو دهۀ اخیر ، شاهد پدیده ای به نام « جهانی شدن » بوده است . این پدیده نه تنها بر اقتصاد و سیاست بلکه بر فرهنگ ملت ها نیز تاثیر گذاشته و نگرش ها ، ارزش ها ، باورها ، آداب و رسوم و حتی نوع پوشش مردم را تغییر داده است. ( مهدی گلشنی ، رضا غلامی ،1387،3)پس قابل پیش بینی است که اگر این پدیده فرهنگ را که اصلی ترین مولفه هویت می باشد را تحت تاثیر قرار می دهد جریان شکل گیری هویت را نیز تحت تاثیر خود در آورد .با توجه به آنچه گفته شد و اینکه در کشور ما در کلیه اسناد راهبردی کشور به مساله هویت ایرانی اسلامی توجه خاصی شده است و تاکید بسیار مدیریت بنیادی کشور به ترسیم و تدوین هرچه سریعتر الگوی اسلامی ایرانی می باشد، این انگیزه در پژوهشگر به وجود آمد که در پی یافتن عوامل شکل دهی هویت ایرانی اسلامی برآید چرا که با شناسایی عوامل تاثیر گذار بر این مقوله بسیار مهم ،والبته در گام بعد، برنامه ریزی های کوتاه مدت و بلند مدت ، در جهت تحقق و دستیابی دانش آموزان کشورمان به هویت اصیل ایرانی و اسلامی دست یابیم . بدین جهت پژو هشگر ،با استفاده از مفاهیم و نظریات علوم مختلف ، به بررسی مجراهای شکل گیری جریان هویت در میان دانش آموزان می پردازد . جریانی که پایان ناپذیر است و در طول عمر فرد تکمیل می شود اما قسمت پایۀ آن ، در دوران کودکی و نوجوانی شکل می گیرد. پس چه بهتر که این مسیر طولی همراه با عرضی در خور موضوع و آینده ساز باشد از این رو عوامل خانواده ، نظام آموزشی ، رسانه و ارتباطات جمعی ، گروهای همسالان و انواع بازیها که شایستۀ دورۀ سنی موردین پژوهش است ، از طریق معاونین پرورشی که بنا به وظیفه خود با این کودکان ارتباط تنگاتنگ تربیتی دارند و راههای نفوذ در آنان را به تجربه فراگرفته اند مورد سنجش و نظر سنجی قرار گرفته است
مولوی راجع به اینکه هرچه انسان بزرگ تر می شود صفات او قوی تر و ریشه دارتر می گردد مثلی می آورد آنجا که، مردی خاری درمعبرکاشت و مردم ازاین بوته خار در رنج بودند.او قول داد که سال دیگر آن را بکند و سال دیگر نیز کار ، را به سال بعد موکول کرد و سال های بعد نیز به همین ترتیب عمل کرد. ازطرفی، درخت، سال به سال ریشه دارتر می شد و خارکن ضعیف تر می گردید. یعنی میان رشد درخت و قوت او نسبت معکوس برقرار بود.حالات انسان نیز مانند خاربُن و خارکن است. روز به روز صفات درانسان ریشه های عمیق تری پیدا می کند و اراده ی انسان را ضعیف تر می کند، بنابراین قدرت یک جوان دراصلاح نفس خود ، از یک پیر بیشتراست. (مرتضی مطهری،1371، 79-80) سعدی نیزمی گوید:
چوب تر را چنان که خواهی پیچ ، نشود خشک جز به آتش راست هرکه درخوردیش ادب نکنند، در بزرگی ادب از او برخاست
مولوی و سعدی نیزبراین عقیده هستند که آموختن فضایل و تربیت فرزندان باید از سنین کودکی آغاز شود زیرا دراین سنین آمادگی و صلاحیت های لازم برای امرتربیت در آنان به میزان کافی وجود دارد. وقتی محورتربیت، عمق بخش ملیت و تقوی دینی درکودکان و نوجوانان باشد،مسلماً فرزندان ازهرنوع آسیب های اخلاق و اجتماعی مصون می مانند زیرا که بسیاری از شرارت های افراد ناشی از نداشتن تربیت اصیل می باشد و درونی شدن ارزش ها باعث می شود آنان دربرابر این انحرافات مقاومت بیشتری داشته باشند. والدین و مربیان اگر بخواهند کودکان را با خود ملی و مذهبی آشنا کنند و این امر را در آنان درونی سازند،باید از سنین کودکی و نوجوانی شروع کنند،چرا که فردا دیراست.
1-4 ) هدف کلی تحقیقبررسی تاثیر والدین ، نظام آموزشی ، رسانه ،گروه همسالان و بازی ها در شکل گیری هویت ایرانی و اسلامی دانش آموزان دوره ابتدایی جهت ارائه پیشنهادهای موثر
1-5 ) اهداف جزیی تحقیق1-بررسی تاثیر تحصیلات والدین در شکل گیری هویت ایرانی دانش آموزان دوره ابتدایی
2- بررسی تاثیر تحصیلات والدین در شکل گیری هویت اسلامی دانش آموزان دوره ابتدایی
3- بررسی تاثیر عرق ملی والدین در شکل گیری هویت ایرانی دانش آموزان دوره ابتدایی
4-بررسی تاثیر اعتقادات شخصی والدین در شکل گیری هویت اسلامی دانش آموزان دوره ابتدایی
5-بررسی تاثیر صلاحیتهای حرفه ای معلم در شکل گیری هویت ایرانی دانش آموزان دوره ابتدایی
6- بررسی تاثیر صلاحیتهای حرفه ای معلم در شکل گیری هویت ایرانی دانش آموزان دوره ابتدایی
7- بررسی تاثیر برنامه درسی در شکل گیری هویت ایرانی دانش آموزان دوره ابتدایی
8- بررسی تاثیر برنامه درسی در شکل گیری هویت ایرانی دانش آموزان دوره ابتدایی
9- بررسی تاثیر وضعیت ظاهری و فیزیک مدرسه در شکل گیری هویت ایرانی دانش آموزان دوره ابتدایی
10- بررسی تاثیر وضعیت ظاهری و فیزیک مدرسه در شکل گیری هویت اسلامی دانش آموزان دوره ابتدایی
11- بررسی تاثیر برنامه های خاص کودکان در تلویزیون در شکل گیری هویت ایرانی دانش آموزان دوره ابتدایی
12- بررسی تاثیر برنامه های خاص کودکان در تلویزیون در شکل گیری هویت اسلامی دانش آموزان دوره ابتدایی
13- بررسی تاثیر مجلات و کتابهای خاص کودکان در شکل گیری هویت ایرانی دانش آموزان دوره ابتدایی
14- بررسی تاثیر مجلات و کتابهای خاص کودکان در شکل گیری هویت اسلامی دانش آموزان دوره ابتدایی
15- بررسی تاثیر اینترنت و رایانه در شکل گیری هویت ایرانی دانش آموزان دوره ابتدایی
16- بررسی تاثیر اینترنت و رایانه در شکل گیری هویت اسلامی دانش آموزان دوره ابتدایی
17- بررسی تاثیر گروه همسالان در شکل گیری هویت ایرانی دانش آموزان ابتدایی
18- بررسی تاثیر گروه همسالان در شکل گیری هویت اسلامی دانش آموزان ابتدایی
19- بررسی تاثیر بازیهای سنتی در شکل گیری هویت ایرانی دانش آموزان ابتدایی
20- بررسی تاثیر بازیهای سنتی در شکل گیری هویت اسلامی دانش آموزان ابتدایی
21- بررسی تاثیر بازیهای رایانه ای در شکل گیری هویت ایرانی دانش آموزان ابتدایی
22- بررسی تاثیر بازیهای رایانه ای در شکل گیری هویت اسلامی دانش آموزان ابتدایی
1-6 ) فرضیه اصلی : والدین ، نظام آموزشی ، گروه همسالان و بازیها در شکل گیری هویت ایرانی - اسلامی دانش آموزان دوره ابتدایی تاثیر دارند.
1-7 ) فرضیه های فرعی :1- تحصیلات والدین در شکل گیری هویت ایرانی دانش آموزان دوره ابتدایی تاثیر دارد
2- تحصیلات والدین در شکل گیری هویت اسلامی دانش آموزان دوره ابتدایی تاثیر دارد
3- عرق ملی والدین در شکل گیری هویت ایرانی دانش آموزان دوره ابتدایی تاثیر دارد
4- اعتقادات شخصی والدین در شکل گیری هویت اسلامی دانش آموزان دوره ابتدایی تاثیر دارد
5- صلاحیتهای حرفه ای معلم در شکل گیری هویت ایرانی دانش آموزان دوره ابتدایی تاثیر دارد
6- صلاحیتهای حرفه ای معلم در شکل گیری هویت ایرانی دانش آموزان دوره ابتدایی تاثیر دارد
7- برنامه درسی در شکل گیری هویت ایرانی دانش آموزان دوره ابتدایی تاثیر دارد
8- برنامه درسی در شکل گیری هویت ایرانی دانش آموزان دوره ابتدایی تاثیر دارد
9- وضعیت ظاهری و فیزیک مدرسه در شکل گیری هویت ایرانی دانش آموزان دوره ابتدایی تاثیر دارد
10- وضعیت ظاهری و فیزیک مدرسه در شکل گیری هویت اسلامی دانش آموزان دوره ابتدایی تاثیر دارد
11- برنامه های خاص کودکان در تلویزیون در شکل گیری هویت ایرانی دانش آموزان دوره ابتدایی تاثیر دارد
12- - برنامه های خاص کودکان در تلویزیون در شکل گیری هویت اسلامی دانش آموزان دوره ابتدایی تاثیر دارد
13- - مجلات و کتابهای خاص کودکان در شکل گیری هویت ایرانی دانش آموزان دوره ابتدایی تاثیر دارد
14- مجلات و کتابهای خاص کودکان در شکل گیری هویت اسلامی دانش آموزان دوره ابتدایی تاثیر دارد
15- اینترنت و رایانه در شکل گیری هویت ایرانی دانش آموزان دوره ابتدایی تاثیر دارد
16- اینترنت و رایانه در شکل گیری هویت اسلامی دانش آموزان دوره ابتدایی تاثیر دارد
17- گروه همسالان در شکل گیری هویت ایرانی دانش آموزان ابتدایی تاثیر دارد
18- گروه همسالان در شکل گیری هویت اسلامی دانش آموزان ابتدایی تاثیر دارد
19- بازیهای سنتی در شکل گیری هویت ایرانی دانش آموزان ابتدایی تاثیر دارد
20- بازیهای سنتی در شکل گیری هویت اسلامی دانش آموزان ابتدایی تاثیر دارد

–24

فصل اول
25114833628563کلیات
1-1- مقدمه و کلیاتامروزه بانکها در اقصی نقاط جهان با عملیات وسیع بانکی میتوانند شرایط مناسبی را برای رشد و پیشرفت در بخش های مختلف اقتصادی فراهم آورند. به دلیل عدم توسعه کافی بازار سرمایه در اقتصاد ایران، سیستم بانکی از اهمیت خاصی در بازارهای مالی کشور برخوردار است. چرا که در عمل بانک ها عهده دار تأمین مالی بلند مدت می باشند. ساختار بانکی کشور بدین صورت است که با افتتاح حساب های مختلف و قبول پس اندازها و سپرده های کوتاه مدت و بلند مدت ضمن نگهداری وجوهات به عنوان یک خدمت برای مشتریان خود، با بهره گیری از نیروی کار و سرمایه فیزیکی اقدام به پرداخت تسهیلات، سرمایه گذاری مستقیم و سایر خدمات بانکی مینماید. از مهم ترین وظایف بانک ها تأمین نقدینگی اشخاص حقیقی و حقوقی برای سرمایه گذاری در زمینه های مختلف و خریدهای مصرفی آنهاست. از طرفی در فرآیند آزادسازی بازارهای مالی و پیوند با بازارهای جهانی، کارایی شرطی لازم است. لذا به همان نسبت که بانک های کارا و سالم می تواند در جهت رشد اقتصادی کمک نمایند، عملکرد نادرست و ناسالم آنها نیز میتواند بحران های اقتصادی ایجاد نماید. اندازه گیری کارایی و بهره وری اساسی ترین گام در جهت ارتقای کارایی و بهره وری است. بدین معنی که دقیقاً مشخص شود چه منابعی و به چه میزان صرف شده و در مقابل آن چه چیز یا چیزهایی بدست آمده است (عباسیان و همکار،1386،153).
تا کنون نیز مطالعات داخلی وخارجی زیادی در جهت ارزیابی عملکرد بانک ها انجام پذیرفته است.از این رو در این پژوهش میزان کارایی شعب بانک رفاه استان گیلان با استفاده از تکنیک تحلیل پوششی داده ها (DEA) طی دوره زمانی سه سال گذشته 1391-1389 مورد ارزیابی قرار گرفته و بانک هایی که با ترکیب نهاده های معین به میزان بهتری از ستانده ها دست یافته اند بانک های کارا و ناکارا مشخص گردیده اند و منشا ناکارایی آنها نیز مشخص گردیده است.
1-2- بیان مساله در عصر ارتباطات نیر جوامعی موفق تر خواهند بود که این عنصر اساسی قرن حاضر را شناخته و در آن به کمال برسد، ارتباطات نقش اساسی در زمینه های اقتصادی، سیاسی، اجتماعی و فرهنگی دارد و به دلیل اهمیت نقش راهبردی آن در اکثر کشورها، دولتها به توسعه نهادهای اجرایی آن می پردازند که یکی از مهمترین آنها بانک است. با گذشت زمان و دگرگونی و تنوع نیازهای جوامع بشری این نهاد نیز خود را با نیازهای جدید هماهنگ کرده و سیستم های جدید راه اندازی نموده است که یکی از مهمترین آنها بانک می باشد، بانک با ارائه خدماتی نظیر ارسال وجه نقد به هر نقطه از کشور ، ارسال و وصول چک، پرداخت تسهیلات، پرداخت حقوق، بیمه همگانی، کارتهای اعتباری و... می پردازد.(حسینی و همکاران، 1388)؛ لذا با توجه به اهمیت این موضوع، در این پژوهش میزان کارایی این نهاد مالی مورد بررسی قرار خواهد گرفت .
به بیان فارل، کارایی یک بنگاه شامل کارایی فن ، کارایی تخصیصی و کارایی اقتصادی (هزینه‎ای) است. کارایی فنی، توانایی یک بنگاه در بدست آوردن حداکثر محصول با استفاده از مقدار معینی نهاده و سطح مشخصی از فناوری را نشان میدهد. کارایی تخصیصی، توانایی یک بنگاه در استفاده از نسبتهای بهینه نهاده ها با توجه به قیمتهای آنها را معین می سازد و کارایی اقتصادی (هزینه ای) نیز از حاصل مشترک کارایی فنی وکارایی تخصیصی است(حسینی و همکاران، 1388).
اندازه گیری کارایی دارای سابقه تاریخی در تحلیلهای اقتصادی می باشد ، بخصوص در دنیای رقابت آمیز امروز ، به عنوان یک فلسفه و یک دیدگاه مبتنی بر استراتژی بهبود ، نه تنها حرف اول را می زند بلکه همچون زنجیری آحاد جامعه را به هم مرتبط نموده و منافع آنها را به هم گره می زند . همچنین انجام تحلیلهای مقایسه ای در مورد کارایی واحدهای مختلف یکی از مهمترین راههای شناخت نقاط قوت و ضعف واحدهای مورد نظر می باشد که حاصل آن می تواند اتخاذ یک استراتژی مناسب جهت تحولات بنیادی و همه جانبه در ساختار واحد مورد نظر بوده که نهایتا نفع همگان را در بر داشته باشد.( محمودی خوشرو وهمکار،1389).
در واقع سنجش کارایی از آنجا ضرورت می یابد که در شرایط کنونی با کمبود منابع و امکانات مواجه هستیم و این منابع را باید به گونه ای تخصیص داد که سازمان یا نهاد مورد نظر بتواند حداکثر تولید کالا یا خدمات را از طریق آنها عرضه نماید.(محمودی خوشرو وهمکار،1389).
بدون شک بشر در تمامی دوران حیات خود همواره با محدودبودن عوامل تولید و به تبع آن کالاها و خدمات مواجه بوده و هست. بشر به منظور به دست آوردن شرایط زندگی بهتر چاره ای جز استفاده بهینه از امکانات موجود و دسترسی به تولید بیشتر و با کیفیت بالاتر ندارد. در حال حاضر آنچه که به روشنی پاسخگوی این نیاز می باشد به دست آوردن حداکثر نتیجه از امکانات و عوامل محدود تولید ودر یک کلمه " کارایی" می باشد.(موحدی و همکار 1389).
به طور کلی بحث ارزیابی عملکرد چه در سطح واحد وچه در سطح کارکنان و مدیران و کیفیت خدمات یکی از مباحث عمده در مدیریت می باشد. هر مدیر مسئول سازمانی یا ذی نفع می خواهد که اطلاعاتی در ارتباط با نحوه عملکرد ها وکیفیت سازمان مطبوع خود در مقایسه با سایر واحدهای مشابه وبا سایر رقبا در آن صنعت به دست آورد استفاده از این اطلاعات می تواند به شناسایی نقاط قوت و ضعف سازمان یا واحد کمک نماید.
عموما روشهای مختلفی جهت سنجش کارایی بانکها مورد استفاده قرار می گیرد. بانک سپرده را با نیروی کار و سرمایه خود ترکیب می کند تا بتواند به خلق وام و سرمایه گذاری بپردازد. از این رو متغیرهای مورد استفاده جهت محاسبه کارایی نیز با توجه به مطالعه وب (2003)، دریک (2003) و رجبی (1389) روش واسطه گری مالی خواهد بود. که از طریق تحلیل پوششی داده ها که یکی از شاخصهای ارزیابی کارایی سیستمهاست مورد ارزیابی قرار خواهد گرفت. تکنیک تحلیل پوششی داده ها یکی از رویکردهای علمی است که با بکارگیری مبنای ریاضی قوی به محاسبه کارایی می پردازد (صارمی و شهریاری، 1382). مزیت عمده این روش در سنجش کارایی آن است که پس از اندازه گیری کارایی نواحی مختلف می تواند مدیران را در تصمیم گیری و برنامه ریزی برای استفاده از منابع به منظور حصول حداکثر خروجی یاری کند (موحدی و همکار 1389). بر اساس تکنیک تحلیل پوششی داده ها ورودی ها (نهاده ها) در این پژوهش شامل تعداد پرسنل، هزینه های اداری، هزینه پرسنل بوده و خرو جی ها (ستاده ها) شامل انواع سپرده ها، تسهیلات و مطالبات می باشند.
90297060960متغیرهای ورودی
متغیرهای خروجی
تعداد پرسنل
هزینه های اداری
هزینه های پرسنل
سپرده ها
تسهیلات و مطالبات
00متغیرهای ورودی
متغیرهای خروجی
تعداد پرسنل
هزینه های اداری
هزینه های پرسنل
سپرده ها
تسهیلات و مطالبات

مدل مفهومی پژوهش
1-3- اهمیت و ضرورت پژوهشبانک کشورهای جهان در نظام اقتصادی آنها نقش بسیار پر اهمیتی را ایفا می کنند، بانکها علاوه بر واسطه‎گری وجوه در بازار پول، به دلیل عدم توسعه کافی بازار سرمایه، فعالیتهای مؤثری را برای تأمین مالی بنگاه ها و برنامه های توسعه اقتصادی کشور نیز انجام می دهد بنابراین فعالیتها و عملکرد آن هم مانند سایر بانک ها و مؤسسات مالی و پولی کشور نیازمند ارزیابی و پژوهش های اقتصادی می باشد، براین اساس و با توجه به ضرورت بالا بردن استانداردهای مالی و اهمیت واحدهای مستقل استانی در شعب بانک رفاه استان گیلان به کارگیری معیارهای دقیق تر برای ارزیابی این بانک الزامی به نظر می رسد. یکی از این معیارها، «کارایی» می باشد که توانمندی شعب بانک هر شهرستان را در تبدیل عوامل و نهاده های تولید به خدمات بانکی در مقایسه با استانداردهای مشخص تعیین می کند.
1-4- اهداف پژوهشمحاسبه مقدار کمی کارایی شعب بانک رفاه استان گیلان.
مشخص کردن شعب بانک رفاه کارا و ناکارا.
شناسایی علل کارآمدی شعب کارآمد
شناسایی علل ناکارآمدی شعب ناکارآمد
1-5- فرضیه و سئوال های پژوهش به جهت ماهیت پژوهش بجای فرضیه از سوالات پژوهش بهره گرفته خواهد شد :
کارایی شعب بانک رفاه استان گیلان با استفاده از تکنیک تحلیل پوششی دادهها چگونه است؟
شعب کارا و ناکارای نسبی بانک رفاه کارگران با استفاده از مدل پنجره ای کدامند؟
شعب کارا و ناکارای نسبی بانک رفاه کارگران با استفاده از مدل سلسله مراتبی کدامند؟
منشا ناکارامدی هر یک از شعب ناکارا چیست؟
1-6- روش گردآوری اطلاعاتاطلاعات آماری مورد نیاز به طور کامل از مراجع اصلی یعنی مرکز آمار و بودجه و تشکیلات و دیگر ادارات ذیربط ستادی و ترازنامه های بانک رفاه استان گیلان گردآوری می گردد.
1-7- جامعه آماری و حجم نمونهدر این پژوهش کارایی شعب بانک رفاه استان گیلان طی دوره زمانی سه سال گذشته 1391-1389 بررسی می شود.
1-8- روش تجزیه و تحلیل اطلاعاتدر این مطالعه جهت تجزیه و تحلیل داده ها و انجام محاسبات و حل الگوی مورد استفاده برای اندازه گیری کارایی از دو روش آمار توصیفی و استنباطی و نرم افزار Excelو DEA Solver Pro استفاده خواهد شد.
1-9- تعریف مفاهیم واژگان اختصاصیکارایی : تخصیص بهینه منابع توسط بنگاه است.
کارایی فنی (TE) : توانایی بنگاه در بدست آوردن حداکثر محصول از مقدار معینی عوامل تولید را نشان می دهد.
کارایی تخصیصی (AE) : توانایی یک بنگاه در بکارگیری ترکیب بهینه نهاده ها با توجه به قیمت های نهاده را نشان می دهد.
کارایی اقتصادی (EE) : کارایی اقتصادی حاصل ضرب کارایی فنی در کارایی تخصیصی تعریف می شود. (فارل 1957).
تحلیل پنجره ای : روش تحلیل پنجره با امکانپذیر ساختن ترکیب مشاهدات در سریهای زمانی و مقطعی تا حدودی مشکل ناکافی بودن مشاهدات را در ارزیابیهای زمانی برطرف میکند. این تکنیک بر اساس میانگین متحرک عمل میکند و برای یافتن روندهای عملکرد یک واحد در طول زمان مفید میباشد. با هر واحد در یک دوره متفاوت، مانند یک واحد مستقل رفتار میشود. در این صورت، عملکرد یک واحد در یک دوره خاص در مقابل عملکرد خود آن واحد در سایر دورهها، علاوه بر عملکرد سایر واحدها مورد ارزیابی قرار میگیرد (Tulkens and Eeckaut,1995).
1-10- فصول پژوهش
پژوهش حاضر در پنج فصل به شرح زیر تنظیم شده است.
فصل حاضر به کلیات پژوهش اختصاص یافته است.
در فصل دوم تاریخچه شکل گیری بانک و سیر تحول آن بررسی شده است و تعریف مدلهای مورد بررسی این پژوهش و در ادامه خلاصه چند پژوهش در زمینه کارایی بانک ها در داخل و خارج از کشور ارائه می‎شود.
در فصل سوم به تشریح روش اجرای مورد بررسی خواهیم پرداخت و مفهوم کارایی، مدل های مرزی، توابع مرزی تصادفی، مدل های مورد استفاده از قبیل مدل پنجره ای و سلسله مراتبی نحوه تخمین کارایی، نرم افزار مورد استفاده و خصوصیات آن به تفضیل تشریح می شود و به مطالعات انجام شده اختصاص دارد.
فصل چهارم الگوی مناسب برای برآورد کارایی شعب بانک رفاه گیلان ارایه می شود و کارایی این بانک برآورد می شود.
در فصل پنجم خلاصه از پژوهش و نتیجه گیری وارائه پیشنهادات و محدودیتهای آن می پردازیم، ضمن اینکه پیشنهادهایی به منظور بهبود کارایی شعب بانک رفاه گیلان ارائه می شود.

514350162623500
فصل دوم
24125774205182ادبیات تحقیق/پیشینه تحقیق
2-1- مقدمهکارایی یکی از مفاهیم اقتصادی می باشد که افزایش آن به منظور ارتقای سطح زندگی ،رفاه ، آرامش و آسایش انسانها همواره مد نظر دست اندر کاران سیاست و اقتصاد بوده است. به گونه ای که در تمام مکاتب و جوامع اقتصادی نیز به نحوی بر این مفهوم تاکید شده و در راستای افزایش کارایی عوامل مختلف توصیه های سیاسی مناسبی نیز ارائه شده است.مدیران و سیاستگذاران بخشهای تولیدی و خدماتی همواره در برابر این سوال که مجموعه تحت نظارت آنها با چه سطحی از کارایی فعالیت می کند و تولید بالقوه مجموعه امکانات و تجهیزات آنها چه مقدار است حساس هستند. پاسخهای معتبر به این مسائل می تواند در نوع نگرش و برنامه ریزی آنها تاثیر قابل توجهی داشته باشد. یکی از شاخصهای ارزیابی کارایی هر سیستمی روش تحلیل پوششی داده ها می باشد. مزیت عمده این روش در سنجش کارایی سیستم هایی است که ورودی ها و خروجی های چند گانه دارند. پس از اندازه گیری کارایی نواحی مختلف می توان مدیران را در تصمیم گیری و برنامه ریزی برای استفاده از منابع به منظور حصول حداکثر خروجی یاری کرد ( حقیقت و همکار، 1383، 135).
در پژوهش حاضر نیز به اندازه گیری کارایی شعب بانک رفاه استان مورد نظر با استفاده از روش تحلیل پوششی دادهها(DEA) طی دوره زمانی مشخصی پرداخته است.
2-2- مفهوم بانک
بانک ها مؤسساتی هستند که از محل سپرده های مردم می توانند سرمایه لازم را در اختیار صاحبان واحدهای صنعتی، کشاورزی و بازرگانی و اشخاص قرار دهند. تکامل بانکداری به زمانی خیلی قبل برمیگردد و اکنون به عنوان یک مؤسسه مالی که به ارائه خدمات مالی می پردازد همچنان رو به تکامل است.
در حال حاضر واژه بانک به مؤسسه ای گفته میشود که دارای مجوز بانکداری باشد. این مجوز توسط دستگاه‎های نظارت مالی اعطا می شود و به موجب آن حق ارائه اغلب خدمات مهم بانکی از قبیل پذیرش انواع سپرده ها و اعطای وام برای بانک میسر می شود. مؤسسات مالی دیگری هم وجود دارند که تعریف حقوقی بانک را ندارند و در اصطلاح مؤسسه اعتباری غیر بانک نامیده می شوند (طبیبیان، 1382،23) .
2-2-1- تاریخچه بانک و بانکداری در ایران
اولین بانک در سال ١٢۶۶ بدون اجازۀ رسمی از دولت ایران اقدام به گشودن شعبه و انجام عملیات بانک ???? کرد. اما اولین تأسیس اسمی بانک با قرارداد ننگین از طرف ناصرالدین شاه به فردی به نام بارون دورویتر کلید خورد. این بانک، بانک شاهی ایران نام گرفت. در قبال این امتیازنامه، روس ها در سال ١٢٨۵ شمسی مجوز بانک استقراض ایران را به مدت ٧۵ سال از ناصرالدین شاه گرفتند اولین بانک ایران (بانک سپه) در سال ١٣٠۴ تأسیس شد. بعد از انقلاب همه بانک های موجود در کشور با مصوبه شورای انقلاب، ملی شدند که عبارتند از: بانک ملی ، سپه، رفاه کارگران، صادرات ایران، بانک استان، صنعت و معدن، مسکن کشاورزی ، تجارت و ملت (درویشی، 1390، 22).
2-2-2- انواع بانکبانک های جدید را می توان بر حسب نوع فعالیت آنها به هفت گروه تقسیم کرد:
بانک تجاری
بانک سرمایه گذاری
بانک پس انداز
شرکت های سرمایه گذاری امان
بانک رهنی
بانک صنعتی
بانک مرکزی که به عنوان مادر همه بانک ها تنظیم کننده تمامی بانک های یک کشور یا یک منطقه می‎باشد.( توتونچیان، 1391، 100-99).
2-2-3- حوزه فعالیت بانک ها
از اعمالی که بانک ها عمدتاً در حیطه کاری خود، حسب تعریف انجام می دهند می توان به موارد زیر اشاره کرد:
قبول سپرده های پس انداز مدت دار و پرداخت بهره وری مانده این نوع حساب ها با توجه به مدت سپرده
قبول سپرده دیداری )حساب جاری ( و پرداخت به مشتریان
تنزیل اوراق و اسناد بهادار، سفته و برات پذیرفته شده. مثلا یک چک به تاریخ یک ماه دیگر را بانک با کسر ١٠ % از کل مبلغ، الان پرداخت می کند و در سر رسید خود از حساب مورد نظر دریافت می کند.
انتقال پول از یک نفر به نفر دیگر در داخل یا خارج کشور
ایجاد تسهیلات تبدیل و ترتیبات وصول
عرضه اعتبار از طریق اعطای اجازه حق برداشت و یا اعتبار از حساب جاری بدون وثیقه و با استفاده از م کانیسم اعتبار اسنادی
چاپ اسکناس که در انحصار بانک مرکزی است
صدور برات، چک بانکی و حواله و تأیید امضای چک
ارائه صندوق امانات
عهده دار شدن حفاظت از اوراق بهادار و سایر اموال با ارزش
ایفای نقش امین برای شرکت ها
سرمایه گذاری در اوراق بهادار دولتی و غیردولتی
خرید و فروش شمش طلا
انجام معاملات ارزی
هر بانک به دلیل ماهیت خاص خود بخشی از فعالیت های فوق را انجام می دهد( توتونچیان، 1391،118-111).
2-3- تعاریف و مفاهیم کاراییتعاریف متعددی برای کارایی ارائه شده است که در زیر به بعضی از آنان اشاره می شود.
کارایی عبارت از انجام امری به بهترین طریق، بوسیله فرد حایز شرایط در بهترین محل و مناسب ترین وقت است.( 19، Harington,1912)
به نظر سامانث دیوید کارایی عبارت است از نسبت ستانده واقعی به ستانده استاندارد یا ستانده مورد انتظار. (6 Sumanth ,1985,)
کارایی ناظر است بر اینکه نهاده های مختلف چگونه با هم ترکیب می شوند، یا اینکه کار چگونه پیش می رود.( شکری،1374، 30)
کارایی در اقتصاد به مفهوم تخصیص بهینه منابع است و در مجموعه ای از فعالیت ها هنگامی یک فعالیت کاراست که مقدار تولید آن قابل افزایش نباشد مگر تولید سایر فعالیت ها کاهش یابد( Walter, 1972, 412 ).
کارایی توانایی بدست آوردن حداکثر محصول یا ستانده از حداقل نهاده است ( ژوزف،1371، 27 ).
به نظر مولینس کارایی درست انجام دادن فعالیت هاست و با داده ها و آنچه مدیریت انجام می دهد مرتبط است (Mullins, 1993, 686 ).
کارایی معرف نسبت ستانده ها به نهاده ها در مقایسه با یک استاندارد مشخص است و هر چه این نسبت بالاتر باشد آن واحد کاراتر خواهد بود (برهانی، 1377، 25).
کارایی سازمانی عبارت از میزان منابع استفاده شده در تولید یک واحد ستانده می باشد اگر یک سازمان بتواند با صرف منابع کمتر در مقایسه با سازمان دیگر به سطح تولید مشابه دست یابد می توان آن را کاراتر توصیف کرد (Daft, 1989, 90).
کارایی صرفاً یک مفهوم به معنای نسبت بین نتیجه و داده های به کار رفته است(Dimock, 1931,96).
در فرهنگ لغات آکسفورد، کارایی به موقعیت و یا کیفیتی که بیانگر کارا بودن باشد تعریف شده و متعاقب آن اشاره شده است که در فیزیک کارایی نسبتی از انرژی یا کار تولید شده به میزان مورد انتظار می‎باشد.
در دایره المعارف آمریکانا کارایی به عنوان نسبتی از ستاده مفید – داده ها تعریف شده است.
2-4- مفهوم کارایی و انواع آنبه طور کلی کارایی مفهومی نسبی است و مقایسه بین عملکرد واقعی و عملکرد ایده آل را نشان می‎دهد. کارایی عمدتاً در سه حوزه مهندسی، مدیرت و اقتصاد مطرح است. در اقتصاد مفهوم کارایی همان تخصیص بهینه منابع است. هر سازمانی مجموعه ای از ورودی ها را برای تولید تعدادی خروجی اعم از کالا یا خدمات استفاده می کند. برای مثال شعب بانک ها به عنوان واحدهای مشابه ورودی هایی همچون نیروی انسانی، امکانات، فضا و... را به کار می گیرند تا خروجی هایی نظیر میزان جذب سپرده ها، میزان اعطای تسهیلات و میزان ارائه خدمات را تولید کنند(فقیه نصیری وهمکاران، 1389، 174).
2-5- تاریخچه تحلیل پوششی داده هادر اندازه گیری کارایی مستلزم، مقایسه ی ستاده ها و داده های آن واحد است. در ساده ترین حالت که تنها یک داده و یک ستاده وجود دارد کار ایی را م ی توان از تقسیم ستاده به داده به دست آورد.
داده / ستانده = کارایی
به عنوان مثال کار ایی یک کامپیوتر از تقسیم تعداد محاسبات به مقدار زمان به دست می آید که حاصل تعداد محاسبات در واحد زمان را نشان می دهد . اگر واحد تصمیم گیری دار ای داده ها و ستاده های چندگانه باشد و ارزش)قیمت( هر یک از داده هاو ستاده ها معلوم باشد،می توان از تقسیم مجموع حاصل ضرب مقدار ستاده ها دروزن های) قیمت یا ارزش( مربوطه به مجموع حاصل ضرب مقدار داده ها در وزن های مربوطه میزان کارایی را محاسبه کرد.
) مجموع وزنی مقدار داده‎ها) / (مجموع وزنی مقدار ستاده ها = ( کارایی
در سال 1975 فارل از یک روش ناپار امتریک بر ای تعیین میزان کار ایی استفاده کرد. وی به جای تخمین تابع تولید با مشاهده ی مقاد یر داده و ستاده واحدها ی تصمیم گیری یک تابع مرز ی که به شکل یک تابع خطی با قطعات غیرخطی بود، به عنوان مرز کار ایی تعریف کرد و این مرز را به عنوان معیار و ملاک کارایی واحده ای تصمیم گیری قرار داد .
مفهوم کار ایی که در DEA مورد استفاده قرار می گیرد همان حاصل تقسیم مجموع وزنی مقدار ستاده ها به مجموع وزنی مقدار داده ها است . در غالب موارد ی که قیمت یاارزش (وزن های) داده ها و ستاده ها مشخص نیست و یا داده ها و ستاده ها مقیاس های متفاوتی دارند از DEA بر ای تعیین میزان کار ایی استفاده می شود. در وزن های DEA اختصاص داده شده به هر یک از داده ها و ستاده ها از طر یق حل یک مدل برنامه ریزی خطی به دست می آید. DEA این وزن ها را طوری تعیین می کند که کار ایی واحد نسبت به سایر واحدها حداکثر شود.
چارنز و کوپر و رودز (1978 ) یک روش کاربرد ی را برا ی تعیین میزان کار ایی یک مجموعه از واحدهای تصمیم گیری که دارای داده و ستاده چندگانه بودند، ارائه کردند که به تحلیل پوششی داده ها DEA معروف است) (Charnes et al, 1978 این مدل که به نام معرفی کنندگان آن (CCR) نامگذاری شد فرض بازده به مقیاس ثابت روش سنجش کار ایی فارل را به حالت چند داده و چند ستاده تعمیم داد.
بنکر، چارنز و کوپر (1984) مفاهیم و مدل های DEA را توسعه دادند و مدل (BCC) رابرای تعیین میزان کارایی بدون فرض ثابت بودن بازده به مقیاس ارائه کردن 1984 Banker et al1984 ) ) چارنز و همکاران (1985) مدل جمعی را به عنوان یکی د یگر از مدل های DEA معرفی کرد ند که همزمان کاهش ورودی و افزا یش خروجیها را مد نظر قرار می دهد.
تحلیل پوششی داده ها با معرفی گروه مرجع یا الگو برای هریک از مشاهدات غیرکارا ، تحلیل منابع غیرکارای این واحدهای تصمیم گیری را ممکن می سازد .محدودیت در رتبه بندی واحدهای کارا حوزه ی دیگری از مباحث اندیشمندان در تحلیل پوششی داده ها را به خود اختصاص داده است که سه راهکار عمده ی ارائه شده برای رتبه بندی واحد های کارا با عناوین اندرسون و پیترسون، ماتریس کارایی متقاطع و مدل تحلیل سلسله مراتبی داده ها کاربرد بیشتری را داشته اند .
2-5-1- مدل اندرسون و پیترسون (A&P)پس از مشخص شدن واحدها ی کاراو ناکارا ، ا ین بار برا ی هر یک از واحد ها ی کارا مدل P&A را حل می کنیم با ا ین تفاوت که واحد کا را تنها در تابع هدف آمده و از بین محدود یت ها ی ساختاری ، محدود یت واحد کارا را حذف می کنیم (مهرگان ،1383، 73).
2-5-2- مدل ماتریس کارایی متقاطع (CEM)از جمله روشهایی است که می توان بر ای شناسایی عملکردهای خوب و رتبه بندی مؤثر واحده ای تصمیم گیرنده DMU ها از آن ا ستفاده کرد . روش کار ایی متقاطع عملکرد یک DMU را با توجه به وزن‎های بهینه سایر DMU ها مقایسه می کند که نتیجه ی این ارز یابی ها در ماتر یس کارایی متقاطع نشان داده می شود (مهرگان ،1383، 74).
2-5-3- مدل تحلیل سلسله مراتبی داده ها (DEA /AHP)با استفاده از نتایج به دست آمده از حل مدل های DEA می توان یک ماتر یس مقایسات زوجی تشکیل داد و با استفاده از روش رتبه بندی ( DEA /AHP) واحد های کارا را رتبه بندی کرد. ظهور مدل‎های بس یار گسترده و متنوع از زمان معرف ی مدل های CCR تا کنون و رشد سریع و مقبولیت گسترده ی این مدل ها در سطح سازمان ها، خود گواه روشنی از توانایی و قابلیت کاربرد بالا ی این روش در اندازه گیری کارا یی سازمان ها است ( مهرگان ،1383، 76).

2-6- پیشینه تحقیقبرای ارزیابی کارایی واحدهای بانکی با توجه به توانایی های روش DEA مطالعات فراوانی در سطح بانک ها و شعبات بانکی است که متأسفانه بیشتر این مطالعات در خارج از کشور بوده و به جز چند مورد استثنایی هیچ مطالعه جامعی در کشور انجام نشده است بیشترین کاربرد روش DEA در مطالعات داخلی در مورد نیروگاههای تولید برق و واحدهای دانشگاهی بوده و چند مطالعه دیگر نیز در مورد شرکتهای بیمه و واحدهای پرورش طیور انجام شده است که همین امر، لزوم توجه بیشتر در این زمینه را نشان می دهد. شرمن گلد(1985)، اولین مطالعه واحدهای بانکی به روش DEA را مورد 14 شعبه از بانکهای پس انداز آمریکا انجام دادند که به یک ابزار خوش آتیه برای محاسبه کارایی واحدهای بانکی به حساب آمد.نتایج تحقیق کارایی تولید به بنیانگر آن است که فقط 6 شعبه کارایی 100درجه داشته اند(یعنی 42درصد نمونه) و علل ناکارایی شعب دیگر ضعف مدیریت، اندازه شعبه، تعداد کارکنان و هزینه های عملیاتی بوده است.
2-6-1- پژوهشهای انجام شده خارجیفوکویاما و ماتوسک(2011)، در تحلیل سیستماتیک کاراییهای تخصصی، تکنیکی و هزینه سیستم بانکی ترکیه با روش سیستم بانکی دو مرحله ای تحت فرض بازده نسبت به مقیاس متغییر برای 25 بانک تجاری فعال در ترکیه از سال 1991-2007 پرداختند. روش تخمین بر پایه مدل شبکه ای دو مرحله ای که توسط فوکویاما و وبر در سال 2010 معرفی شده ، می باشد . طبق این مدل، در مرحله اول از تولید، بانکها نهادهها را برای تولید یک ستانده میانه مانند سپرده ها به کار می گیرند که این ستانده میانه نهاده ای می شود برای مرحله دوم و در نهایت ستانده نهایی تولید می گردد (Hirofumi et al, 2011,75) نتایج نشان داد تفاوت معناداری بین نتایج این دو مرحله وجود ندارد.
ایزیدرو و نارسیزو (2008)، در تحقیقی با عنوان "سودمندی اطلاعات حسابداری در ارزیابی کارایی فنی در شرکتهای تعاونی کشاورزی" در صدد جستجوی دو هدف برآمدند. نخست استفاده از تکنیک تحلیل پوششی داده ها به منظور ارزیابی کارآیی شرکتهای تعاونی کشاورزی بوده و هدف دوم بررسی قابلیت این تکنیک به عنوان مکمل تجزیه و تحلیل نسبت مالی و اقتصادی سنتی است. به منظور دستیابی به این اهداف، مطالعه موردی با استفاده از اطلاعات 274 شرکت تعاونی در طول سه سال مالی (2001-2003) صورت گرفته است. نتایج نشان میدهد که معیارهای کارایی بدست آمده از تکنیک DEA مکمل مناسب برای تجزیه و تحلیل اقتصادی شرکتهای تعاونی کشاورزی محسوب میشود.
بونین حسن و واچتل(2004)، برای دوره زمانی 2002-1994 بر مبنای اطلاعات 10 بانک از 6 کشور بلغارستان، جمهوری چک، کرواسی، مجارستان، لهستان و رومانی و با روش پارامتری آماری و با استفاده از تابع هزینه ترانسلوگ پژوهش خود را انجام داده اند. در تابع هزینه مورد تخمین هزینه کل متغییر وابسته، وامهای کل، سپرده های کل، دارایی های جاری کل و سرمایه گذاری جاری کل به عنوان ستانده مخارج غیر بهره ای به دارایی های ثابت کل و مخارج بهره ای به سپرده های کل به عنوان نماینده قیمت نهاده ها، هستند، نتایج مطالعه بیانگر این بود که میانگین کارایی بانک ها 78/0 است اشاره کرد.
آتاناسوپولوس(1998)، با مقیاسی گسترده و با استفاده از دو مدل متفاوت، کارایی هزینه و کارایی بازار 580 شعبه از بانکهای تجاری انگلستان ارزیابی شده است. در این تحقیق با تقسیم بندی شعب به طبقات مختلف از نظر ویژگیهای خاص خود جایگاه ویژه هر شعبه از لحاظ کارایی هزینه و کارایی بازار در بین گروه خود و سایر شعب مشخص شده است. متوسط کارایی هزینه و کارایی بازار شعب مورد بررسی به ترتیب برابر58/0 و 85/0 درصد بوده است. دلایل عدم کارایی به مواردی نظیر اندازه شعب، میزان رقابت موقعیت مکانی و اندازه حسابها نسبت داده شده است.
زینوزوسوتیرو(1997)، 144 شعبه بانک تجاری قبرس که حدود 45درصد از سپرده های محلی را به خود اختصاص داده است، مطالعه کردند. شعب مورد بررسی با توجه به موقعیت مکانی به سه دسته، شعب شهری(83شعبه)، شعب روستایی (41شعبه) و شعب توریستی(20شعبه) تقسیم وبا توجه به اندازه آنها به دسته های بزرگ، متوسط و کوچک طبقه بندی شدند. محققان با به کارگیری سه مدل متفاوت به ارزیابی کارایی کیفیت خدمات بانکی کارایی سودآوری و کارایی تولید واحدهای مورد بررسی پرداختند. نتایج این تحقیق بیانگر آن است که متوسط کارایی در شعب شهری، روستایی و توریستی به ترتیب برابر 4/92، 6/87 و 5/88 درصد می باشد.
دیتچ و ویواس (1996) ، برای دوره زمانی 1988 -1992 از اطلاعات 223 بانک فرانسه و 101 بانک اسپانیا با نگرش واسطه ای و روش پارامتری آماری با استفاده از تابع هزینه ترانسلوگ برای برآورد کارایی صنعت بانکداری فرانسه و اسپانیا استفاده کردند. در تابع هزینه مورد تخمین هزینه کل متغیر وابسته، وام ها به عنوان ستانده، سپرده ها و دارایی ها به عنوان نهاده، سرانه هزینه پرسنلی، تعداد شعب قیمت نهاده هستند، نتایج این مطالعاه بیانگر این بود که متوسط کارایی بانک های فرانسه 88/0 و بانک های اسپانیا 74/0 می باشند.
کاپاراکیس و میلر و نولاس (1994) ، برای سال 1986 و باتعداد مشاهدات بالغ بر 5548 که مربوط به بانک هایی از آمریکا می شده که مجموع دارایی های آنها بیش از 50 میلیون دلار بوده است. این پژوهش از نگرش واسطه ای، روش پارامتری آماری و با استفاده از تابع هزینه ترانسلوگ بود. در تابع هزینه مورد تخمین هزینه کل متغیر وابسته، سپرده های بهره دار، تعداد کارکنان، اموال و دارایی های ثابت، دستمزد متوسط سالانه و هزینه متوسط دارایی های ثابت و املاک نهاده و وام های خصوصی، وام های وثیقه ملک، وام های تجاری و صنعتی، دارایی ها و اوراق بهادار ستانده ها می باشند. نتایج این مطالعه نشان داد که متوسط ناکارایی بانک ها 17/0 است و ناکارایی با افزایش اندازه بانک ها کاهش می یابد.
عالی، گرابوسکی، پاسورکا و رنگان(1990) ، با استفاده از اطلاعات آماری سال 1986 مربوط به 322 بانک آمریکا و با نگرش واسطه ای و روش ناپارامتری، ناکارایی بانکها را مورد بررسی قرار دادند. نهادههای این مطالعه شامل تعداد پرسنل، ارزش داراییهای ثابت و کل سپرده های مشتریان و ستاندهها، وامهای ساختمانی، وامهای تجاری و صنعتی، وامهای مصرفی و سایر وامها و سپرده های دیداری می‎باشند. آنها نشان دادند که متوسط ناکارایی بانک ها 19/0 است و اختلاف با اهمیتی بین کارایی بانک های دارای شعبه و تک واحدی (بدون شعبه) وجود ندارد.
تاکنون مطالعات زیادی در خصوص کارایی صنعت بانکداری از جمله مطالعات انجام شده می‎توان به فریز و تاکی(2004)، برای دوره زمانی 2000-1993 با استفاده از دو روش ناپارامتری و پارامتری صورت گرفته است، برمبنای اطلاعات 289 بانک از 15 کشور اروپای شرقی و با روش پارامتری آماری و با استفاده از تابع هزینه ترانسلوگ پژوهش خود را انجام داده اند. در تابع هزینه مورد تخمین هزینه کل متغیر وابسته ، وام ها به عنوان ستانده ، سپرده ها به عنوان نهاده ، سرانه هزینه پرسنلی قیمت نهاده هستند، نتایج مطالعه بیانگر این بود که استونی، قزاقستان، لیتوانی، لتونی، اسلواکی و اسلونی کشورهای با میانگین کارایی بالا (86/0-75/0)، کرواسی، مجارستان و لهستان کشورهای با میانگین کارایی متوسط (68/0-62/0)و بلغارستان، مقدونیه، رومانی، روسیه، جمهوری چک و اکراین کشورهایبا میانگین کارایی پایین (59/0-42/0) می باشد.
نتایج بدست آمده از روشهای ناپارامتری و پارامتری با یکدیگر یکسان نمی باشد. در این زمینه مطالعاتی با استفاده از هر دو روش فوق و در نظر گرفتن تصریح یکسانی برای نهاده ها، قیمت نهاده ها و ستانده ها به مقایسه تطبیقی کارایی دو روش پرداخته اند. از آن جمله می توان به مطالعه فریر و لاول (1990)،در آمریکا سال 1984 بادر اختیار داشتن 575 نمونه مورد بررسی (تعداد بانک) با استفاده از دو روش پارامتری (هزینه / ترانسلوگ)و ناپارامتری(DEA) ونتایج آن کارایی 80% و74% را نشان داد و بیان کرد تفاوت معناداری میان نتایج وجود نداردوهچنین می توان از شلدن (1994)، با میزان کارایی56% و 39% و نیز رستی(1997)،با کارایی 81% و 90% باورتال (1998)، با میزان کارایی83%و 30% و بکالی (2004)، با میزان کارایی83 %و 85% اشاره کرد. نکته جالب توجه این است که نتایج بدست آمده از این روشها با یکدیگر بسیار متفاوت است؛ به طوری که برخی کارایی محاسبه شده در هر دو روش را یکسان دانسته و برخی معتقدند تفاوت معناداری میان نتایج وجود دارد. در این زمینه از جمله پژوهشهای انجام شده در ایران می‎توان به مطالعه سوری، گرشاسبی و عریانی در سال(1386)، تحت عنوان «مقایسهی تطبیقی کارایی بانکهای تجاری ایران با استفاده از دو روش DEA و SFA » اشاره کرد. نتایج این مطالعه نشان داد که تفاوت معناداری میان نتایج وجود دارد.
2-6-2- پژوهشهای انجام شده داخلینصیریان (1391)، کارایی و تعیین عوامل مؤثر بر آن در شعب پست بانک(تهران) در سال 1388مورد ارزیابی قرار گرفت. بدین منظور یکی از روشهای ناپارامتری تحت پوشش داده ها و یکی از روشهای ابتکاری تحت عنوان شبکه عصبی استفاده شده است. در این تحقیق از دو شبکه عصبی احتمالی و شبکه پرسپترون چند لایه استفاده شده و نتایج با نتایج حاصل از DEA مقایسه شده است. نتایج حاصل از این بررسی نشان می دهد که هر دو شبکه کارایی شعبه ها را با تقریب خوبی تخمین می زند و شبکه عصبی احتمال به علت سرعت و دقت بیشتر نسبت به شبکه عصبی پرسپترون ارجح می باشد.
همچنین فقیه نصیری و همکاران (1389)، مقایسه کارایی دو روش ناپارامتری (DEA) وپارامتری (SFA) با استفاده از اطلاعات پست بانک ایران را ارزیابی نمودند. در این تحقیق برای 28 استان مستقل کارایی پست بانک ایران در دوره زمانی 1378-1384 مورد بررسی قرار گرفتند. نتایج نشان داد که تفاوت معنی داری بین این دو روش در اندازه گیری کارایی پست بانک ایران وجود دارد. نتایج حاصل از مدل کارایی نشان میدهد که متوسط کارایی پست بانک در دوره مورد بررسی 55% است. علاوه براین نتایج مدل شناسایی عوامل موثر بر کارایی نشان داد که کارایی سرپرستیها با اندازه پست بانک، تعداد پرسنل و تعداد شعب رابطه منفی و با درآمد کل پست بانک و زمان رابطه مثبت دارد.
حسینی و همکاران (1388)، نیز با بررسی کارایی و عوامل مؤثر بر آن برای 28 استان (سرپرستی) مستقل پست بانک ایران در دوره زمانی 1378-1384 با استفاده از روش پارامتری آماری SFA و فرم خطی لگاریتمی تابع هزینه مرزی تصادفی برآورد شده است. نتایج این مطالعه براساس مدل برآورد کارایی نشان می دهد که کارایی پست بانک ایران 60 % است، همچنین استان تهران کمترین کارایی و استان چهارمحال بختیاری بیشترین کارایی را داشتند، در حالی که در نتایج مدل برآورد عوامل مؤثر بر کارایی سرپرستی ها، با اندازه پست بانک (دارایی کل)، تعداد پرسنل، تعداد شعب و زمان رابطه منفی و با درآمد کل پست بانک رابطه مثبت داشت.
از طرفی دادگر و نیکی نعمت (1386)، در کاربرد مدل DEA در ارزیابی کارایی واحدهای اقتصادی، به بررسی کارایی 38 سرپرستی بانک تجارت در کل کشور طی دوره زمانی (1380-1382) پرداختهاند. فرضیه اصلی این پژوهش این است که وضعیت نهادهها و ستاندههای سرپرستیهای بانک تجارت بهینه نیست و با اصلاح عوامل، کارایی آنها قابل افزایش است. در این تحقیق کارایی 38 سرپرستی بانک تجارت در کل کشور با استفاده از دو مدل CCR و BCCمحاسبه و رتبه بندی واحدهای کارا شده است. نتایج نشان میدهد که سرپرستیهای قم، زنجان، آذربایجان غربی و شرقی ناکارا میباشند. میانگین کارایی سه سال به ترتیب 7/79، 79، 2/47 درصد است.
همچنین سوری در سال 1384 برای دوره زمانی 1374-1381 و بر اساس اطلاعات مربوط به 10 بانک کشور (6 بانک تجاری و 4 بانک تخصصی) و روش پارامتری آماری و با استفاده از تابع هزینه ترانسلوگ مطالعه خود را انجام داده است. در تابع هزینه مورد تخمین هزینه کل متغیر وابسته، میزان تسهیلات اعطایی به عنوان ستانده، حجم سپرده بانکی و تعداد شعب نهاده ها، سرانه هزینه پرسنلی و نسبت هزینه اداری به سطح سپرده گذاری به عنوان قیمت نهاده ها و زمان بیانگر تغییرات تکنیکی است. نتایج این مطالعه نشان داد که کارایی صنعت بانکداری ایران 76/87% و کارایی بانک های تجاری و تخصصی به ترتیب 58/87% و 95/87% است و بانک ملت در بین بانک های تجاری و بانک توسعه صادرات در بین بانک های تخصصی از بیشترین کارایی برخوردار هستند و با کاهش اندازه بانک و افزایش تعداد شعب کارایی افزایش می یابد.
حقیقت و همکار (1383)، نیز در مطالعهای با عنوان بررسی کارایی سیستم بانکی با کاربرد DEA (مطالعه موردی بانک کشاورزی) بیان میدارند که میانگین کارایی فنی شعب بانک کشاورزی در منطقه 4 تحت شرایط بازده ثابت و متغییر نسبت به مقیاس به ترتیب برابر81/0 و 94/0 درصد و میانگین کارایی نیز 86/0 بوده است.
کریمی در سال 1381 برای سال های 1377- 1379 اطلاعات مربوط به 17 شعبه از شعب، بانک های کشاورزی استان همدان را با نگرش واسطه ای و روش پارامتری آماری و با استفاده از تابع هزینه ترانسلوگ مورد بررسی قرار داده است. در این پژوهش نهاده ها شامل، سرانه هزینه پرسنلی شعب، نرخ سود پر داخلی به انواع سپرده ها، متوسط هزینه های استهلاک دارایی های ثابت شعب و نسبت هزینه های اداری به حجم تسهیلات اعطایی است و ستانده بانک، حجم تسهیلات اعطایی غیر تکلیفی می باشد. نتایج این پژوهش، متوسط ناکارایی شعب را 25/0 نشان داد و ناکارایی، رابطه مثبتی با اندازه شعب و رابطه منفی با تحصیلات کارکنان شعب و درجه مکانیزاسیون شعب ( تعداد رایانه موجود در شعب) دارد.
نفر در سال 1380 برای دوره زمانی 1376-1367 اطلاعات مربوط به بانک کشور (6 بانک تجاری و 3 بانک تخصصی) را با نگرش واسطه ای و روش پارامتری آماری و با استفاده از تابع هزینه کاب-داگلاس برای محاسبه کارایی نیروی کار صنعت بانکداری ایران مورد استفاده قرار داده است. نهاده های بانک شامل، نیروی کار، اجاره به شرط تملیک، فروش اقساطی، مشارکت مدنی، جعاله، معاملات سلف، سرمایه دفتری، سپرده های قرض الحسنه جاری و پس انداز، سپرده های کوتاه مدت و بلند مدت و متغیر زمانی است و تسهیلات اعطایی(معاملات عقود + معاملات قدیم + سرمایه گذاری مستقیم + مشارکت حقوقی) ستانده بانک می باشند. نتایج این مطالعات نشان داد که متوسط ناکارایی نیروی کار 25/0 است و صنعت بانکداری در ایران قابلیت افزایش خدمات بانکی با همین تعداد نیروی کار را دارد .

centercenter00
فصل سوم
روش اجرای تحقیق
26242434070350 مواد و روشها


3-1- روش اجرای تحقیقضرورت رشد و توسعه و حل مشکلات اقتصادی، انسان را با حقیقتی به نام کمیابی مواجه ساخته است. بدون شک هدف از رشد و توسعه اقتصادی در جامعه بشری، افزایش رفاه مردم است. یکی از عوامل تعیین کننده میزان رفاه جوامع، میزان برخورداری افراد از امکانات موجود در جامعه (کالاها و خدمات) می‎باشد. این میزان را به اصلاح اقتصادی سطح زندگی می نامند. بدون افزایش کارایی و بهره وری، هیچ اقتصادی نمی تواند انتظار اعتلای سطح زندگی مردم خود را داشته باشد. سطح زندگی بالای مردم کشورهای صنعتی، اساساً ناشی از بهبود بهره وری در این جوامع و اقتصاد کارآی آنها می باشد. به اقتصادی کارآ گفته می شود که از منابع خود آنقدر کالا و خدمات تولید کند که در شرایط موجود، تولید بیش از آن سطح ممکن نباشد و این حاکی از وضعیت تولید با حداقل هزینه نیز می باشد. آگاهی نسبت به میزان کارایی و بهره وری و چگونگی روند تغییرات آن ها در طی زمان در تحقق اهداف رشد اقتصادی و تأمین رفاه جامعه کمک شایان توجهی خواهد کرد.
در این فصل در نظر داریم مهمترین معیار ارزیابی عملکرد بنگاه را معرفی کنیم که با استفاده از عوامل مختلف تولید، به امر تولید کالاها و خدمات اشتغال دارند. به عنوان مثال یک کارگاه تولیدی لباس را در نظر بگیرید که با استفاده از سرمایه، مواد اولیه و نیروی کار (عوامل تولید)، پیراهن (محصول) تولید می‎نماید. عملکرد این بنگاه تولیدی می تواند با روش های متعددی مورد ارزیابی قرار گیرد. یکی از رایج‎ترین روش های ارزیابی نحوه تولید و میزان اتلاف منابع در واحدها و مؤسسات، کارایی می باشد که به کمک روش های جدید قابل اندازه گیری می باشد. با اندازه گیری می توان از میزان کارایی کلیه بنگاه ها، از بنگاه های تولید کننده کالا تا شرکت های خدماتی (شبیه رستوران ها و شرکت های حمل ونقل) آگاه شد. همچنین این روش برای یررسی عملکرد شعبه های یک بانک و یا فروشگاه زنجیره ای و یا بنگاه های غیر انتفاعی (مدارس و بیمارستان ها) قابل استفاده خواهد بود.
این مثال ها در سطح خرد ارائه شد، البته این روش ها برای محاسبه کارایی در سطوح کلان هم مورد استفاده قرار می گیرند. برای مثال می توان عملکرد یک صنعت را در طول زمان و یا در حوزه های مختلف جغرافیایی (شهر، استان، کشور و یا در کل جهان )، بررسی و با گذشته مقایسه کرد و واحدهای کارا و ناکارا را شناسایی کرد و علل افزایش یا کاهش کارایی را مورد مطالعه قرار داد و تمهیدات لازم برای افزایش کارایی را اندیشید (عین علیان، 1387، 64).
در این فصل به بیان مفهوم کارایی و مقایسه آن با بهره وری و اثربخشی، توضیح انواع کارایی و همچنین سنجش کارایی از روش های ناپارامتری و بیان می شود. در روش های ناپارامتری به روش فارل و روش تحلیل فراگیر داده ها (DEA) و مدل پنجره ای و سلسله مراتبی برای سنجش کارایی خواهیم پرداخت.
معرفی انواع روشهای اندازه گیری عملی کارایی از سوی فارل ١٩۵٧صورت گرفته است. وی پیشنهاد کرد که برای اندازه گیری کارایی یک بنگاه، باید عملکرد آن با عملکرد بهترین بنگاههای موجود در آن صنعت مقایسه شود. طبق شکل (3-1) فارل سه نوع کارایی برای بنگاه مطرح کرد. وی نظر خود را با مثال ساده ای از بنگاهی که با استفاده از دو عامل تولید X1 و X2 به تولید یک ستاندهY با فرض بازده به مقیاس ثابت (که در ادامه بحث خواهد شد) و بر مبنای حداقل نهاده می پردازد، بیان کرد. در زیر هر یک از انواع کارایی مورد بررسی قرار می گیرند:

نمودار (3-1) انواع کارایی از دیدگاه فارلکارایی فنی: کارایی فنی منعکس کننده ی توانایی بنگاه در کسب حداکثر محصول از مقدار معین نهادهها و یا استفاده از حداقل نهاده‎ها برای دستیابی به میزان معین ستانده است کارایی فنی معادل TE =ON/OS خواهد بود.
کارایی تخصیصی: توانایی بنگاه برای استفاده از ترکیب بهینه ی عوامل تولید با توجه به قیمت آنها. چنان چه قیمت عوامل تولید با خط هزینه یکسانA A نشان داده شود، آنگاه کارایی بنگاه S عبارت است از:
ALE = OM/ON
کارایی اقتصادی: از حاصل ضرب دو کارایی فنی و کارایی تخصیصی به دست می آید .حداکثر کارایی اقتصادی جایی محقق می شود که منحنی q بر خط هزینه یکسان مماس شود. مقدار کارایی اقتصادی از رابطه زیر به دست می آید.
ECE= TE× ALE
3-2- کارایی مفهومی پویاگفته می شود که کارایی مفهومی پویاست. براین اساس در هر واحد زمان برخی بنگاه ها دارای کارایی بیشتر و برخی دارای کارایی کمتر هستند به طوریکه این رتبه بندی در طول زمان تغییر می کند. در تشریح این مفهوم بیان می شود که کارایی به عنوان مفهومی پویا بیانگر سرعت تعدیلات خواهد بود و فقط در یک نقطه قابل اندازه گیری نیست، بلکه در طول یک دوره زمانی باید آن را مد نظر قرار داد و آنگاه ثبات کارایی را تخمین زد.
3-3- کارایی مفهومی نسبیگروهی معتقدند کارایی مفهومی نسبی است. بدین معنا که کارایی یک بنگاه در مقایسه با بنگاهی دیگر که عملکرد بهتری دارد بررسی می شود و بررسی کارایی برای یک بنگاه منفرد درست نیست. در صنعتی که درجه همگنی بنگاه ها کم باشد مفهوم نسبی کارایی واضح تر می نماید. از طرفی در صنعتی با درجه همگنی بالا تفاوت کارایی بنگاه ها را تنها می توان با اختلال ناشی از پدیده های تصادفی خارج از کنترل بنگاه ها مانند تغییرات آب و هوا توضیح داد. روش معمول اندازه گیری کارایی تعریف حد استاندارد عملکرد برای واحدهای اقتصادی قابل مقایسه است. این حد می تواند بهترین عملکرد واقعی صنعت یا بهترین عملکرد بالقوه نظری باشد.
اما کارایی در بیشتر مطالعات و پژوهشهای تجربی مفهومی ایستا دارد. بدین ترتیب که تصویری لحظه ای از آن صنعت در نظر گرفته می شود و آن تصویر به عنوان وضعیتی از کارایی صنعت لحاظ می‌گردد ( Farrell, 1957, 30).
3-4- کارایی در مقایسه با بهره وری و اثربخشیدر امر تولید، همواره بشر به دنبال روش هایی بوده است که با حداقل استفاده از منابع فیزیکی، انسانی و مالی حداکثر بازده را بدست آورد و در این رابطه مفاهیمی مانند کارایی، بهره وری و اثربخشی در ادبیات مدیریت و سایر علوم کم و بیش، بکار گرفته شده است. این مفاهیم همگی به دنبال بهره برداری مطلوب منابع در راستای اهداف مؤسسه می باشند و اگر چه تعاریف آنها مختلف می باشند لیکن گاه به اشتباه در بعضی کتب و مقالات جایگزین یکدیگر شده اند. شاید به طور رسمی و جدی نخستین بار لغت بهره وری در پروژه - ریسرچای توسط فردی به نام کوئیزنی در سال 1766 میلادی ارائه شد و بعد از گذشت بیش از یک قرن در سال 1883، فردی به نام لیتر بهره وری را به صورت، قدرت و توانایی تولید کردن تعریف کرد.
از اوایل قرن بیستم، این واژه مفهوم دقیقتری یافت و به معنای رابطه ای بین ستاده (محصول) و عوامل بکار رفته برای تولید آن محصول معرفی شد، که البته این تعریف توسط فردی به نام ارلی در سال 1900 ارائه گردید. در سال 1950 سازمان همکاری و توسعه اقتصادی OECD تعریف کاملتری از بهره‎وری را بدین صورت ارائه کرد که در واقع بهره وری، تولید متوسط یک عامل تولیدی است (امامی، 1375،25).
بهره وری را طبق تعریف های ارائه شده، نسبت ستاده (محصول) به نهاده گویند. بهره وری مقدار تولید شده یا ستاده نیست، بلکه معیاری است که نحوه ترکیب و بکارگیری منابع مصرفی با یکدیگر برای دستیابی به یک نتیجه مورد انتظار خاص و یا تعادل بین تمام عوامل تولید به نحوی که بیشترین نتایج با کمترین تلاش حاصل شود، را بیان می کند. بهره وری به صورت نسبت ستاده به نهاده است و نهاده های زیادی را می تواند شامل شود. این متغییرهای متعدد و مؤثر در هر کدام از این نسبت ها می توانند متضمن کیفیت، گستردگی عملیات، میزان حجم مصرف، موجودی و ظرفیت تولید تجهیزات سرمایه ای، سطح مهارت نیروی کار و ... باشد. اما کارایی انجام بهتر آنچه صورت گرفته می باشد، یعنی تمرکز بر هزینه ها می باشد و دنبال راهکارهایی برای کاهش اتلاف منابع است. کارایی سعی در ارتقای بنگاه ها، ادارات، مؤسسات و بطور کلی واحدهای تصمیم ساز دارد و بهره وری به مقایسه کارایی یک بنگاه (سازمان) طی دو زمان متفاوت و یا مقایسه کارایی دو بنگاه (سازمان) نسبت به یکدیگر در یک زمان می باشد و به عبارت دیگر، بهره وری مقایسه کارایی است و افزایش بهره وری به عوامل تولید وابسته است(ابطحی و همکار، 1375،9).
اثر بخشی دنبال بهینه کردن می باشد و به فرصت های ایجاد درآمد، از طریق تغییرات خصوصیات اقتصادی محصولات موجود می نگرد. اثربخشی دنبال این نیست که کار را چگونه انجام بدهد، بلکه تعیین کردن محصولاتی است که بهترین نتایج اقتصادی را دارند و یا قادر به نتایج اقتصادی فوق العاده تری هستند اگر چه ممکن است مؤسسه ای کالا و خدمات را بطور کارا تولید کند، اما ممکن است اثربخش نباشد و همچنین کارآمدترین مؤسسه می تواند به بقا خود ادامه دهد حتی اگر اثربخش نباشد. بنیاد و اساس موفقیت، اثربخشی است. اثربخشی از درجه و میزان نیل به اهداف تعیین شده به دست می آید و نشان می دهد که تا چه میزان از تلاش های انجام شده، نتایج مورد نظر حاصل شده است. در واقع اثربخشی مرتبط با عملکرد و فراهم آمدن رضایت انسان از تلاش های انجام شده است و کارایی مرتبط با بهره برداری صحیح از منابع است. بهره وری ترکیبی از کارایی و اثربخشی است و هر دو معقوله را در بر دارد.
بر این اساس، مفهوم بهره وری سنجش و ارزیابی بازده و نتایج فعالیت های یک سازمان نسبت به حجم منابع مصروفه را در پی خواهد داشت.
اثربخشی + کارایی = بهره وری
اثربخشی = اجرای کارهای درست
کارایی = اجرای درست کارها
در مباحث تولید در سطح اقتصاد خرد یک بنگاه را در نظر بگیرید، بنگاه در صدد این است که نهاده‎هایش (سرمایه، نیروی انسانی، سوخت و ...) را به محصول تبدیل کند، بررسی عملکرد بنگاه راه های مختلفی دارد که یک معیار مرسوم بهره وری، یعنی نسبت محصول به نهاده است که هرچه این نسبت بزرگتر باشد، بیانگر بهره وری بالاتر بنگاه است. این یک معیار نسبی است، به عنوان مثال در بهره وری، عملکرد دو بنگاه را در یک سال و یا عملکرد یک بنگاه را در دو زمان (دو سال) مورد بررسی قرار می‎دهیم. در زمانی که یک محصول و یک نهاده وجود داشته باشد، محاسبه نسبت بهره وری کار آسانی است، اما اگر چند نهاده و چند محصول داشته باشیم، می باید از شاخص بهره وری کل عوامل استفاده کنیم. همچنین نسبت های سنتی شاخص بهره وری همچون بهره وری نیروی کار، بهره وری سوخت در نیروگاه ها، بهره‎وری در زمین کشاورزی مطرح هستند که به عنوان معیار جزیی بهره وری شناخته شده اند و چون فقط یک نهاده را در نظر می گیرند، از توانایی بالایی برخوردار نیستند (عین علیان، 1387،67).
برای روشن ساختن تفاوت بین کارایی و بهره وری، یک فرایند ساده با یک عامل تولید (x) و یک محصول تولیدی (y) را در نظر می گیریم. در نمودار (3-2)، منحنی of نشان دهنده تابع تولید مرزی می‎باشد که نشان دهنده ارتباط میان محصول و عامل تولید است. این تابع مرزی، حداکثر تولید قابل حصول از سطوح مختلف عامل تولید را در تکنولوژی معین نشان می دهد. (عین علیان، 1387، 70)

1736090125730نمودار (3-2) تابع تولید مرزی و کارایی فنی00نمودار (3-2) تابع تولید مرزی و کارایی فنی
بنگاه هایی که بر روی این تابع تولید مرزی قرار دارند کارا (فنی) می باشند، یعنی این که این بنگاه‎ها با استفاده از نهاده های موجود بیشترین محصول را تولید کرده اند ولی بنگاه هایی که در زیر این تابع قرار دارند، با عدم کارایی مواجه می باشند. در این نمودار، A نشان دهنده نقطه غیر کارا ولی B و C معرف نقاط کارا هستند. بنگاهی که در نقطه A فعالیت می کند با مشکل عدم کارایی مواجه می باشد، چون با تکنولوژی موجود، می تواند تولید خود را بدون نیاز به افزایش عامل تولید، تا سطح B افزایش دهد. با استفاده از نمودار (3-2) می توان مجموعه تولید قابل دسترس را نیز مشخص کرد، که شامل تمام نقاط روی منحنی تابع مرزی (of) و زیر آن تا محور افقی می باشند. نقاط روی تابع مرزی، مجموعه ای از نقاط کارا را نمایندگی می کنند.
برای توضیح اختلاف بین کارایی و بهره وری از شکل (3-3) استفاده می کنیم. در این شکل، تمام نقاط روی منحنی of به مبدأ مختصات، برابر y/x یا همان نسبت ستاده به نهاده و به عبارتی بهره وری است.
حرکت از A به B نشانگر، حرکت از یک نقطه ناکارا به یک نقطه کاراست. حرکت از نقطه B به نقطه C حرکت از یک نقطه کارا به یک نقطه کارای دیگر است، با این نکته، که در نقطه C، بهره وری شیب خط واصل از منحنی of به مبدأ مختصات (بهره وری) بالاتر است، که همراه با صرفه جویی مقیاس می‎باشد.
پس نتیجه می گیریم که بنگاهی ممکن است به لحاظ فنی کارا باشد B، ولی ممکن است بتواند با استفاده از صرفه جویی های ناشی از مقیاس، بهره وری خود را بهبود بخشدC.

126365070485نمودار (3-3) بهره وری، کارایی فنی و مقیاس اقتصادی00نمودار (3-3) بهره وری، کارایی فنی و مقیاس اقتصادی
3-5- توصیف انواع کارایی به روش فارلمعرفی انواع کارایی از طریق عملی، براساس روش فارل (1957) صورت می گیرد. فارل برای توضیح کارایی فرض می کند که بازدهی ثابت نسبت به مقیاس(CRS) وجود دارد و از منحنی تولید یکسان کمک می گیرد. بنابراین ضمن بیان روش فارل به انواع بازدهی نسبت به مقیاس و تعریف منحنی تولید یکسان و خصوصیات آن می پردازیم سپس انواع کارایی توضیح داده می شود.
فارل ایده اش را با بهره گیری از یک مثال ساده برای بنگاه هایی که تنها از دو عامل تولید (x1,x2) برای تولید یک محصول (Y)، استفاده می کنند ارائه کرد، البته با فرض اینکه بازدهی ثابت نسبت به مقیاس (CRS) وجود دارد.
در ادبیات اقتصادی سه مفهوم بازده ثابت، صعودی و نزولی نسبت به مقیاس تولید مورد بحث قرار می گیرد.
بازدهی ثابت نسبت به مقیاس (CRS) F(ax1,ax2)= aF(x1,x2)
بازدهی صعودی نسبت به مقیاس (IRS) F(ax1,ax2)> aF(x1,x2)
بازدهی نزولی نسبت به مقیاس (DRS) F(ax1,ax2)< aF(x1,x2)
بازدهی ثابت نسبت به مقیاس تولید (CRS) هنگامی رخ می دهد که افزایشی متناسب در تمامی عوامل تولید، منجر به افزایش در مقدار تولید به همان تناسب شود.
در این جا به تعریف منحنی های تولید یکسان و بیان خصوصیات آن می پردازیم.
منحنی های تولید یکسان یا منحنی هم مقداری تولید، ترکیب های مختلف از نهاده های x1 و x2 را برای تولید مقدار مشخصی از محصول (y=y0) نشان می دهد شیب منحنی تولید یکسان به لحاظ جبری مشتق تابع تولید با در نظر گرفتن) =y0 (y است.
2239645971550039503359715500Y=F(x1,x2) 0= Fَ1dx1+ Fَ2dx2MRTS= dx2dx1 =- F1F2F 1ََََ و F2، تولید نهایی عامل تولید 1X و عامل تولید 2X هستند.
منحنی های هم مقداری تولید دارای خصوصیات زیر می باشند.
الف) در مرحله کارایی تولید (مرحله دوم) دارای شیب منفی می باشند.
ب)یکدیگر را قطع نمی نمایند.
ج) نسبت به مبداً مختصات محدب می باشند.
1) وجود شیب منفی در مرحله دوم تولید (تولید کارا). طبق مباحث تئوریک، تولید کننده هیچگاه نباید در مرحله اول و سوم تولید فعالیت کند و منطقی است که در مرحله دوم تولید فعال باشد.
طبق نمودار (3-4) دامنه ًAA مرحله سوم برای نهاده X2 و دامنه BBَ مرحله سوم برای نهاده1 X می باشد و تولید کننده عقلایی در این دو دامنه فعالیت نمی کند زیرا به رغم افزایش هر دو نهاده، تولید افزایش نمی یابد و در این دو دامنه تولید نهایی منفی است. همچنین شیب منفی تابع تولید یکسان به نرخ نهایی جانشینی فنی (MRTS) بستگی دارد، که نرخ جانشینی نهاده1 X با نهاده X2 در حالی که محصول ثابت نگاه داشته شده است را انعکاس می دهد.
2) منحنی های هم مقداری تولید یکدیگر را قطع نمی کنند. زیرا اگر دو منحنی همدیگر را قطع کنند.

598170102870نمودار (3-4) نمایش تراکم عوامل تولید با استفاده از منحنی هم مقداری تولید00نمودار (3-4) نمایش تراکم عوامل تولید با استفاده از منحنی هم مقداری تولید
از طرفی دیگر طبق نمودار ( 3-5) با تعریف ارائه شده در مورد منحنی های هم مقدار تولید تناقض دارد چرا که، نشان می دهد که ترکیب واحدی از نهاده ها (X1,X2) دو سطح متفاوت تولید را ارائه می دهد. یا به عبارتی اگر دو منحنی هم مقداری تولید یکدیگر را قطع کنند، بدین معنی است که یک ترکیب به خصوص از عوامل تولید در شرایط کارا، می تواند دو سطح متفاوت محصول را تولید کند.
3) ویژگی سوم منحنی های هم مقدار تولید این است که این منحنی نسبت به مبدأ مختصات محدب است و این نتیجه بازدهی نزولی در مرحله دوم است، زیرا حرکت روی منحنی هم مقداری تولید و جانشین کردن X1 به جای X2 باعث کاهش MRTS می شود (فرگوسن، 1370، 170).

94234089535نمودار (3-5) منحنی های هم مقداری تولید یکدیگر را قطع نمی کنند.00نمودار (3-5) منحنی های هم مقداری تولید یکدیگر را قطع نمی کنند.
طبق مثال فارل در شکل (3-6) منحنی هم مقداری تولید بنگاه های کاملاً کارا مکان هندسی کاراترین ترکیبات مختلف از عوامل تولید در سطح معینی از تولید است.

1604645128270نمودار (3-6) توصیف انواع کارایی به روش فارل00نمودار (3-6) توصیف انواع کارایی به روش فارل
اگر نقطه P نمایانگر تولید یکی از بنگاه ها باشد، کارایی فنی این بنگاه به صورت زیر تعریف می شود:
کارایی فنی = OROPبه طور کلی کارایی فنی توانایی یک بنگاه را در بدست آوردن حداکثر محصول از مقدار معینی نهاده نشان می دهد. در نقطه P، نسبت نهاده ها به محصول، بالاتر از نقطه R است، لذا نسبت OR به OP می تواند بیانگر کارایی باشد.
کارایی فنی مفهومی نسبی است زیرا مقایسه بین بنگاه ها در نوع و نحوه استفاده از تکنولوژی است، لذا بنگاهی دارای کارایی فنی بالاتر است که بتواند با مجموعه داده های مفروض و ثابت (یعنی تکنولوژی و بکارگیری عامل کار و سرمایه که قبلاً تعیین شده است) محصول بیشتری را نسبت به سایر بنگاه ها تولید کند. از طرف دیگر بنگاهی ممکن است در مقایسه با استاندارد یک منطقه یا کشور دارای کارایی فنی بالا باشد ولی در مقایسه با استاندارد جهانی و یا استاندارد کشور دیگر کارآمد نباشد. یک تولید کننده به لحاظ فنی کاملاً کاراست اگر تولید او بر روی منحنی هم مقداری تولید (AÁ) انجام شود این امر توانایی بنگاه را برای بدست آوردن حداکثر محصول از مجموعه عوامل تولید مشخص را منعکس می کند. اگر تولید بنگاه در سمت راست منحنی AÁ انجام شود، این بنگاه با عدم کارایی مواجه خواهد بود. عدم کارایی تمام مواردی است که باعث می شود عملکرد واقعی بنگاه در سطحی کمتر از مقدار قابل حصول (با توجه به عوامل تولید مشخص) باشد. بر این اساس عدم کارایی مدیریتی نیز یکی از اجزای عدم کارایی فارل می باشد همچنین عدم کارایی با آنچه که بعضی از اقتصاددانان اتلاف منابع نامیده اند، مطابقت دارد. اتلاف منابع بدین معناست که تولید مورد نظر می توانست با هزینه های کمتر از آنچه که صورت گرفته، حاصل شود. در یک بنگاه کاملاً کارا OP=OR است، به عبارتی کارایی فنی مساوی یک خواهد بود، هرچه فاصله بین OR وOP افزایش یابد، کارایی فنی به سمت صفر میل می کند (عدم کارایی افزایش می یابد). بنابراین امکان بالقوه برای بهبود و افزایش کارایی هر بنگاه که با کارایی کمتر از یک مواجه باشد، وجود خواهد داشت. همچنین فارل با در نظر گرفتن قیمت عوامل تولید، تعریف کارایی تخصیصی را ارائه کرد.
کارایی تخصیصی مفهومی است که به تخصیص بهینه عوامل تولید با توجه به قیمت آنها مربوط است و علت تغییر ترکیب استفاده از عوامل تولید به تغییر قیمت عوامل تولید برمی گردد تا از این طریق هزینه تولید حداقل شود و یا سود بنگاه حداکثر شود.
در شکل (3-7) قیمت عوامل تولید بوسیله خط هزینه یکسان (BB́) نشان داده شده است.
کارایی تخصیصی (کارایی قیمت) بنگاهی که در P تولید می کند به صورت زیر تعریف می شود:
کارایی تخصیصی=OSORکارایی تخصیصی توانایی یک بنگاه در استفاده از نهاده ها با نسبت های بهینه با توجه به قیمت های عوامل تولید را نشان می دهد . در اندازه گیری کارایی بر مبنای حداکثر سازی محصول، کارایی تخصیصی توضیح داده می شود. یک بنگاه کاملاً کارا از نظر فنی، ترکیبات مختلفی از عوامل تولید را برای سطح معینی از تولید می تواند داشته باشد که آن ترکیبات دارای کارایی فنی یکسان هستند اما هزینه تولید آنها متفاوت است.تفاوت های موجود ناشی از قیمت عوامل تولید می باشد. همچنین از حاصل ضرب کارایی فنی و کارایی تخصیصی می توان کارایی اقتصادی را بر حسب تعریف فارل بدست آورد (امامی، 1379،38).
کارایی اقتصادی= OSOPکارایی اقتصادی= کارایی فنی × کارایی تخصیصی
OSOP = OROP × OSORافزایش کارایی را می توان با حداقل سازی میزان استفاده از عوامل تولید در سطح معینی از محصول و یا با حداکثر سازی محصول در سطح معینی از عوامل تولید، بدست آورد که در ادامه شرح داده می شود.
3-6- روش های اندازه گیری کاراییبه طور کلی کارایی یک بنگاه به دو روش پارامتری و ناپارامتری اندازه گیری می شود.
3-6-1- روشهای پارامتریدر روش های پارامتری که بیشتر بر پایه اصول اقتصادسنجی است و در اقتصاد مورد استفاده قرار می‎گیرد، ابتدا یک فرم تابع (معمولا تابع تولید کاب-داگلاس) برای تولید در نظر گرفته می شود. لازم به ذکر است که در روش های پارامتری علاوه بر محدودیت انتخاب تابع تولید، با محدودیت های دیگری نیز روبه رو هستیم:
اول اینکه واحدها باید فقط یک محصول تولیدی داشته باشند، و این در حالی است که ممکن است واحدهای تحت ارزیابی چند محصولی باشند.
دوم اینکه استفاده از روش کمترین مربعات برای برآورد پارامترهای تابع تولید بیان کاملی از نقاط ممکن تولید نمی باشد، زیرا تابع تولید بیشترین تولید ممکن به ازای هر ورودی است، در حالی که تابع محاسبه شده از این روش بیشترین تولید ممکن را در هر ورودی به دست نمی دهد. اولین مدل تخمین به روش پارامتری ، در سال 1977 توسط ایگنر، لاول و اشمیت و همچنین میوزن وان دن بروک ارائه شد. روش های پارامتری به دو گروه کلی، قطعی، و تصادفی تقسیم می شوند.
3-6-2- روش های غیر پارامتریدر تلاش برای رفع مشکلات موجود در روش های پارامتری، روش های غیرپارامتری ایجاد شدند. فارل در سال 1957 اولین روش غیرپارامتری را جهت تعیین کارایی در حالت دو ورودی و یک خروجی ارائه نمود. وی به جای برآورد تابع تولید، مرز کارای قطعه قطعه خطی را با اعمال فرض های زیر و با استفاده از تبدیل یک به یک به دست آورد.
285369012319000, 1) , xi2yi (xi1yi yi) (xi1, xi2,
شیب پاره خطها منفی یا صفر است و هیچ واحدی بین مرز و مبدأ قرار نمی گیرد . نقاطی که روی مرز قرار می گیرند نقاط کارا و بقیه ناکارا هستند.
3-7- تحلیل پوششی دادهها (DEA)اندازه گیری کارایی به خاطر اهمیت آن در ارزیابی عملکرد سازمان ها همواره مورد توجه محققین بوده است. چنانکه قبلاً نیز اشاره شد فارل در سال 1957 برای اولین بار با استفاده از روش غیر پارامتری اقدام به اندازه گیری کارایی یک واحد تولیدی نمود. در ادامه محققانی نظیر چارنز و همکارانش دیدگاه فارل را توسعه دادند و مدلی را ارائه نمودند که تحت عنوان تحلیل پوششی داده ها نام گرفت.
در سالهای اخیر نیز در اغلب کشورهای جهان برای ارزیابی عملکرد نهادها و دیگر فعالیت های رایج در زمینه های مختلف کاربردهای متفاوتی از DEA دیده شده است. علت مقبولیت گسترده این روش به سایر روش ها امکان بررسی روابط پیچیده و اغلب نامعلوم بین چندین خروجی است که در این فعالیت‎ها وجود دارد. DEA امکان نگرش جدید به فعالیت هایی که قبلاً به روشهای دیگر ارزیابی شدهاند فراهم کرده است. برای مثال امکان محک زنی با استفاده از این روش به شناسایی منابع ناکارا در شرکت‎های خیلی سودآور منجر شده است. مطالعه کارایی نسبی سازمان های مختلف مانند بانکها، شرکت های بیمه، بیمارستانها و... که مطالعات قبلی قادر به ارزیابی توان بالقوه آنها نبوده اند به کمک DEA میسر می شود (شکل 3-7).

—d1231

جدول 3-12: تنظیمات پارامترهای الگوریتم K-Means57
اجرا برای 9 خوشه در الگوریتم K-Means60
جدول 3-13: تنظیمات پارامترهای الگوریتم Kohonen64
جدول 3-14: تنظیمات پارامترهای الگوریتم دوگامی69
جدول 4-1: مقایسه الگوریتم های دسته بند70
جدول 4-2: مقایسه الگوریتم های دسته بند درخت تصمیم70
جدول 4-3: ماتریس آشفتگی قانون شماره 171
جدول 4-4: ماتریس آشفتگی قانون شماره 272
جدول 4-5: ماتریس آشفتگی قانون شماره 3 الف72
جدول 4-6: ماتریس آشفتگی قانون شماره 3 ب72
جدول 4-7: ماتریس آشفتگی قانون شماره 3 ج73
عنوان صفحه
جدول 4-8: ماتریس آشفتگی قانون شماره 3 د73
جدول 4-9: ماتریس آشفتگی قانون شماره 3 ه73
جدول 4-10: ماتریس آشفتگی قانون شماره 3 و74
جدول 4-11: ماتریس آشفتگی قانون شماره 3 ز76
جدول 4-12: ماتریس آشفتگی قانون شماره 476
جدول 4-13: ماتریس آشفتگی قانون شماره 577
جدول 4-14: ماتریس آشفتگی قانون شماره 6 الف77
جدول 4-15: ماتریس آشفتگی قانون شماره 6 ب78
جدول 4-16: ماتریس آشفتگی قانون شماره778
جدول 4-17: ماتریس آشفتگی قانون شماره879
جدول 4-18: مقایسه الگوریتم های خوشه بندی79
جدول 4-19: فیلدهای حاصل از الگوریتم های خوشه بندی80
جدول 4-20: نتایج الگوریتم های FpGrowth, Weka Apriori81

فهرست شکل‌ها
عنوان صفحه
شکل شماره3-1: داده از دست رفته فیلد" نوع بیمه " پس از انتقال به محیط داده کاوی33
شکل 3-2: نتایج الگوریتمPCA 34
شکل 3-3: نتایج الگوریتم SVM Weighting در ارزشدهی به ویژگی ها35
شکل 3-4: نتایج الگوریتم Weighting Deviation در ارزشدهی به ویژگی ها35
شکل 3-5: نتایج الگوریتم Weighting Correlation در ارزشدهی به ویژگی ها36
شکل 3-6: نمای کلی استفاده از روشهای ارزیابی41
شکل 3-7: نمای کلی استفاده از یک مدل درون یک روش ارزیابی42
شکل 3-8: نمودار AUC الگوریتم KNN42
شکل 3-9: نمودار AUC الگوریتم Naïve Bayes43
شکل 3-10: تبدیل ویژگی های غیر عددی به عدد در الگوریتم شبکه عصبی44
شکل 3-11: نمودار AUC و ماتریس آشفتگی الگوریتم Neural Net44
شکل 3-12: تبدیل ویژگی های غیر عددی به عدد در الگوریتم SVM خطی45
شکل 3-13 : نمودار AUC الگوریتم SVM Linear46
شکل 3-14 : نمودار AUC الگوریتم رگرسیون لجستیک47
شکل 3-15 : نمودار AUC الگوریتم Meta Decision Tree48
شکل 3-16 : قسمتی از نمودارtree الگوریتم Meta Decision Tree49
شکل 3-17 : نمودار --ial الگوریتم Meta Decision Tree49
شکل 3-18: نمودار AUC الگوریتم Wj4850
شکل 3-19 : نمودار tree الگوریتم Wj4851
شکل 3-20 : نمودار AUC الگوریتم Random forest52
شکل 3-21 : نمودار تولید 20 درخت در الگوریتم Random Forest53
شکل 3-22 : یک نمونه درخت تولید شده توسط الگوریتم Random Forest53
عنوان صفحه
شکل 3-23 : رسیدن درصد خطا به صفر پس از 8مرتبه57
شکل 3-24 : Predictor Importance for K-Means58
شکل 3-25 : اندازه خوشه ها و نسبت کوچکترین خوشه به بزرگترین خوشه در الگوریتم
K-Means59
شکل 3-26 : کیفیت خوشه ها در الگوریتمMeans K-60
شکل 3-27 : Predictor Importance for Kohonen61
شکل 3-28 : اندازه خوشه ها و نسبت کوچکترین خوشه به بزرگترین خوشه در الگوریتم
Kohonen62
شکل 3-29 : کیفیت خوشه ها در الگوریتمMeans K-63
شکل 3-30 : تعداد نرون های ورودی و خروجی در Kohonen63
شکل 3-31 : Predictor Importance for دوگامی64
شکل 3-32 : اندازه خوشه ها و نسبت کوچکترین خوشه به بزرگترین خوشه در
الگوریتم دوگامی65
شکل 3-33 : کیفیت خوشه ها در الگوریتم دوگامی66
شکل4-1: نمودارنسبت تخفیف عدم خسارت به خسارت75
فصل اول
194500518986500
مقدمه
شرکتهای تجاری و بازرگانی برای ادامه بقا و حفظ بازار همواره بر سود دهی و کاهش ضرر و زیان خود تاکید دارند از این رو روشهای جذب مشتری و همچنین تکنیکهای جلوگیری یا کاهش زیان در سرلوحه کاری این شرکتها قرار می گیرد.
از جمله شرکتهایی که بدلایل مختلف در معرض کاهش سود و یا افزایش زیان قرار می گیرند شرکتهای بیمه ای می باشند. عواملی همچون بازاریابی، وفاداری مشتریان، نرخ حق بیمه، تبلیغات، تقلب، می تواند باعث جذب یا دفع مشتری گردد که در سود و زیان تاثیر مستقیم و غیر مستقیم دارد. پرداخت خسارت نیز به عنوان تعهد شرکتهای بیمه منجر به کاهش سود و در بعضی موارد موجب زیان یک شرکت بیمه می شود. خسارت می تواند بدلایل مختلف رخ دهد و یا عملی دیگر به گونه ای خسارت جلوه داده شود که در واقع اینچنین نیست[Derrig et. al 2006].
عواملی از قبیل فرهنگ رانندگی، داشتن گواهینامه رانندگی، نوع گواهینامه و تطابق یا عدم تطابق آن با وسیله نقلیه، جاده های بین شهری و خیابانهای داخل شهر که شهرداری ها و ادارات راه را به چالش می کشد، تقلب، وضعیت آب و هوا، کیفیت خودروی خودرو سازان، سن راننده، سواد راننده، عدم تطابق حق بیمه با مورد بیمه [Wilson 2003]، روزهای تعطیل، مسافرتها و بسیاری موارد دیگر می توانند موجب خسارت و در نهایت افزایش زیان یک شرکت بیمه ای گردند.
بیمه صنعتی سودمند، ضروری و مؤثر در توسعه اقتصادی است. این صنعت بدلیل «افزایش امنیت در عرصه های مختلف زندگی و فعالیتهای اقتصادی»، «افزایش سرمایه گذاری و اشتغال و رشد اقتصادی» و « ارتقای عدالت اقتصادی و کاهش فقر ناشی از مخاطرات »، حائز جایگاه مهمی در پیشرفت و تعالی یک کشور است.
با وجود نقش مهم بیمه در بسترسازی و تأمین شرایط مساعد اقتصادی، وضعیت کنونی این صنعت در اقتصاد ملی با وضعیت مطلوب آن فاصله زیادی دارد. عدم آشنایی عمومی و کم بودن تقاضا برای محصولات بیمه ای، دانش فنی پایین در عرصه خدمات بیمه ای، عدم تطابق ریسک با حق بیمه، تفاوت فاحش در مقایسه معیارهای تشخیص ریسک بیمه شخص ثالث با نوع بیمه معادل در کشورهای توسعه یافته، وجود نارسایی ها در مدیریت واحدهای عرضه بیمه از دلایل عدم توسعه مناسب این صنعت در کشور است. از آنجا که بشر در طول تاریخ به کمک علم و تجربه رستگاری ها و توفیقات فراوانی کسب کرده است، نگاه علمی تر به مشکلات این صنعت و یافتن راه حل در بستر علم می تواند راه گشا باشد.
امروزه بوسیله روشهای داده کاوی ارتباط بین فاکتورهای مختلف موثر یا غیر موثر در یک موضوع مشخص می شود و با توجه به اینکه داده کاوی ابزاری مفید در استخراج دانش از داده های انبوه می باشد که ارتباطات نهفته بین آنها را نشان می دهد، شرکتهای تجاری بازرگانی رو به این تکنیکها آورده اند.
داده کاوی محدود به استفاده از فناوری ها نیست و از هرآنچه که برایش مفید واقع شود استفاده خواهد کرد. با این وجود آمار و کامپیوتر پر استفاده ترین علوم و فناوری های مورد استفاده داده کاوی است.
تعریف داده کاوی XE "تعریف داده کاوی" XE "تعریف داده کاوی"
داده کاوی روند کشف قوانین و دانش ناشناخته و مفید از انبوه داده ها و پایگاه داده است[ Liu et. al 2012].
انجام عمل داده کاوی نیز مانند هر عمل دیگری مراحل خاص خود را دارد که به شرح زیر می باشند:
1-جدا سازی داده مفید از داده بیگانه
2-یکپارچه سازی داده های مختلف تحت یک قالب واحد
3-انتخاب داده لازم از میان دیگر داده ها
4- انتقال داده به محیط داده کاوی جهت اکتشاف قوانین
5-ایجاد مدلها و الگوهای مرتبط بوسیله روشهای داده کاوی
6-ارزیابی مدل و الگوهای ایجاد شده جهت تشخیص مفید بودن آنها
7-انتشار دانش استخراج شده به کاربران نهایی
تعریف بیمهبیمه: بیمه عقدی است که به موجب آن یک طرف تعهد می کند در ازاء پرداخت وجه یا وجوهی از طرف دیگر در صورت وقوع یا بروز حادثه خسارت وارده بر او را جبران نموده یا وجه معینی بپردازد. متعهد را بیمه گر طرف تعهد را بیمه گذار وجهی را که بیمه گذار به بیمه گر می پردازد حق بیمه و آنچه را که بیمه می شود موضوع بیمه نامند]ماده یک قانون بیمه مصوب 7/2/1316[.
هدف پایان نامهدر این پژوهش سعی شده است با استفاده از تکنیکهای داده کاوی اقدام به شناسایی فاکتورهای تاثیر گذار در سود و زیان بیمه شخص ثالث خودرو شرکتهای بیمه نموده و ضریب تاثیر آنها را بررسی نماییم. الگوریتم های استفاده شده در این پژوهش شامل دسته بند ها، خوشه بند ها، درخت های تصمیم و قوانین انجمنی بوده است.
مراحل انجام تحقیقدر این پایان نامه با استفاده از روشهای داده کاوی با استفاده از بخشی از داده های صدور و خسارت یک سال شرکت بیمه مدل شده و از روی آنها یک الگو ساخته می شود. در واقع به این طریق به الگوریتم یاد داده می شود که ارتباطات بین داده ها، منجر به چه نتایجی می شود. سپس بخشی از داده ها که در مرحله قبل از آن استفاده نشده بود به مدل ایجاد شده داده می شود ونتایج توسط معیارهای علمی مورد ارزیابی قرار میگیرند. بمنظور آزمایش عملکرد می توان داده های دیگری به مدل داده شود و نتایج حاصله با نتایج واقعی موجود مقایسه شوند.
ساختار پایان نامهاین پایان نامه شامل چهارفصل خواهد بود که فصل اول شامل یک مقدمه و ضرورت پژوهش انجام شده و هدف این پژوهش است. در فصل دوم برخی تکنیک های داده کاوی و روشهای آن مطرح و تحقیقاتی که قبلا در این زمینه انجام شده مورد بررسی قرار می گیرند. در فصل سوم به شرح مفصل پژوهش انجام شده و نرم افزار داده کاوی مورد استفاده در این پایان نامه می پردازیم و با کمک تکنیک های داده کاوی مدل هایی ارائه می شود و مدلهای ارائه شده درهرگروه با یکدیگر مقایسه شده و بهترین مدل از میان آنها انتخاب می گردد. در فصل چهارم مسائل مطرح شده جمع بندی شده و نتایج حاصله مطرح خواهند شد و سپس تغییراتی که در آینده در این زمینه می توان انجام داد پیشنهاد می شوند.

فصل دوم
193548028194000
ادبیات موضوع و تحقیقات پیشیندر این فصل ابتدا مروری بر روشهای داده کاوی خواهیم داشت سپس به بررسی تحقیقات پیشین می پردازیم.
داده کاوی و یادگیری ماشینداده کاوی ترکیبی از تکنیک های یادگیری ماشین، تشخیص الگو، آمار، تئوری پایگاه داده و خلاصه کردن و ارتباط بین مفاهیم و الگوهای جالب به صورت خودکار از پایگاه داده شرکتهای بزرگ است. هدف اصلی داده کاوی کمک به فرآیند تصمیم گیری از طریق استخراج دانش از داده هاست [Alpaydin 2010].
هدف داده کاوی آشکار کردن روندها یا الگوهایی که تا کنون ناشناخته بوده اند برای گرفتن تصمیمات بهتر است که این هدف را بوسیله به کارگیری روشهای آماری همچون تحلیل لجستیک و خوشه بندی و همچنین با استفاده از روشهای تحلیل داده به دست آمده از رشته های دیگر )همچون شبکه های عصبی در هوش مصنوعی و درختان تصمیم در یادگیری ماشین( انجام میدهد[Koh & Gervis 2010] . چون ابزارهای داده کاوی روند ها و رفتارهای آینده را توسط رصد پایگاه داده ها برای الگوهای نهان پیش بینی می کند با عث می شوند که سازمان ها تصمیمات مبتنی بر دانش گرفته و به سوالاتی که پیش از این حل آنها بسیار زمان بر بود پاسخ دهند [Ramamohan et. al 2012 ] .
داده کاوی یک ابزار مفید برای کاوش دانش از داده حجیم است. [Patil et. al 2012 ]. داده کاوی یافتن اطلاعات بامعنای خاص ازیک تعداد زیادی ازداده بوسیله بعضی ازفناوری ها به عنوان رویه ای برای کشف دانش ازپایگاه داده است، که گام های آن شامل موارد زیر هستند [Han and Kamber 2001] .
1-پاک سازی داده ها :حذف داده دارای نویز و ناسازگار
2-یکپارچه سازی داده: ترکیب منابع داده گوناگون
3-انتخاب داده: یافتن داده مرتبط با موضوع از پایگاه داده
4-تبدیل داده: تبدیل داده به شکل مناسب برای کاوش
5-داده کاوی: استخراج مدل های داده با بهره گیری از تکنولوژی
6- ارزیابی الگو: ارزیابی مدل هایی که واقعا برای ارائه دانش مفید هستند
7-ارائه دانش: ارائه دانش بعد ازکاوش به کاربران بوسیله استفاده از تکنولوژیهایی همچون ارائه بصری [Lin & Yeh 2012] .
ابزارها و تکنیک های داده کاویبا توجه به تنوع حجم و نوع داده ها، روش های آماری زیادی برای کشف قوانین نهفته در داده ها وجود دارند. این روش ها می توانند با ناظر یا بدون ناظر باشند. [Bolton & Hand 2002] در روش های با ناظر، نمونه هایی از مواردخسارتی موجود است و مدلی ساخته می شود که براساس آن، خسارتی یا غیر خسارتی بودن نمونه های جدید مشخص می شود. این روش جهت تشخیص انواع خسارت هایی مناسب است که از قبل وجود داشته اند]فولادی نیا و همکاران 1392[ .
روش های بدون ناظر، به دنبال کشف نمونه هایی هستند که کمترین شباهت را با نمونه های نرمال دارند. برای انجام فعالیت هایی که در هر فاز داده کاوی باید انجام شود از ابزارها و تکنیک های گوناگونی چون الگوریتمهای پایگاه داده، تکنیکهای هوش مصنوعی، روشهای آماری، ابزارهای گرافیک کامپیوتری و مصور سازی استفاده می شود. هر چند داده کاوی لزوما به حجم داده زیادی بعنوان ورودی نیاز ندارد ولی امکان دارد در یک فرآیند داده کاوی حجم داده زیادی وجود داشته باشد.
در اینجاست که از تکنیک ها وابزارهای پایگاه داده ها مثل نرمالسازی، تشخیص و تصحیح خطا و تبدیل داده ها بخصوص در فازهای شناخت داده و آماده سازی داده استفاده می شود. همچنین تقریبا در اکثرفرآیند های داده کاوی از مفاهیم، روشها و تکنیک های آماری مثل روشهای میانگین گیری )ماهیانه، سالیانه و . . . (، روشهای محاسبه واریانس و انحراف معیار و تکنیک های محاسبه احتمال بهره برداری های فراوانی می شود. یکی دیگر از شاخه های علمی که به کمک داده کاوی آمده است هوش مصنوعی می باشد.
هدف هوش مصنوعی هوشمند سازی رفتار ماشینها است. می توان گفت تکنیک های هوش مصنوعی بطور گسترده ای در فرآیند داده کاوی به کار می رود بطوریکه بعضی از آماردانها ابزارهای داده کاوی را بعنوان هوش آماری مصنوعی معرفی می کنند.
قابلیت یادگیری بزرگترین فایده هوش مصنوعی است که بطور گسترده ای در داده کاوی استفاده می شود. تکنیک های هوش مصنوعی که در داده کاوی بسیار زیاد مورد استفاده قرار می گیرند عبارتند از شبکه های عصبی، روشهای تشخیص الگوی یادگیری ماشین و الگوریتمهای ژنتیک ونهایتا تکنیک ها و ابزارهای گرافیک کامپیوتری و مصور سازی که بشدت در داده کاوی بکار گرفته می شوند و به کمک آنها می توان داده های چند بعدی را به گونه ای نمایش داد که تجزیه وتحلیل نتایج برای انسان براحتی امکان پذیر باشد [Gupta 2006].
روشهای داده کاوی عمده روشهای داده کاوی عبارتند از روشهای توصیف داده ها، روشهای تجزیه و تحلیل وابستگی، روشهای دسته بندی و پیشگویی، روشهای خوشه بندی، روشهای تجزیه و تحلیل نویز.
می توان روش های مختلف کاوش داده را در دو گروه روش های پیش بینی و روش های توصیفی طبقه بندی نمود. روش های پیش بینی در متون علمی به عنوان روش های با ناظر نیزشناخته می شوند. روش های دسته بندی، رگرسیون و تشخیص انحراف از روشهای یادگیری مدل در داده کاوی با ماهیت پیش بینی هستند. در الگوریتم های دسته بندی مجموعه داده اولیه به دو مجموعه داده با عنوان مجموعه داده های آموزشی و مجموعه داده های آزمایشی تقسیم می شود که با استفاده از مجموعه داده های آموزشی مدل ساخته می شود و از مجموعه داده های آزمایشی برای اعتبار سنجی و محاسبه دقت مدل ساخته شده استفاده می شود. هررکورد شامل یک مجموعه ویژگی است.
یکی از ویژگی ها، ویژگی دسته نامیده می شود و در مرحله آموزش براساس مقادیر سایر ویژگی ها برای مقادیر ویژگی دسته، مدل ساخته می شود. روشهای توصیفی الگوهای قابل توصیفی را پیدا میکنند که روابط حاکم بر داده ها را بدون در نظرگرفتن هرگونه برچسب و یا متغیرخروجی تبیین نمایند. درمتون علمی روشهای توصیفی با نام روشهای بدون ناظر نیز شناخته می شوند ]صنیعی آباده 1391[.

روشهای توصیف داده هاهدف این روشها ارائه یک توصیف کلی از داده هاست که معمولا به شکل مختصر ارائه می شود. هر چند توصیف داده ها یکی از انواع روشهای داده کاوی است ولی معمولا هدف اصلی نیست واغلب از این روش برای تجزیه و تحلیل نیاز های اولیه و شناخت طبیعت داده ها و پیدا کردن خصوصیات ذاتی داده ها یا برای ارائه نتایج داده کاوی استفاده می شود [Sirikulvadhana 2002] .
روشهای تجزیه و تحلیل وابستگی هدف این روشها پیدا کردن ارتباطات قابل توجه بین تعداد زیادی از متغیر ها یا صفات می باشد[Gupta 2006] . یکی از روشهای متداول برای کشف قواعد وابستگی مدل Apriori است که نسبت به سایر مدلهای کشف قواعد وابستگی سریعتر بوده و محدودیتی از نظر تعداد قواعد ندارد [Xindong et al 2007] . کاوش قواعد تلازمی یکی از محتواهای اصلی تحقیقات داده کاوی در حال حاضر است و خصوصا بر یافتن روابط میان آیتم های مختلف در پایگاه داده تاکید دارد [Patil et. al 2012] . سه مدل CARMA و GRI و Fpgrowth سه الگوریتم دیگر از قواعد وابستگی هستند.
روشهای دسته بندی و پیشگویی
دسته بندی یک فرآیند یافتن مدل است که برای بخش بندی داده به کلاس های مختلف برطبق بعضی محدودیت ها استفاده شده است. به بیان دیگر ما می توانیم بگوییم که دسته بندی یک فرآیند تعمیم داده بر طبق نمونه های مختلف است. چندین نمونه اصلی الگوریتم های طبقه بندی شامل C4. 5 ، K نزدیکترین همسایه، بیز ساده و SVM است [Kumar and Verna 2012].
یکی از این نوع الگوریتم ها نظریه بیز می باشد. این دسته بند از یک چارچوب احتمالی برای حل مساله استفاده می کند. یک رکورد مفروض با مجموعه ویژگی های (A1, A2…. An) را درنظر بگیرید. هدف تشخیص دسته این رکورد است. در واقع از بین دسته های موجود به دنبال دسته ای هستیم که مقدارP(C|A1, A2…. An) را بیشینه کند. پس این احتمال را برای تمامی دسته های موجود محاسبه کرده و دسته ای که این احتمال به ازای آن بیشینه شود را به عنوان دسته رکورد جدید در نظر می گیریم.
PCA=PAC PCPAرگرسیون نیز نوع دیگری از این الگوریتم ها است. پیش بینی مقدار یک متغیر پیوسته بر اساس مقادیر سایر متغیرها بر مبنای یک مدل وابستگی خطی یا غیر خطی رگرسیون نام دارد. درواقع یک بردار X داریم که به یک متغیر خروجی y نگاشت شده است. هدف محاسبه y یا همان F(X) است که از روی تخمین تابع مقدار آن محاسبه می شود.
درخت تصمیمدرخت تصمیم از ابزارهای داده کاوی است که در رده بندی داده های کیفی استفاده می شود. در درخت تصمیم، درخت کلی به وسیله خرد کردن داده ها به گره هایی ساخته می شود که مقادیری از متغیر ها را در خود جای می دهند. با ایجاد درخت تصمیم بر اساس داده های پیشین که رده آنها معلوم است، می توان داده های جدید را دسته بندی کرد. روش درخت تصمیم به طور کلی برای دسته بندی استفاده می شود، زیرا یک ساختار سلسله مراتبی ساده برای فهم کاربر و تصمیم گیری است. الگوریتم های داده کاوی گوناگونی برای دسته بندی مبتنی بر شبکه عصبی مصنوعی، قوانین نزدیکترین همسایگی و دسته بندی بیزین در دسترس است اما درخت تصمیم یکی از ساده ترین تکنیک هاست [Patil et. al 2012] . از انواع درخت های تصمیم می توان C4. 5 و C5 و Meta Decision Tree و Random Forest وJ48 را نام برد.

2-3-5-شبکه عصبیروش پرکاربرد دیگر در پیشگویی نتایج استفاده از شبکه های عصبی می باشد. شبکه های عصبی مدل ساده شده ای است که بر مبنای عملکرد مغز انسان کار می کند. اساس کار این شبکه شبیه سازی تعداد زیادی واحد پردازشی کوچک است که با هم در ارتباط هستند. به هریک از این واحد ها یک نرون گفته می شود. نرون ها بصورت لایه لایه قرار دارند و در یک شبکه عصبی معمولا سه لایه وجود دارد [Gupta 2006] . اولین لایه )لایه ورودی ( ، دومین )لایه نهان (و سومین )لایه خروجی (. لایه نهان می تواند متشکل از یک لایه یا بیشتر باشد [P--han et. al 2011 ] .
2-3-6- استدلال مبتنی بر حافظهتوانایی انسان در استدلال براساس تجربه، به توانایی او در شناخت و درک نمونه های مناسبی که مربوط به گذشته است، بستگی دارد. افراد در ابتدا تجارب مشابهی که در گذشته داشته را شناسایی و سپس دانشی که از آن ها کسب کرده است را برای حل مشکل فعلی به کار می گیرند. این فرآیند اساس استدلال مبتنی بر حافظه است. یک بانک اطلاعاتی که از رکوردهای شناخته شده تشکیل شده است مورد جستجو قرار می گیرد تارکوردهای از قبل طبقه بندی شده و مشابه با رکورد جدید یافت شود.
از این همسایه ها برای طبقه بند ی و تخمین زدن استفاده می شود. KNN یک نمونه از این الگوریتم هاست. فرض کنید که یک نمونه ساده شده با یک مجموعه از صفت های مختلف وجود دارد، اما گروهی که این نمونه به آن متعلق است نامشخص است. مشخص کردن گروه می تواند از صفت هایش تعیین شود. الگوریتم های مختلفی می تواند برای خودکار سازی فرآیند دسته بندی استفاده بشود. یک دسته بند نزدیک ترین همسایه یک تکنیک برای دسته بندی عناصر است مبتنی بردسته بندی عناصر در مجموعه آموزشی که شبیه تر به نمونه آزمایشی هستند.
باتکنیک Kنزدیکترین همسایه، این کار با ارزیابی تعداد K همسایه نزدیک انجام می شود. [Tan et al 2006] . تمام نمونه های آموزشی در یک فضای الگوی چند بعدی ذخیره شده اند. وقتی یک نمونه ناشناخته داده می شود، یک دسته بند نزدیکترین همسایه در فضای الگو برای K نمونه آموزشی که نزدیک به نمونه ناشناخته هستند جستجو می کند. نزدیکی بر اساس فاصله اقلیدسی تعریف می شود [Wilson and Martinez 1997] .
2-3-7-ماشین های بردار پشتیبانیSVM اولین بار توسط Vapnik در سال 1990 معرفی شد و روش بسیار موثری برای رگرسیون و دسته بندی و تشخیص الگو است [Ristianini and Shawe 2000] .
SVM به عنوان یک دسته بند خوب در نظر گرفته می شود زیرا کارایی تعمیم آن بدون نیاز به دانش پیشین بالاست حتی وقتیکه ابعاد فضای ورودی بسیار بالاست. هدف SVM یافتن بهترین دسته بند برای تشخیص میان اعضای دو کلاس در مجموعه آموزشی است [Kumar and Verna 2012] .
رویکرد SVM به این صورت است که در مرحله آموزش سعی دارد مرز تصمیم گیری را به گونه ای انتخاب نماید که حداقل فاصله آن با هر یک از دسته های مورد نظر را بیشینه کند. این نوع انتخاب مرز بر اساس نقاطی بنام بردارهای پشتیبان انجام می شوند.
2-3-8-روشهای خوشه بندی هدف این روشها جداسازی داده ها با خصوصیات مشابه است. تفاوت بین دسته بندی و خوشه بندی این است که در خوشه بندی از قبل مشخص نیست که مرز بین خوشه ها کجاست و برچسبهای هر خوشه از پیش تعریف شده است ولی در دسته بندی از قبل مشخص است که هر دسته شامل چه نوع داده هایی می شود و به اصطلاح برچسب های هر دسته از قبل تعریف شده اند. به همین دلیل به دسته بندی یادگیری همراه با نظارت و به خوشه بندی یادگیری بدون نظارت گفته می شود [Osmar 1999] .
2-3-9- روش K-Meansیکی از روش های خوشه بندی مدل K-Means است که مجموعه داده ها را به تعدادثابت و مشخصی خوشه، خوشه بندی می کند. روش کار آن به این صورت است که تعداد ثابتی خوشه در نظر میگیرد و رکوردها را به این خوشه ها اختصاص داده و مکرراً مراکز خوشه ها را تنظیم می کند تا زمانیکه بهترین خوشه بندی بدست آید[Xindong et al 2007].
2-3-10-شبکه کوهننشبکه کوهنن نوعی شبکه عصبی است که در این نوع شبکه نرون ها در دو لایه ورودی و خروجی قرار دارند و همه نرون های ورودی به همه نرون های خروجی متصل اندو این اتصالات دارای وزن هستند. لایه خروجی در این شبکه ها بصورت یک ماتریس دو بعدی چیده شده و به آن نقشه خروجی گفته می شود. مزیت این شبکه نسبت به سایر انواع شبکه های عصبی این است که نیاز نیست دسته یا خوشه داده ها از قبل مشخص باشد، حتی نیاز نیست تعداد خوشه ها از قبل مشخص باشد. شبکه های کوهنن با تعداد زیادی نرون شروع می شود و به تدریج که یادگیری پیش می رود، تعداد آنها به سمت یک تعداد طبیعی و محدود کاهش می یابد.
2-3-11-روش دو گاماین روش در دو گام کار خوشه بندی را انجام می دهد. در گام اول همه داده ها یک مرور کلی می شوند و داده های ورودی خام به مجموعه ای از زیر خوشه های قابل مدیریت تقسیم می شوند. گام دوم با استفاده از یک روش خوشه بندی سلسله مراتبی بطور مداوم زیر خوشه ها را برای رسیدن به خوشه های بزرگتر با هم ترکیب می کند بدون اینکه نیاز باشد که جزئیات همه داده ها را مجددا مرور کند.
2-3-12-روشهای تجزیه و تحلیل نویزبعضی از داده ها که به طور بارز و مشخصی از داده های دیگر متمایز هستند اصطلاحاً بعنوان داده خطا یا پرت شناخته می شوند که باید قبل از ورود به فاز مدلسازی و در فاز آماده سازی داده ها برطرف شوند. با وجود این زمانیکه شناسایی داده های غیر عادی یا غیر قابل انتظار مانند موارد تشخیص تقلب هدف اصلی باشد، همین نوع داده ها مفید هستند که در این صورت به آنها نویز گفته می شود [Osmar 1999].
دسته های نامتعادل]صنیعی آباده 1391[.
مجموعه داده هایی که در آنها ویزگی دسته دارای توزیع نامتعادل باشد بسیار شایع هستند. مخصوصاً این مجموعه داده ها در کاربردها و مسائل واقعی بیشتر دیده می شوند.
در چنین مسائلی با وجود اینکه تعداد رکوردهای مربوط به دسته نادر بسیار کمتر از دسته های دیگر است، ولی ارزش تشخیص دادن آن به مراتب بالاتر از ارزش تشخیص دسته های شایع است. در داده کاوی برای برخورد با مشکل دسته های نامتعادل از دو راهکار استفاده می شود:
راهکار مبتنی بر معیار
راهکار مبتنی بر نمونه برداری
راهکار مبتنی بر معیاردر دسته بندی شایع ترین معیار ارزیابی کارایی دسته بند، معیار دقت دسته بندی است. در معیار دقت دسته بندی فرض بر یکسان بودن ارزش رکوردهای دسته های مختلف دسته بندی است. در راهکار مبتنی بر معیار بجای استفاده از معیار دقت دسته بندی از معیارهایی بهره برداری می شود که بتوان بالاتر بودن ارزش دسته های نادر و کمیاب را در آنها به نحوی نشان داد. بنابراین با لحاظ نمودن معیارهای گفته شده در فرآیند یادگیری خواهیم توانست جهت یادگیری را به سمت نمونه های نادر هدایت نماییم. از جمله معیارهایی که برای حل مشکل عدم تعادل دسته ها بکار می روند عبارتند از Recall, Precession, F-Measure, AUC و چند معیار مشابه دیگر.
2-4-2-راهکار مبتنی بر نمونه بردارینمونه برداری یکی از راهکارهای بسیار موثربرای مواجهه با مشکل دسته های نامتعادل است. ایده اصلی نمونه برداری آن است که توزیع نمونه ها را به گونه ای تغییر دهیم که دسته کمیاب به نحو پررنگ تری در مجموعه داده های آموزشی پدیدار شوند. سه روش برای این راهکار وجود دارد که عبارتند از:
الف- نمونه برداری تضعیفی:
در این روش نمونه برداری، توزیع نمونه های دسته های مساله به گونه ای تغییر می یابند که دسته شایع به شکلی تضعیف شود تا از نظرفراوانی با تعداد رکوردهای دسته نادر برابری کند. به این ترتیب هنگام اجرای الگوریتم یادگیری، الگوریتم ارزشی مساوی را برای دو نوع دسته نادر و شایع درنظر می گیرد.
ب- نمونه برداری تقویتی:
این روش درست برعکس نمونه برداری تضعیفی است. بدین معنی که نمونه های نادر کپی برداری شده و توزیع آنها با توزیع نمونه های شایع برابر می شود.
ج- نمونه برداری مرکب:
در این روش از هردو عملیات تضعیفی و تقویتی بصورت همزمان استفاده میشود تا توزیع مناسب بدست آید.
در این پژوهش با توجه به کمتر بودن نسبت نمونه نادر یعنی منجر به خسارت شده به نمونه شایع از روش نمونه برداری تضعیفی استفاده گردید که کل تعداد نمونه ها به حدود 3 هزار رکورد تقلیل پیدا کرد و توزیع نمونه ها به نسبت مساوی بوده است. شایان ذکر است این نمونه برداری پس از انجام مرحله پاک سازی داده ها انجام شد که خود مرحله پاکسازی با عث تقلیل تعداد نمونه های اصلی نیز گردیده بود.
پیشینه تحقیقسالهاست که محققان در زمینه بیمه و مسائل مرتبط با آن به تحقیق پرداخته اند و از جمله مسائلی که برای محققان بیشتر جذاب بوده است می توان به کشف تقلب اشاره کرد.
Brockett و همکاران [Brockett et. al 1998] ابتدا به کمک الگوریتم تحلیل مولفه های اصلی (PCA) به انتخاب ویژگی ها پرداختند و سپس با ترکیب الگوریتم های خوشه بندی و شبکه های عصبی به کشف تقلبات بیمه اتومبیل اقدام کردند. مزیت این کار ترکیب الگوریتمها و انتخاب ویژگی بوده که منجر به افزایش دقت خروجی بدست آمده گردید.
Phua و همکاران [ Phua et. al 2004] با ترکیب الگوریتم های شبکه های عصبی پس انتشاری ، بیزساده و درخت تصمیم c4.5 به کشف تقلب در بیمه های اتومبیل پرداختند.نقطه قوت این کار ترکیب الگوریتم ها بوده اما بدلیل عدم کاهش ویژگی ها و کاهش ابعاد مساله میزان دقت بدست آمده در حد اعلی نبوده است.
Allahyari Soeini و همکاران [Allahyari Soeini et. al 2012] نیز یک متدلوژی با استفاده از روشهای داده کاوی خوشه بندی ودرخت تصمیم برای مدیریت مشتریان ارائه دادند. از ایرادات این روش میتوان عدم استفاده از الگوریتم های دسته بندی و قوانین انجمنی را نام برد.
مورکی علی آباد ] مورکی علی‌آباد1390[ تحقیقی داشته است که اخیراً در زمینه بیمه صورت گرفته و درمورد طبقه‌بندی مشتریان صنعت بیمه با هدف شناسایی مشتریان بالقوه با استفاده از تکنیک‌های داده‌کاوی (مورد مطالعه: بیمه‌گذاران بیمه آتش‌سوزی شرکت بیمه کارآفرین (که هدف آن دسته بندی مشتریان صنعت بیمه بر اساس میزان وفاداری به شرکت، نوع بیمه نامه های خریداری شده، موقعیت جغرافیایی مکان های بیمه شده و میزان جذب به شرکت بیمه در بازه زمانی 4 سال گذشته بوده است. روش آماری مورد استفاده از تکنیک های داده کاوی نظیر درخت تصمیم و دسته بندی بود. این تحقیق نیز چون نمونه آن قبلا انجام شده بوده از الگوریتم های متفاوت استفاده نکرده است. همچنین سعی بر بهبود تحقیق قبلی نیز نداشته است. وجه تمایز این تحقیق با نمونه قبلی استفاده از ویژگی های متفاوت بوده است.
عنبری ]عنبری 1389[ نیز پژوهشی در خصوص طبقه بندی ریسک بیمه گذاران در رشته بیمه بدنه اتومبیل با استفاده از داده کاوی داشته است که هدف استفاده از داده های مربوط به بیمه نامه بدنه از کل شرکتهای بیمه (بانک اطلاعاتی بیمه خودرو) بوده و سعی بر آن شده است تا بررسی شود که آیا میتوان بیمه گذاران بیمه بدنه اتومبیل را از نظر ریسک طبقه بندی کرد؟ و آیا درخت تصمیم برای طبقه بندی بیمه گذاران بهترین ابزار طبقه بندی می باشد؟ و آیا سن و جنسیت از موثرترین عوامل در ریسک بیمه گذار محسوب می شود؟ نتایج این طبقه بندی به صورت درخت تصمیم و قوانین نشان داده شده است. ونتایج حاصل از صحت مدل درخت تصمیم با نتایج الگوریتم های شبکه عصبی و رگرسیون لجستیک مورد مقایسه قرار گرفته است. از مزیت های این تحقیق استفاده از الگوریتم های متفاوت و مقایسه نتایج حاصله برای بدست آوردین بهترین الگوریتم ها بوده است.
رستخیز پایدار]رستخیز پایدار 1389[ تحقیقی دیگر در زمینه بخش بندی مشتریان بر اساس ریسک با استفاده از تکنیک داده کاوی (مورد مطالعه: بیمه بدنه اتومبیل بیمه ملت) داشته است. با استفاده از مفاهیم شبکه خود سازمانده بخش بندی بر روی مشتریان بیمه بدنه اتومبیل بر اساس ریسک صورت گرفت. در این تحقیق عوامل تأثیرگذار بر ریسک بیمه گذاران طی دو مرحله شناسایی گردید. در مرحله اول هیجده فاکتور ریسک در چهار گروه شامل مشخصات جمعیت شناختی، مشخصات اتومبیل، مشخصات بیمه نامه و سابقه راننده از بین مقالات علمی منتشر گردیده در ژورنال های معتبر در بازه سال های 2000 الی 2009 استخراج گردید و در مرحله دوم با استفاده از نظرسنجی از خبرگان فاکتورهای نهایی تعیین گردید. مشتریان بیمه بدنه اتومبیل در این تحقیق با استفاده از شبکه های عصبی خودسازمانده به چهار گروه مشتریان با ریسک های متفاوت بخش بندی گردیدند. مزیت این تحقیق استفاده از نظر خبرگان بیمه بوده و ایراد آن عدم استفاده از ویژگی های بیشتر و الگوریتم های انتخاب ویژگی بوده است.
ایزدپرست  ]ایزدپرست1389[ همچنین تحقیقی در مورد ارائه چارچوبی برای پیش بینی خسارت مشتریان بیمه بدنه اتومبیل با استفاده از راهکار داده کاوی انجام داده است که چارچوبی برای شناسایی مشتریان بیمه بدنه اتومبیل ارائه می‌گردد که طی آن میزان خطرپذیری مشتریان پیش‌بینی شده و مشتریان بر اساس آن رده‌بندی می‌گردند. در نتیجه با استفاده از این معیار (سطح خطرپذیری) و نوع بیمه‌نامه مشتریان، میتوان میزان خسارت آنان را پیش‌بینی کرده و تعرفه بیمه‌نامه متناسب با ریسک آنان تعریف نمود. که این مطلب می‌تواند کمک شایانی برای شناسایی مشتریان و سیاستگذاری‌های تعرفه بیمه نامه باشد. در این تحقیق از دو روش خوشه‌بندی و درخت‌تصمیم استفاده می‌گردد. در روش خوشه‌بندی مشتریان بر اساس ویژگی هایشان در خوشه هایی تفکیک شده، سپس میانگین سطح خسارت در هر یک از این خوشه‌ها را محاسبه میکند. حال مشتریان آتی با توجه به اینکه به کدامیک از این خوشه‌ها شبیه تر هستند در یکی از آنها قرار می‌گیرند تا سطح خسارتشان مشخص گردد. در روش درخت‌تصمیم با استفاده از داده‌های مشتریان، درختی را بر اساس مجموعه‌ای از قوانین که بصورت "اگر-آنگاه" می‌باشد ایجاد کرده و سپس مشتریان جدید با استفاده از این درخت رده‌بندی می‌گردند. در نهایت هر دو این مدلها مورد ارزیابی قرار می‌گیرد. ایراد این روش در عدم استفاده از دسته بند ها بوده است. چون ماهیت تحقیق پیش بینی بوده است استفاده از دسته بند ها کمک شایانی به محقق در تولبد خروجی های حذاب تر می کرد.


خلاصه فصلعمده پژوهشهایی که درخصوص داده های بیمه ای صورت گرفته کمتر به سمت پیش بینی سود و زیان شرکتهای بیمه بوده است. در موارد مشابه نیزپیش بینی خسارت مشتریان انجام شده که هدف دسته بندی مشتریان بوده است. موضوع این پژوهش اگرچه از نوع همسان با تحقیقات گفته شده است اما در جزئیات بیمه شخص ثالث را پوشش می دهد که درکشور ما یک بیمه اجباری تلقی می شود. همچنین تعداد خصیصه هایی که در صدور یا خسارت این بیمه نامه دخالت دارند نسبت به سایر بیمه های دیگر بیشتر بوده ضمن اینکه بررسی سود یا زیان بیمه شخص ثالث با استفاده از دانش نوین داده کاوی کارتقریبا جدیدی محسوب می شود.

فصل سوم
2087880229743000
شرح پژوهشدر این فصل هدف بیان مراحل انجام این پژوهش و تحلیل خروجی های بدست آمده می باشد.

انتخاب نرم افزاردر اولین دهه آغاز به کار داده کاوی و در ابتدای امر، هنوز ابزار خاصی برای عملیات کاوش وجود نداشت و تقریبا نیاز بود تا تمامی تحلیل گران، الگوریتمهای موردنظر داده کاوی و یادگیری ماشین را با زبان های برنامه نویسی مانند c یا java یا ترکیبی از چند زبان پیاده سازی کنند. اما امروزه محیط های امکان پذیر برای این امر، با امکانات مناسب و قابلیت محاوره گرافیکی زیادی را می توان یافت]صنیعی آباده 1391[.
Rapidminerاین نرم افزار یک ابزار داده کاوی متن باز است که به زبان جاوا نوشته شده و از سال 2001 میلادی تا به حال توسعه داده شده است. در این نرم افزار سعی تیم توسعه دهنده بر این بوده است که تا حد امکان تمامی الگوریتم های رایج داده کاوی و همچنین یادگیری ماشین پوشش داده شوند. بطوری که حتی این امکان برای نرم افزار فراهم شده است تا بتوان سایر ابزارهای متن باز داده کاوی را نیز به آن الحاق نمود. رابط گرافیکی شکیل و کاربر پسند نرم افزار نیز آن را یک سرو گردن بالاتر از سایر ابزارهای رقیب قرار میدهد]صنیعی آباده 1391[.
مقایسه RapidMiner با سایر نرم افزار های مشابهدر اینجا دو نرم افزار مشهور متن باز را با RapidMiner مقایسه خواهیم کرد و معایب و مزایای آنها را بررسی می کنیم.
الف-R
یک زبان برنامه نویسی و یک پکیج داده کاوی به همراه توابع آماری است و بر پایه زبان های s و scheme پیاده سازی شده است. این نرم افزار متن باز، حاوی تکنیک های آماری مانند: مدل سازی خطی و غیرخطی، آزمون های کلاسیک آماری، تحلیل سری های زمانی، دسته بندی، خوشه بندی، و همچنین برخی قابلیت های گرافیکی است. R را می توان در محاسبات ماتریسی نیز بکار برد که این امر منجر به استفاده از آن در علم داده کاوی نیز می شود.
-مزایا:
شامل توابع آماری بسیار گسترده است.
بصورت بسیارمختصر قادر به حل مسائل آماری است.
دربرابر سایر نرم افزار های مرسوم کار با آرایه مانند Mathematica, PL, MATLAB, LISP/Scheme قدرت مند تر است.
با استفاده از ویژگی Pipeline قابلیت ترکیب بالایی را با سایر ابزارها و نرم افزارها دارد.
توابع نمودار مناسبی دارد.
-معایب:
فقدان واسط کاربری گرافیک
فقدان سفارشی سازی لزم جهت داده کاوی
ساختار زبانی کاملا متفاوت نسبت به زبان های برنامه نویسی مرسوم مانندc, PHP, java, vb, c#.
نیاز به آشنایی با زبانهای آرایه ای
قدیمی بودن این زبان نسبت به رقبا. این زبان در 1990 ساخته شده است.
ب- Scipy
یک مجموعه از کتابخانه های عددی متن باز برای برنامه نویسی به زبان پایتون است که برخی از الگوریتم های داده کاوی را نیز پوشش می دهد.
-مزایا
برای کاربردهای ریاضی مناسب است.
عملیات داده کاوی در این نرم افزار چون به زبان پایتون است راحت انجام می شود.
-معایب
الگوریتم های یادگیری مدل در این کتابخانه هنوز به بلوغ کامل نرسیده اند و درحال تکامل هستند.
برای پیاده سازی الگوریتم های داده کاوی توسط این ابزار باید از ترکیب های متفاوت آنچه در اختیار هست استفاده کرد.
ج-WEKA
ابزار رایج و متن باز داده کاوی است که کتابخانه های آماری و داده کاوی بسیاری را شامل میشود. این نرم افزار بوسیله جاوا نوشته شده است و در دانشگاه وایکاتو در کشور نیوزلند توسعه داده شده است.
-مزایا
دارای بسته های فراوان یادگیری ماشین.
دارای نمای گرافیکی مناسب.
مشخصا به عنوان یک ابزار داده کاوی معرفی شده است.
کار کردن با آن ساده است.
اجرای همزمان چندین الگوریتم و مقایسه نتایج.
همانطور که مشخص شد weka در مقابل دیگر نرم افزار های بیان شده به لحاظ قدرت و کاربر پسندی به Rapidminer نزدیک تر است و شباهت های زیادی به هم دارند زیرا که:
هردو به زبان جاوا نوشته شده اند.
هردو تحت مجوزGPL منتشر شده اند.
Rapidminer بسیاری از الگوریتمهای weka را در خود بارگذاری میکند.
اما weka معایبی نسبت به Rapidminer دارد از جمله اینکه:
در اتصال به فایلهای حاوی داده Excel و پایگاه های داده که مبتنی بر جاوا نیستند ضعیف عمل میکند.
خواندن فایلهای csv به شکل مناسبی سازماندهی نشده است.
به لحاظ ظاهری در رده پایینتری قرار دارد.
در نهایت بعد از بررسی های انجام شده حتی در میان نرم افزار های غیرمتن باز تنها ابزاری که کارایی بالاتری از Rapidminer داشت statistica بود که متن باز نبوده و استفاده از آن نیازمند تقبل هزینه آن است]صنیعی آباده 1391[.
در یازدهمین و دوازدهمین بررسی سالانه KDDnuggets Data Mining / Analytics رای گیری با طرح این سوال که کدام ابزار داده کاوی را ظرف یک سال گذشته برای یک پروژه واقعی استفاده کرده ایددر سال 2010 از بین 912 نفر و در سال 2011 ازبین 1100 نفر انجام شد. توزیع رای دهندگان بدین صورت بوده است:
اروپای غربی 37%
آمریکای شمالی 35%
اروپای شرقی 10%
آسیا 6%
اقیانوسیه 4%
آمریکای لاتین 4%
آفریقا و خاورمیانه %4
نتایج به شرح جدول 3-1 بوده است :
جدول شماره 3-1: نتایج رای گیری استفاده از نرم افزارهای داده کاوی
2011 Vote 2010 Vote Software name
37. 8% 27. 7% Rapidminer
29. 8% 23. 3% R
24. 3% 21. 8% Excel
12. 1% 13. 6% SAS
18. 4% 12. 1% Your own code
19. 2% 12. 1% KNIMe
14. 4% 11. 8% WEKA
1. 6% 10. 6% Salford
6. 3% 8. 5% Statistica
همانطور که نتایج رای گیری مشخص میکند نرم افزار Rapidminer بیشترین استفاده کننده را دارد.
در این پایان نامه نیز عملیات داده کاوی توسط این نرم افزار انجام می شود. ناگفته نماند در قسمتهایی از نرم افزار minitab و Clementine12 نیز برای بهینه کردن پاسخ بدست آمده و بالابردن کیفیت نتایج استفاده شده است.

داده ها داده های مورد استفاده در این پژوهش شامل مجموعه بیمه نامه های شخص ثالث صادر شده استان کهگیلویه و بویراحمد در سال 1390 شمسی بوده که بیمه نامه های منجر شده به خسارت نیز در این لیست مشخص گردیده اند. تعداد کل رکوردها حدود 20 هزار رکورد بوده که از این تعداد تقریباً 7. 5 درصد یعنی حدود 1500 رکوردمنجر به خسارت گردیده اند.
3-2-1- انتخاب دادهداده مورد استفاده در این پژوهش شامل دو مجموعه داده به شرح زیر بوده است:
صدور: اطلاعات بیمه نامه های صادره
خسارت: جزئیات خسارت پرداختی ازمحل هر بیمه نامه که خسارت ایجاد کرده
3-2-2-فیلدهای مجموعه داده صدور
این فیلدها در حالت اولیه 137 مورد به شرح جدول 3-2 بوده است.
3-2-3-کاهش ابعاد
در این پژوهش بخاطر موثرنبودن فیلدهایی اقدام به حذف این مشخصه ها کرده و فیلدهای موثر نهایی به 42 فیلد کاهش یافته که به شرح جدول 3-3 بدست آمده اند. کاهش ابعاد میتواند شامل حذف فیلدهای موثر که دارای اثر بسیار ناچیز درمقابل دیگر فیلدها است نیز باشد.
جدول شماره 3-2: فیلدهای اولیه داده های صدور
ردیف نام فیلد ردیف نام فیلد ردیف نام فیلد
1 بیمه‌نامه 33 مدت بیمه 65 تعهدمازاد
2 سال‌صدوربیمه‌نامه 34 زمان‌شروع 66 کدنوع‌تعهدسرنشین
3 رشته‌بیمه 35 شغل‌بیمه‌گذار 67 میزان‌تعهدسرنشین
4 نمایش سند 36 سن‌بیمه‌گذار 68 حق‌بیمه‌ثالث‌قانونی
5 مکانیزه 37 سال‌کارت 69 ثالث قانونی+تعدددیات
6 دستی 38 سریال‌کارت 70 حق‌بیمه‌بند4
7 وب‌بنیان 39 کدوسیله‌نقلیه 71 حق‌بیمه‌ماده1
8 نام‌استان 40 کدزیررشته‌آمار 72 حق‌بیمه‌مازاد
9 نام‌شعبه 41 نوع‌وسیله‌نقلیه 73 حق‌بیمه‌سرنشین
10 کدشعبه 42 سیستم 74 مالیات
11 شعبه‌محل‌صدور 43 سال ساخت 75 مازادجانی
12 شعبه 44 رنگ 76 حق‌بیمه‌مازادمالی
13 نمایندگی‌محل‌صدور 45 شماره‌شهربانی 77 عوارض‌ماده92
14 کددولتی 46 شماره‌موتور 78 حق‌بیمه‌دریافتی
15 نمایندگی 47 شماره‌شاسی 79 tadodflg
16 دولتی 48 تعدادسیلندر 80 حق‌بیمه‌تعددخسارت
17 صادره‌توسط شعبه 49 کدواحدظ‌رفیت 81 جریمه‌بیمه‌مرکزی
18 کارمندی 50 ظرفیت 82 حق‌بیمه‌صادره‌شعبه
19 کدصادره‌توسط شعبه 51 شرح‌مورداستفاده 83 حق‌بیمه‌صادره‌نمایندگی
20 سریال‌بیمه‌نامه 52 یدک‌دارد؟ 84 کداضافه‌نرخ‌حق‌بیمه
21 شماره‌بیمه‌نامه 53 اتاق‌وسیله‌نقلیه 85 اضافه‌نرخ‌ثالث
22 نام‌بیمه‌گذار 54 نوع‌پلاک 86 اضافه‌نرخ‌بند4
23 آدرس‌بیمه‌گذار 55 جنسیت 87 اضافه‌نرخ‌مازاد
24 تلفن‌بیمه‌گذار 56 کدنوع‌بیمه‌نامه 88 تعدددیات
25 کدسازمان 57 نوع‌بیمه 89 اضافه‌نرخ‌تعدددیات
26 نام‌سازمان 58 بیمه‌نامه‌سال‌قبل 90 اضافه‌نرخ‌ماده‌یک
27 کدنوع‌بیمه 59 انقضاسال‌قبل 91 دیرکردجریمه
28 cbrn. cod 60 بیمه‌گرقبل 92 کدملی‌بیمه‌گذار
29 نوع‌بیمه 61 شعبه‌قبل 93 صادره‌توسط شعبه
30 تاریخ‌صدور 62 خسارت‌داشته‌؟ 94 نوع‌مستند1
31 تاریخ‌شروع 63 تعهدمالی 95 شماره‌مستند1
32 تاریخ‌انقضا 64 تعهدبدنی 96 تاریخ‌مستند1
ادامه جدول شماره 3-2: فیلدهای اولیه داده های صدور
ردیف نام فیلد ردیف نام فیلد ردیف نام فیلد
97 مبلغ‌مستند1 111 تخفیف ایمنی 125 کداقتصادی
98 شماره‌حساب1 112 سایرتخفیف ها 126 کدملی
99 بانک1 113 ملاحظات 127 تاریخ‌ثبت
100 نوع‌مستند2 114 نام‌کاربر 128 کدشعبه‌صادرکننده‌اصلی
101 شماره‌مستند2 115 تاریخ‌سند 129 کدنمایندگی‌صادرکننده‌اصلی
102 تاریخ‌مستند2 116 کدشهربانی 130 کدسازمان‌صادرکننده‌اصلی
103 مبلغ‌مستند2 117 شعبه‌محل‌نصب 131 سال
104 شماره‌حساب2 118 کدمحل‌نصب 132 ماه
105 بانک2 119 دستی/مکانیزه 133 نوع
106 تخفیف‌نرخ‌اجباری 120 تیک‌باحسابداری 134 crecno
107 تخفیف‌نرخ‌اختیاری 121 سال‌انتقال 135 type_ex
108 تخفیف عدم خسارت 122 ماه‌انتقال 136 updflg
109 تخفیف صفرکیلومتر 123 sysid 137 hsab_sync
110 تخفیف گروهی 124 trsid کداقتصادی
جدول شماره 3-3: فیلدهای نهایی داده های صدور
ردیف نام فیلد ردیف نام فیلد ردیف نام فیلد
1 ماه 15 تعهدمازاد 29 تاریخ‌شروع
2 سال 16 تعهدبدنی 30 تاریخ‌صدور
3 کدنمایندگی‌صادرکننده‌اصلی 17 تعهدمالی 31 نام‌سازمان
4 تخفیف گروهی 18 بیمه‌نامه‌سال‌قبل 32 شماره‌بیمه‌نامه
5 تخفیف عدم خسارت 19 نوع‌بیمه 33 کارمندی
6 نوع‌مستند1 20 نوع‌پلاک 34 صادره‌توسط شعبه
7 دیرکردجریمه 21 شرح‌مورداستفاده 35 دولتی
8 کداضافه‌نرخ‌حق‌بیمه 22 ظرفیت 36 نمایندگی‌محل‌صدور
9 حق‌بیمه‌دریافتی 23 تعدادسیلندر 37 خسارتی؟
10 عوارض‌ماده92 24 سال ساخت 38 مبلغ خسارت
11 مالیات 25 سیستم 39 تاریخ ایجادحادثه
12 حق‌بیمه‌سرنشین 26 نوع‌وسیله‌نقلیه 40 بیمه گر زیاندیده اول
13 حق‌بیمه‌مازاد 27 مدت بیمه 41 تعداد زیاندیدگان مصدوم
14 حق‌بیمه‌ثالث‌قانونی 28 تاریخ‌انقضا 42 تعداد زیاندیدگان متوفی
در کاهش ابعاد این مساله برای حذف فیلدهای مختلف نظرات کارشناسان بیمه نیز لحاظ شده است. جدول 3-4 فیلدهای حذف شده و علت حذف آنها را بیان کرده است.
جدول شماره 3-4: فیلدهای حذف شده داده های صدور و علت حذف آنها
نام فیلد حذف شده علت حذف
Crecno-type_ex-updflg-hsab_sync-کدمحل‌نصب-دستی/مکانیزه-تیک‌باحسابداری-سال‌انتقال-ماه‌انتقال-sysid-trsid-کدزیررشته آمار-نمایش سند-مکانیزه-دستی-وب‌بنیان-Cbrn. cod کاربرد آماری
نوع-کد شعبه صادرکننده-شعبه محل نصب-کدشهربانی-سایرتخفیف ها-تخفیف ایمنی-تخفیف صفر کیلومتر-تخفیف نرخ اختیاری-تخفیف نرخ اجباری-خسارت داشته؟-شعبه قبل-جنسیت-کد نوع بیمه نامه-یدک دارد-
اتاق وسیله نقلیه-سن بیمه گذار-شغل بیمه گذار-زمان شروع-کد نوع بیمه دارای مقدار یکسان یا null
کد سازمان صادر کننده-کد نوع تعهد سرنشین-کدواحدظرفیت-کد وسیله نقلیه-کد سازمان-کد صادره توسط-نمایندگی-کد دولتی بجای این کد از فیلد اسمی معادل آن استفاده شده است و یا برعکس زیرا در نتایج خروجی قابل فهم تر خواهد بود.
تاریخ ثبت-تاریخ سند-بیمه گر قبل-مبلغ -مستند 1و2-اضافه‌نرخ‌ثالث-4اضافه‌نرخ‌بند-
اضافه‌نرخ‌مازاد-میزان تعهد سرنشین-تعدددیات-اضافه‌نرخ‌تعدددیات-اضافه‌نرخ‌ماده‌یک-تاریخ مستند1و2-شماره -حساب 1و2-بانک1و2 دارای مقدار تکراری
کدملی-بیمه نامه-کداقتصادی-نوع مستند2-
شماره مستند1و2-نام کاربر-ملاحظات-
کدملی بیمه گذار-شماره شاسی-شماره موتور-
شماره شهربانی-سریال کارت-سال کارت-
نام‌استان-نام‌شعبه-کدشعبه-شعبه‌محل‌صدور
شعبه-سال‌صدوربیمه‌نامه-رشته‌بیمه-رنگ-تلفن بیمه گذار-نام بیمه گذار-آدرس بیمه گذار-سریال بیمه نامه بدون تاثیر
حق‌بیمه‌تعددخسارت-جریمه‌بیمه‌مرکزی-
حق‌بیمه‌صادره‌شعبه-حق‌بیمه‌صادره‌نمایندگی-
مازادجانی-حق‌بیمه‌مازادمالی-حق بیمه ماده1-
حق بیمه ماده4-ثالث قانونی + تعدد دیات- انقضا سال قبل بخشی از فیلد انتخاب شده
جدول 3-5: فیلدهای استخراج شده از داده های خسارت
مبلغ خسارت
تاریخ ایجادحادثه
بیمه گر زیاندیده اول
تعداد زیاندیدگان مصدوم
تعداد زیاندیدگان متوفی
3-2-4- فیلدهای مجموعه داده خسارتاز مجموعه داده خسارت فقط فیلدهای مشخص کننده میزان خسارت و جزئیات لازم استخراج شده است. متاسفانه اطلاعات مفید تری مثل سن راننده مقصر، میزان تحصیلات و. . . در این مجموعه داده وجود نداشته است و چون هنگام ثبت خسارت برای یک بیمه نامه از اطلاعات کلیدی داده های صدور استفاده می شود، با توجه به اینکه از مرحله قبل مهمترین فیلدهای داده های صدور را در دسترس داریم بنابراین با ادغام فیلدهای خسارت و صدور به اطلاعات جامعی در خصوص یک بیمه نامه خاص دسترسی خواهیم داشت. مشخصه ها استخراج شده از داده های خسارت طبق جدول 3-5 است.

3-2-5-پاکسازی داده هاداده ها در دنیای واقعی ممکن است دارای خطا، مقادیر از دست رفته، مقادیر پرت و دورافتاده باشند [Jiawei Han, 2010]. در مرحله پاکسازی با توجه به نوع داده ممکن است یک یا چند روش پاکسازی بر روی داده اعمال شود.
3-2-6- رسیدگی به داده های از دست رفتهدر این قسمت از کار اقدام به رفع Missing data نموده که خود مرحله مهمی از پاکسازی داده بحساب می آید. در مرحله ابتدایی با مرتب سازی تمام ویژگی های قابل مرتب سازی در نرم افزار Microsoft Excel اقدام به کشف مقادیر از دست رفته کرده و از طریق دیگر ویژگی های هر رکورد مقدار از دست رفته را حدس زده ایم. همچنین درحین انتقال داده به محیط داده کاوی مقادیر از دست رفته نیز مشخص می گردند. در بعضی موارد بدلیل تعداد زیاد ویژگی های از دست رفته اقدام به حذف کامل رکورد نمودیم. این کار برای زمانی که داده ها در حجم انبوهی وجود دارند مفید واقع میشوند اما زمانی که تعداد رکوردها کم می باشد اجتناب از این عمل توصیه می شود. برای ویژگی نوع بیمه که از نوع چند اسمی بوده است فقط دو مقدار"کارمندی" و "عادی" وجود داشته که تعداد 49 مورد فاقد مقدار بوده است. کل تعداد بیمه کارمندی 27 مورد بوده است. با توجه به کم بودن تعداد داده های ازدست رفته این فیلد و پس از مقایسه نام بیمه گذاران با اسم کارمندان مشخص شد هیچ کدام از موارد فوق کارمندی نبوده و همه از نوع عادی بوده اند.
از جمله فیلدهای دارای مقادیر از دست رفته و روش رفع ایراد آنها عبارتند از:
سیستم*** 70 مورد***تشخیص با توجه به دیگر ویژگی ها
نوع وسیله نقلیه***33مورد***تشخیص با توجه به دیگر ویژگی ها
شرح مورد استفاده***11مورد***تشخیص با توجه به دیگر ویژگی هاتعدادسیلندر***2مورد***تشخیص با توجه به دیگر ویژگی ها
دولتی***28 مورد***تشخیص از روی پلاک
ماه***130 مورد***تشخیص از روی تاریخ صدور
نوع بیمه***49مورد***تشخیص از روی نام بیمه گذار
تعداد رکوردهایی که مقادیرازدست رفته در چند ویژگی مهم را داشته اند و حذف شده اند حدود 350 مورد بوده است.
3-2-7-کشف داده دور افتادهبعضی از مقادیر بسته به نوع داده علی رغم پرت تشخیص داده شدن مقادیر صحیحی می باشند. بنابراین حذف اینگونه داده ها برای کاستن پیچیدگی مساله میتواند موجب حذف قوانین مهمی در الگوریتم های مبتنی برقانون یا درختهای تصمیم شود. پس بررسی خروجی الگوریتم توسط یک فردخبره در موضوع مساله می تواند مانع از این اتفاق شود. نوع برخورد با داده پرت میتواند شامل حذف داده پرت، تغییر مقدار، حذف رکورد و در مواردی حذف مشخصه باشد.
برای تشخیص داده پرت از نمودار boxplot نرم افزار minitab 15 استفاده گردید. در این نمودار از مفهوم درصدک استفاده میشود که داده های بین 25% تا 75% که به ترتیب با Q1 و Q3 نشان داده می شوند مهم ترین بخش داده ها هستند. X50% نیز میانه را نشان می دهد و با یک خط در وسط نمودار مشخص می شود. Interquartile range (IQR) نیز مفهوم دیگری است که برابر است با IQR = Q3-Q1 .
مقادیر بیشتر از Q3 + [(Q3 - Q1) X 1. 5] و کمتر از Q1 - [(Q3 - Q1) X 1. 5]داده پرت محسوب می شوند. برای انجام اینکار نمودار boxplot را روی تک تک مشخصه های داده ها به اجرا در آورده و نتایج مطابق جدول 3-6 حاصل گردید.
جدول 3-6: نتایج نمودار boxplot
نام فیلد محاسبه مقادیر پرت توضیحات
تعداد زیاندیدگان متوفی Q1=0, Q3=0, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=0
Q1 - [(Q3 - Q1) X 1. 5]=0 مقدار 1و2 نشان داده شده صحیح می باشد
تعداد زیاندیدگان مصدوم Q1=0, Q3=0, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=0
Q1 - [(Q3 - Q1) X 1. 5]=0 1و2و3 نشان داده شده صحیح می باشد
بیمه گر زیاندیده اول Q1=0, Q3=0, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=0
Q1 - [(Q3 - Q1) X 1. 5]=0 مقدار 1و2و3و. . . نشان داده شده صحیح می باشد و عدد 99 مقداری صحیح است که به معنی ندارد استفاده میگردد
مبلغ خسارت Q1=0, Q3=0, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=0
Q1 - [(Q3 - Q1) X 1. 5]=0 مبلغ خسارت 1.658.398.000 ریال و 900.000.000 ریال واقعا پرداخت گردیده است
تعداد سیلندر Q1=4, Q3=4, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=4
Q1 - [(Q3 - Q1) X 1. 5]=4مقدار 5 به عنوان تعداد سیلندر ناصحیح می باشد
ظرفیت Q1=5, Q3=5, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=5
Q1 - [(Q3 - Q1) X 1. 5]=5 مقادیر بین 1 تا 96 ظرفیتهای منطقی بر اساس تناژ یا سرنشین بوده و صحیح است اما مقدار 750 نا صحیح است
نوع پلاک Q1=3, Q3=3, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=3
Q1 - [(Q3 - Q1) X 1. 5]=3 مقادیر با مفهوم بوده و دور افتاده نیست
بیمه نامه سال قبل Q1=1, Q3=1, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=1
Q1 - [(Q3 - Q1) X 1. 5]=1 مقادیر عددی 0 یا 1 به معنی داشتن یا نداشتن بوده و صحیح است
تعهدات مالی Q1=0, Q3=0, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=0
Q1 - [(Q3 - Q1) X 1. 5]=0 مقادیر با مفهوم بوده و دور افتاده نیست
حق بیمه ثالث قانونی Q1=1992600, 3=3332500, IQR=1339900
Q3 + [(Q3 - Q1) X 1. 5]=5342350
Q1 - [(Q3 - Q1) X 1. 5]=17250 مقادیر با مفهوم بوده و دور افتاده نیست
حق بیمه مازاد Q1=0, Q3=9100, IQR=9100
Q3 + [(Q3 - Q1) X 1. 5]=22750
Q1 - [(Q3 - Q1) X 1. 5]=13650 مقادیر با مفهوم بوده و دور افتاده نیست
دیرکرد جریمه Q1=0, Q3=0, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=0
Q1 - [(Q3 - Q1) X 1. 5]=0 مقادیر با مفهوم بوده و دور افتاده نیست
تخفیف عدم خسارت Q1=610080, Q3=1495200, IQR=885120
Q3 + [(Q3 - Q1) X 1. 5]=2822880
Q1 - [(Q3 - Q1) X 1. 5]=717600 مقادیر با مفهوم بوده و دور افتاده نیست
3-2-8-انبوهش دادهبا ادغام کردن داده های صدور و خسارت به خلق ویژگیهای جدیدی دست زده ایم. چون داده ها در دو فایل جدا گانه بوده و حجم داده زیاد بوده است برای ادغام از پرس و جوی نرم افزار Microsoft Access استفاده شد. برای تشخیص بیمه نامه های خسارت دیده از فیلد شماره بیمه نامه که در هردوفایل مشترک بود استفاده کردیم.
3-2-9- ایجاد ویژگی دستهدر این مرحله پس از ادغام ویژگی های مختلف اقدام به ایجاد یک فیلد برای تمام رکوردهایی که منجر به خسارت شده اند می نماییم. این فیلد در الگوریتمهای دسته بندی مورد استفاده قرار خواهد گرفت. برای انجام این کار از یک پر و جوی Microsoft Access استفاده میکنیم.
3-2-10-تبدیل دادهجهت استفاده کاربردی تر از برخی ویژگی ها باید مقادیر آن ویژگی تغییر کند. یک نمونه از این کار تغییر مقدار ویژگی " دیرکرد جریمه " است. مقدار این فیلد مبلغ جریمه دیرکرد بیمه گذار بوده است که با تقسیم این مبلغ به عدد 13000 تعداد روزهای تاخیر در تمدید بیمه نامه افراد مشخص می شود، زیرا به ازای هر روز تاخیر مبلغی حدود 13000ریال در سال 1390 به عنوان جریمه دیرکرد از فرد متقاضی بیمه نامه دریافت می گردید.
3-2-11-انتقال داده به محیط داده کاویپس از انجام پاکسازی، داده باید به محیط داده کاوی منتقل شود. در خلال این انتقال نیاز به تعریف و یا تغییر نوع داده وجود دارد. در طول این تغییر داده ممکن است مقادیری از داده ها بدلیل ناسازگاری و یا دلایل مشابه به عنوان داده از دست رفته مشخص گردد و یا داده از دست رفته ای که قبلاً قابل تشخیص نبوده مشخص گردد. (شکل 3-1)

شکل شماره3-1: داده از دست رفته فیلد" نوع بیمه " پس از انتقال به محیط داده کاوی
3-2-12-انواع داده تعیین شده
پس از انتقال داده به محیط داده کاوی، هر ویژگی به نوع خاصی از داده توسط نرم افزار تشخیص داده شد. پس از آن نوع داده تشخیصی مورد بررسی قرار گرفت و اشتباهات پیش آمده تصحیح گردیدند. همچنین گروهی از ویژگی ها که به هیچ نوع داده ای اختصاص داده نشده بود بصورت دستی به بهترین نوع ممکن اختصاص داده شد. چون برخورد الگوریتم ها با انواع داده ها متفاوت است با توجه به موضوع پژوهش بهترین نوع داده که بتواند نسبت به الگوریتم موثرترواقع شود برای هر ویژگی درنظر گرفته شد.
جدول نوع داده های مورد استفاده در این پژوهش به شرح جدول 3-7 است:
جدول 3-7: انواع داده استفاده شده
نام فیلد نوع فیلد
ماه-سال-کدنمایندگی‌صادرکننده‌اصلی- تعداد زیاندیدگان مصدوم- نوع‌پلاک- ظ‌رفیت- تعدادسیلندر- سال ساخت- مدت بیمه- نمایندگی‌محل‌صدور- تعداد زیاندیدگان متوفی-حق‌بیمه‌ثالث‌قانونی-تعهدمازاد-تعهدبدنی-تعهدمالی Integer
- نوع‌بیمه- شرح‌مورداستفاده- بیمه گر زیاندیده اول نوع‌مستند1- سیستم نوع‌وسیله‌نقلیه- نام‌سازمان-دولتی polynominal
دیرکردجریمه-کداضافه‌نرخ‌حق‌بیمه-حق‌بیمه‌دریافتی-عوارض‌ماده92-مالیات-حق‌بیمه‌سرنشین-حق‌بیمه‌مازاد- تخفیف گروهی-تخفیف عدم خسارت- مبلغ خسارت real
بیمه‌نامه‌سال‌قبل- کارمندی- صادره‌توسط شعبه- خسارتی؟ binominal
تاریخ‌انقضا-تاریخ‌شروع-تاریخ‌صدور- تاریخ ایجادحادثه date
شماره‌بیمه‌نامه text
3-2-13-عملیات انتخاب ویژگیهای موثرتردر برخورد با برخی از الگوریتمها که با بیشتر شدن تعداد ویژگی پیچیدگی بیشتری نیز پیدا میکنند، مانند درختهای تصمیم، svm، Regression و شبکه های عصبی باید از ویژگی های کمتری استفاده کنیم. درکل انتخاب ویژگی برای استفاده در الگوریتم های دسته بندی تکنیک کارآمدی است. دراینجا ازتکنیکهای کاهش ویژگی و یا وزن دهی استفاده کرده و فیلدهای منتخبی که وزن بیشتری را دارند به عنوان ورودی الگوریتمها انتخاب گردیدند.
با توجه به اینکه احتمال ارزش دهی به یک ویژگی در تکنیکهای مختلف متغیر است و ممکن است ویژگی خاصی توسط یک تکنیک باارزش قلمداد شده و توسط تکنیکی دیگر بدون ارزش تلقی شود، نتیجه تمام تکنیکها Union, شده و فیلدهای حاصل به عنوان ورودی الگوریتم مشخص گردید.
3-3-نتایج اعمال الگوریتم PCA و الگوریتم های وزن دهی
نتایج حاصل از این تکنیک ها در شکل های 3-2 الی3-5 نمایش داده شده است.

شکل 3-2: نتایج الگوریتمPCA
در ارزشدهی به ویژگی ها

شکل 3-3: نتایج الگوریتم SVM Weighting
در ارزشدهی به ویژگی ها

شکل 3-4: نتایج الگوریتم
Weighting Deviation در ارزشدهی به ویژگی ها

شکل 3-5: نتایج الگوریتم Weighting Correlation
در ارزشدهی به ویژگی ها
3-4-ویژگی های منتخب جهت استفاده در الگوریتمهای حساس به تعداد ویژگیلازم به توضیح است در تمام الگوریتمهایی که از 24 ویژگی جدول 3-8 استفاده شده است از تمام ویژگی ها نیز استفاده شده و نتایج با هم مقایسه گردیده اند و مشخص شد که وجود برخی ویژگی ها که در آن جدول قرار ندارند باعث کاهش دقت الگوریتم شده و در برخی الگوریتم ها نیز تفاوتی میان دو مقایسه مشخص نشد.
جدول 3-8: نتایج حاصل از اجتماع فیلدهای با بالاترین وزن در الگوریتمهای مختلف
نام فیلد نوع فیلد
تعهدمازاد- تعهدبدنی- تعهدمالی- نوع‌پلاک- ظ‌رفیت- تعدادسیلندر- سال ساخت- مدت بیمه- تعداد زیاندیدگان مصدوم- تعداد زیاندیدگان متوفی Integer
شرح‌مورداستفاده- سیستم- نوع‌وسیله‌نقلیه- بیمه گر زیاندیده اول polynominal
دیرکردجریمه- کداضافه‌نرخ‌حق‌بیمه- حق‌بیمه‌دریافتی- مالیات- حق‌بیمه‌سرنشین- حق‌بیمه‌ثالث‌قانونی- مبلغ خسارت real
بیمه‌نامه‌سال‌قبل- کارمندی- صادره‌توسط شعبه binominal
3-5-معیارهای ارزیابی الگوریتمهای دسته بندیدر این بخش توضیحاتی درخصوص چگونگی ارزیابی الگوریتم های دسته بندی و معیار های آن ارائه خواهد شد.
3-6-ماتریس درهم ریختگیماتریس در هم ریختگی چگونگی عملکرد دسته بندی را با توجه به مجموعه داده ورودی به تفکیک نشان میدهد که:
TN: تعدادرکوردهایی است که دسته واقعی آنها منفی بوده و الگوریتم نیز دسته آنها را به درستی منفی تشخیص داده است.
FP: تعدادرکوردهایی است که دسته واقعی آنها منفی بوده و الگوریتم دسته آنها را به اشتباه مثبت تشخیص داده است.
FN: تعدادرکوردهایی است که دسته واقعی آنها مثبت بوده و الگوریتم دسته آنها را به اشتباه منفی تشخیص داده است.
TP: تعدادرکوردهایی است که دسته واقعی آنها مثبت بوده و الگوریتم نیز دسته آنها را به درستی مثبت تشخیص داده است.
جدول 3-9: ماتریس در هم ریختگی
رکوردهای تخمینی(Predicted Records)
دسته+ دسته- FP TN دسته-
TP FN دسته+
1903095210185رکوردهای واقعی(Actual Records)
00رکوردهای واقعی(Actual Records)

مهمترین معیار برای تعیین کارایی یک الگوریتم دسته بندی معیاردقت دسته بندی است. این معیارنشان می دهد که چند درصد ازکل مجموعه رکوردهای آموزشی بدرستی دسته بندی شده است.
دقت دسته بندی بر اساس رابطه زیر محاسبه می شود:
CA=TN+TPTN+FN+TP+FP3-7-معیار AUCاین معیار برای تعیین میزان کارایی یک دسته بند بسیار موثر است. این معیار نشان دهنده سطح زیر نمودار ROC است. هرچقدرعدد AUC مربوط به یک دسته بند بزرگتر باشد، کارایی نهایی دسته بند مطلوب تر است. در ROC نرخ تشخیص صحیح دسته مثبت روی محور Y و نرخ تشخیص غلط دسته منفی روی محورX رسم میشود. اگر هر محور بازه ای بین 0و1 باشد بهترین نقطه در این معیار (0, 1) بوده و نقطه (0, 0) نقطه ای است که دسته بند مثبت و هشدار غلط هیچگاه تولید نمی شود.
3-8-روشهای ارزیابی الگوریتم های دسته بندیدر روشهای یادگیری با ناظر، دو مجموعه داده مهم به اسم داده های آموزشی و داده های آزمایشی وجود دارند. چون هدف نهایی داده کاوی روی این مجموعه داده ها یافتن نظام حاکم بر آنهاست بنابراین کارایی مدل دسته بندی بسیار مهم است. از طرف دیگر این که چه بخشی از مجموعه داده اولیه برای آموزش و چه بخشی به عنوان آزمایش استفاده شود بستگی به روش ارزیابی مورد استفاده دارد که در ادامه انواع روشهای مشهور را بررسی خواهیم کرد]صنیعی آباده 1391[.
روش Holdoutدر این روش چگونگی نسبت تقسیم مجموعه داده ها بستگی به تشخیص تحلیلگر داشته اما روش های متداول ازنسبت 50-50 و یا دو سوم برای آموزش و یک سوم برای آزمایش و ارزیابی استفاده میکنند.
مهم ترین حسن این روش سادگی و سرعت بالای عملیات ارزیابی می باشد اما معایب این روش بسیارند. اولین ایراد این روش آن است که بخشی از مجموعه داده اولیه که به عنوان داده آزمایشی است، شانسی برای حضور در مرحله آموزش ندارد. بدیهی است مدلی که نسبت به کل داده اولیه ساخته می شود، پوشش کلی تری را بر روی داده مورد بررسی خواهد داشت. بنابراین اگر به رکوردهای یک دسته در مرحله آموزش توجه بیشتری شود به همان نسبت در مرحله آزمایش تعدادرکوردهای آن دسته کمتر استفاده می شوند.
دومین مشکل وابسته بودن مدل ساخته شده به، نسبت تقسیم مجموعه داده ها است. هرچقدر داده آموزشی بزرگتر باشد، بدلیل کوچکتر شدن مجموعه داده آزمایشی دقت نهایی برای مدل یادگرفته شده غیرقابل اعتماد تر خواهد بود. و برعکس با جابجایی اندازه دو مجموعه داده چون داده آموزشی کوچک انتخاب شده است، واریانس مدل نهایی بالاتربوده و نمی توان دانش کشف شده را به عنوان تنها نظم ممکن درمجموعه داده اولیه تلقی کنیم.
روش Random Subsamplingاگر روش Holdout را چند مرتبه اجرا نموده و از نتایج بدست آمده میانگین گیری کنیم روش قابل اعتماد تری را بدست آورده ایم که Random Subsampling نامیده می شود.
ایراد این روش عدم کنترل بر روی تعداد استفاده از یک رکورد در آموزش یا ارزیابی می باشد.
3-8-3-روش Cross-Validationاگر در روش Random Subsampling هرکدام از رکوردها را به تعداد مساوی برای یادگیری و تنها یکبار برای ارزیابی استفاده کنیم روشی هوشمندانه تر اتخاذ کرده ایم. این روش در متون علمی Cross-Validation نامیده می شود. برای مثال مجموعه داده را به دوقسمت آموزش و آزمایش تقسیم میکنیم و مدل را بر اساس آن می سازیم. حال جای دوقسمت را عوض کرده و از مجموعه داده آموزش برای آزمایش و از مجموعه داده آزمایش برای آموزش استفاده کرده و مدل را می سازیم. حال میانگین دقت محاسبه شده به عنوان میانگین نهایی معرفی می شود. روش فوق 2-Fold Cross Validation نام دارد. اگر بجای 2 قسمت مجموعه داده به K قسمت تقسیم شود، و هر بار با K-1 قسمت مدل ساخته شود و یک قسمت به عنوان ارزیابی استفاده شود درصورتی که این کار K مرتبه تکرار شود بطوری که از هر قسمت تنها یکبار برای ارزیابی استفاده کنیم، روش K-Fold Cross Validation را اتخاذ کرده ایم. حداکثر مقدار k برابر تعداد رکوردهای مجموعه داده اولیه است.
3-8-4-روش Bootstrapدر روشهای ارزیابی که تاکنون اشاره شدند فرض برآن است که عملیات انتخاب نمونه آموزشی بدون جایگذاری صورت می گیرد. درواقع یک رکورد تنها یکبار در یک فرآیند آموزشی شرکت داده می شود. اگر یک رکورد بیش از یک مرتبه در عملیات یادگیری مدل شرکت داده شود روش Bootstrap را اتخاذ کرده ایم. در این روش رکوردهای آموزشی برای انجام فرآیند یادگیری مدل ازمجموعه داده اولیه به صورت نمونه برداری با جایگذاری انتخاب خواهند شد و رکوردهای انتخاب نشده جهت ارزیابی استفاده می شود.
3-9-الگوریتمهای دسته بندیدر این بخش به اجرای الگوریتم های دسته بندی پرداخته و نتایج حاصل را مشاهده خواهیم کرد.
درالگوریتمهای اجرا شده از هر سه روش Holdout, k fold Validation, Bootstrap استفاده شده است و نتایج با هم مقایسه شده اند. در روشHoldout که در نرم افزار با نام Split Validation آمده است از نسبت استاندارد آن یعنی 70 درصد مجموعه داده اولیه برای آموزش و 30 درصد برای آزمایش استفاده شده است. برای k fold Validation مقدار k برابر 10 درنظر گرفته شده است که مقدار استانداردی است. در Bootstrap نیز مقدار تقسیم بندی مجموعه داده برابر 10 قسمت درنظر گرفته شده است. مقدار local random seed نیز برابر عدد 1234567890 می باشد که برای همه مدلها، نرم افزار از آن استفاده می کند مگر اینگه در مدل خاصی عدم استفاده از آن ویا تغییر مقدارموجب بهبود عملکرد الگوریتم شده باشد که قید میگردد. اشکال 3-6و3-7 چگونگی استفاده از یک مدل ارزیابی را در Rapidminer نشان می دهد.

شکل 3-6: نمای کلی استفاده از روشهای ارزیابی

شکل 3-7: نمای کلی استفاده از یک مدل درون یک روش ارزیابی
الگوریتم KNNدر انتخاب مقدار k اعداد بین 1 تا 20 و همچنین اعداد 25 تا 100 با فاصله 5 آزمایش شدند. بهترین مقدار عدد 11 بوده است.
پس از اجرای الگوریتم، بهترین نتیجه مربوط به ارزیابی Split Validation با دقت91.23%بوده است. نمودار AUC آن در شکل 3-8 ترسیم شده است.
25768302223135آستانه قابل قبول
020000آستانه قابل قبول
716280-63500دسته مثبت
020000دسته مثبت

شکل 3-8: نمودار AUC الگوریتم KNN
الگوریتم Naïve Bayesاین الگوریتم پارامترخاصی برای تنظیم ندارد.
بهترین نتیجه مربوط به ارزیابی Split Validation با دقت 96.09% بوده است. نمودار AUC آن در شکل 3-9 ترسیم شده است.
22872701749425آستانه قابل قبول
020000آستانه قابل قبول
7689856985دسته مثبت
020000دسته مثبت

شکل 3-9: نمودار AUC الگوریتم Naïve Bayes
الگوریتم Neural Networkتکنیک شبکه عصبی استفاده، مدل پرسپترون چندلایه با 4 نرون در یک لایه نهان بوده است.
تنظیمات الگوریتم شبکه عصبی به شرح زیر بوده است:
Training cycles=500
Learning rate=0.3
Momentum=0.2
Local random seed=1992
چون این الگوریتم فقط از ویژگیهای عددی پشتیبانی می کند، از عملگرهای مختلفی برای تبدیل مقادیر غیرعددی به عدد استفاده شده است. به همین دلیل تنها از روش Split validation با نسبت 70-30برای ارزیابی استفاده شده است که تقسیم ورودی ها نیز توسط کاربر انجام گرفت.
شکل3-10 عملیات انجام شده را نشان می دهد.

شکل 3-10: تبدیل ویژگی های غیر عددی به عدد در الگوریتم شبکه عصبی
نتیجه اجرای الگوریتم Neural Network دقت 91.25%بوده ماتریس آشفتگی آن و نمودار AUC در شکل 3-11 رسم شده است.

29222702265680آستانه قابل قبول
020000آستانه قابل قبول
725170-55245دسته مثبت
020000دسته مثبت

شکل 3-11: نمودار AUC و ماتریس آشفتگی الگوریتم Neural Net
الگوریتم SVM خطیدر این الگوریتم نیز بدلیل عدم پشتیبانی از نوع داده اسمی از عملگرهای مختلفی برای تبدیل مقادیر غیرعددی به عدد استفاده شده است. به همین دلیل تنها از روش Split validation با نسبت 70-30 برای ارزیابی استفاده شده است که تقسیم ورودی ها نیز توسط کاربر انجام شد.
شکل3-12 عملیات انجام شده را نشان می دهد.

شکل 3-12: تبدیل ویژگی های غیر عددی به عدد در الگوریتم SVM خطی
پارامترهای الگوریتم عبارتند از :
Kernel cache=200
Max iteretions=100000
نتیجه حاصل از اجرای الگوریتم SVM خطی دقت 98.54% است. ماتریس آشفتگی آن و نمودار AUC در شکل 3-13 رسم شده است.

25711152215515آستانه قابل قبول
020000آستانه قابل قبول
1045845-111760دسته مثبت
020000دسته مثبت

شکل 3-13 : نمودار AUC الگوریتم SVM Linear
3-9-5-الگوریتم رگرسیون لجستیک
در این الگوریتم از روش Split validation با نسبت 70-30برای ارزیابی استفاده شده است که تقسیم ورودی ها نیز توسط کاربر انجام شد.
نتیجه حاصل از اجرای الگوریتم رگرسیون لجستیک دقت 98.54% است. ماتریس آشفتگی آن و نمودار AUC در شکل 3-14 رسم شده است.

25482552319020آستانه قابل قبول
020000آستانه قابل قبول
974725-249555دسته مثبت
020000دسته مثبت

شکل 3-14 : نمودار AUC الگوریتم رگرسیون لجستیک
3-9-6- الگوریتم Meta Decision Treeدر این الگوریتم که یک درخت تصمیم است، از روش Split validationبا نسبت 70-30 برای ارزیابی استفاده شده است که دقت 96.64% اقدام به پیش بینی خسارت احتمالی نموده است. ماتریس آشفتگی آن و نمودار AUC در شکل 3-15 رسم شده است.

26714452353945آستانه قابل قبول
020000آستانه قابل قبول
835660-73660دسته مثبت
020000دسته مثبت

شکل 3-15 : نمودار AUC الگوریتم Meta Decision Tree
با توجه به اندازه بزرگ درخت خروجی فقط قسمتی از آن در شکل 3-16 بصورت درخت نمایش داده می شود. در شکل 3-17 درخت بصورت کامل آمده است اما نتایج آن در فصل چهارم مورد تفسیر قرار خواهند گرفت.

شکل 3-16 : قسمتی از نمودارtree الگوریتم Meta Decision Tree

شکل 3-17 : نمودار --ial الگوریتم Meta Decision Tree
3-9-7-الگوریتم درخت Wj48چون RapidMiner توانایی استفاده ازالگوریتمهای نرم افزار WEKA را نیز دارد، در بسیاری از الگوریتم ها قدرت مند تر عمل میکند. Wj48 نسخه WEKA از الگوریتمj48 است.
پارامترهای این الگوریتم عبارتند از:
C=0.25
M=2
در این الگوریتم از روش ارزیابی 10 Fold Validation استفاده شده است و دقت پیش بینی آن برابر 99.52% است. ماتریس آشفتگی آن و نمودار AUC در شکل 3-18 رسم شده است. نمای درخت در شکل 3-19 ترسیم شده است.

35471102441575آستانه قابل قبول
020000آستانه قابل قبول
908685160020دسته مثبت
020000دسته مثبت

شکل 3-18: نمودار AUC الگوریتم Wj48

شکل 3-19 : نمودار tree الگوریتم Wj48
3-9-8-الگوریتم درخت Random forest در این الگوریتم از هر سه روش ارزیابی بیان شده در قسمت 3-9 استفاده شده است، که بهترین کارایی مربوط به ارزیاب Split Validation با دقت96.72% است. ماتریس آشفتگی آن و نمودار AUC در شکل 3-20 رسم شده است.

24853902600960آستانه قابل قبول
020000آستانه قابل قبول
1046480273685دسته مثبت
020000دسته مثبت

user8254

جدول 3-12: تنظیمات پارامترهای الگوریتم K-Means57
اجرا برای 9 خوشه در الگوریتم K-Means60
جدول 3-13: تنظیمات پارامترهای الگوریتم Kohonen64
جدول 3-14: تنظیمات پارامترهای الگوریتم دوگامی69
جدول 4-1: مقایسه الگوریتم های دسته بند70
جدول 4-2: مقایسه الگوریتم های دسته بند درخت تصمیم70
جدول 4-3: ماتریس آشفتگی قانون شماره 171
جدول 4-4: ماتریس آشفتگی قانون شماره 272
جدول 4-5: ماتریس آشفتگی قانون شماره 3 الف72
جدول 4-6: ماتریس آشفتگی قانون شماره 3 ب72
جدول 4-7: ماتریس آشفتگی قانون شماره 3 ج73
عنوان صفحه
جدول 4-8: ماتریس آشفتگی قانون شماره 3 د73
جدول 4-9: ماتریس آشفتگی قانون شماره 3 ه73
جدول 4-10: ماتریس آشفتگی قانون شماره 3 و74
جدول 4-11: ماتریس آشفتگی قانون شماره 3 ز76
جدول 4-12: ماتریس آشفتگی قانون شماره 476
جدول 4-13: ماتریس آشفتگی قانون شماره 577
جدول 4-14: ماتریس آشفتگی قانون شماره 6 الف77
جدول 4-15: ماتریس آشفتگی قانون شماره 6 ب78
جدول 4-16: ماتریس آشفتگی قانون شماره778
جدول 4-17: ماتریس آشفتگی قانون شماره879
جدول 4-18: مقایسه الگوریتم های خوشه بندی79
جدول 4-19: فیلدهای حاصل از الگوریتم های خوشه بندی80
جدول 4-20: نتایج الگوریتم های FpGrowth, Weka Apriori81

فهرست شکل‌ها
عنوان صفحه
شکل شماره3-1: داده از دست رفته فیلد" نوع بیمه " پس از انتقال به محیط داده کاوی33
شکل 3-2: نتایج الگوریتمPCA 34
شکل 3-3: نتایج الگوریتم SVM Weighting در ارزشدهی به ویژگی ها35
شکل 3-4: نتایج الگوریتم Weighting Deviation در ارزشدهی به ویژگی ها35
شکل 3-5: نتایج الگوریتم Weighting Correlation در ارزشدهی به ویژگی ها36
شکل 3-6: نمای کلی استفاده از روشهای ارزیابی41
شکل 3-7: نمای کلی استفاده از یک مدل درون یک روش ارزیابی42
شکل 3-8: نمودار AUC الگوریتم KNN42
شکل 3-9: نمودار AUC الگوریتم Naïve Bayes43
شکل 3-10: تبدیل ویژگی های غیر عددی به عدد در الگوریتم شبکه عصبی44
شکل 3-11: نمودار AUC و ماتریس آشفتگی الگوریتم Neural Net44
شکل 3-12: تبدیل ویژگی های غیر عددی به عدد در الگوریتم SVM خطی45
شکل 3-13 : نمودار AUC الگوریتم SVM Linear46
شکل 3-14 : نمودار AUC الگوریتم رگرسیون لجستیک47
شکل 3-15 : نمودار AUC الگوریتم Meta Decision Tree48
شکل 3-16 : قسمتی از نمودارtree الگوریتم Meta Decision Tree49
شکل 3-17 : نمودار --ial الگوریتم Meta Decision Tree49
شکل 3-18: نمودار AUC الگوریتم Wj4850
شکل 3-19 : نمودار tree الگوریتم Wj4851
شکل 3-20 : نمودار AUC الگوریتم Random forest52
شکل 3-21 : نمودار تولید 20 درخت در الگوریتم Random Forest53
شکل 3-22 : یک نمونه درخت تولید شده توسط الگوریتم Random Forest53
عنوان صفحه
شکل 3-23 : رسیدن درصد خطا به صفر پس از 8مرتبه57
شکل 3-24 : Predictor Importance for K-Means58
شکل 3-25 : اندازه خوشه ها و نسبت کوچکترین خوشه به بزرگترین خوشه در الگوریتم
K-Means59
شکل 3-26 : کیفیت خوشه ها در الگوریتمMeans K-60
شکل 3-27 : Predictor Importance for Kohonen61
شکل 3-28 : اندازه خوشه ها و نسبت کوچکترین خوشه به بزرگترین خوشه در الگوریتم
Kohonen62
شکل 3-29 : کیفیت خوشه ها در الگوریتمMeans K-63
شکل 3-30 : تعداد نرون های ورودی و خروجی در Kohonen63
شکل 3-31 : Predictor Importance for دوگامی64
شکل 3-32 : اندازه خوشه ها و نسبت کوچکترین خوشه به بزرگترین خوشه در
الگوریتم دوگامی65
شکل 3-33 : کیفیت خوشه ها در الگوریتم دوگامی66
شکل4-1: نمودارنسبت تخفیف عدم خسارت به خسارت75
فصل اول
194500518986500
مقدمه
شرکتهای تجاری و بازرگانی برای ادامه بقا و حفظ بازار همواره بر سود دهی و کاهش ضرر و زیان خود تاکید دارند از این رو روشهای جذب مشتری و همچنین تکنیکهای جلوگیری یا کاهش زیان در سرلوحه کاری این شرکتها قرار می گیرد.
از جمله شرکتهایی که بدلایل مختلف در معرض کاهش سود و یا افزایش زیان قرار می گیرند شرکتهای بیمه ای می باشند. عواملی همچون بازاریابی، وفاداری مشتریان، نرخ حق بیمه، تبلیغات، تقلب، می تواند باعث جذب یا دفع مشتری گردد که در سود و زیان تاثیر مستقیم و غیر مستقیم دارد. پرداخت خسارت نیز به عنوان تعهد شرکتهای بیمه منجر به کاهش سود و در بعضی موارد موجب زیان یک شرکت بیمه می شود. خسارت می تواند بدلایل مختلف رخ دهد و یا عملی دیگر به گونه ای خسارت جلوه داده شود که در واقع اینچنین نیست[Derrig et. al 2006].
عواملی از قبیل فرهنگ رانندگی، داشتن گواهینامه رانندگی، نوع گواهینامه و تطابق یا عدم تطابق آن با وسیله نقلیه، جاده های بین شهری و خیابانهای داخل شهر که شهرداری ها و ادارات راه را به چالش می کشد، تقلب، وضعیت آب و هوا، کیفیت خودروی خودرو سازان، سن راننده، سواد راننده، عدم تطابق حق بیمه با مورد بیمه [Wilson 2003]، روزهای تعطیل، مسافرتها و بسیاری موارد دیگر می توانند موجب خسارت و در نهایت افزایش زیان یک شرکت بیمه ای گردند.
بیمه صنعتی سودمند، ضروری و مؤثر در توسعه اقتصادی است. این صنعت بدلیل «افزایش امنیت در عرصه های مختلف زندگی و فعالیتهای اقتصادی»، «افزایش سرمایه گذاری و اشتغال و رشد اقتصادی» و « ارتقای عدالت اقتصادی و کاهش فقر ناشی از مخاطرات »، حائز جایگاه مهمی در پیشرفت و تعالی یک کشور است.
با وجود نقش مهم بیمه در بسترسازی و تأمین شرایط مساعد اقتصادی، وضعیت کنونی این صنعت در اقتصاد ملی با وضعیت مطلوب آن فاصله زیادی دارد. عدم آشنایی عمومی و کم بودن تقاضا برای محصولات بیمه ای، دانش فنی پایین در عرصه خدمات بیمه ای، عدم تطابق ریسک با حق بیمه، تفاوت فاحش در مقایسه معیارهای تشخیص ریسک بیمه شخص ثالث با نوع بیمه معادل در کشورهای توسعه یافته، وجود نارسایی ها در مدیریت واحدهای عرضه بیمه از دلایل عدم توسعه مناسب این صنعت در کشور است. از آنجا که بشر در طول تاریخ به کمک علم و تجربه رستگاری ها و توفیقات فراوانی کسب کرده است، نگاه علمی تر به مشکلات این صنعت و یافتن راه حل در بستر علم می تواند راه گشا باشد.
امروزه بوسیله روشهای داده کاوی ارتباط بین فاکتورهای مختلف موثر یا غیر موثر در یک موضوع مشخص می شود و با توجه به اینکه داده کاوی ابزاری مفید در استخراج دانش از داده های انبوه می باشد که ارتباطات نهفته بین آنها را نشان می دهد، شرکتهای تجاری بازرگانی رو به این تکنیکها آورده اند.
داده کاوی محدود به استفاده از فناوری ها نیست و از هرآنچه که برایش مفید واقع شود استفاده خواهد کرد. با این وجود آمار و کامپیوتر پر استفاده ترین علوم و فناوری های مورد استفاده داده کاوی است.
تعریف داده کاوی XE "تعریف داده کاوی" XE "تعریف داده کاوی"
داده کاوی روند کشف قوانین و دانش ناشناخته و مفید از انبوه داده ها و پایگاه داده است[ Liu et. al 2012].
انجام عمل داده کاوی نیز مانند هر عمل دیگری مراحل خاص خود را دارد که به شرح زیر می باشند:
1-جدا سازی داده مفید از داده بیگانه
2-یکپارچه سازی داده های مختلف تحت یک قالب واحد
3-انتخاب داده لازم از میان دیگر داده ها
4- انتقال داده به محیط داده کاوی جهت اکتشاف قوانین
5-ایجاد مدلها و الگوهای مرتبط بوسیله روشهای داده کاوی
6-ارزیابی مدل و الگوهای ایجاد شده جهت تشخیص مفید بودن آنها
7-انتشار دانش استخراج شده به کاربران نهایی
تعریف بیمهبیمه: بیمه عقدی است که به موجب آن یک طرف تعهد می کند در ازاء پرداخت وجه یا وجوهی از طرف دیگر در صورت وقوع یا بروز حادثه خسارت وارده بر او را جبران نموده یا وجه معینی بپردازد. متعهد را بیمه گر طرف تعهد را بیمه گذار وجهی را که بیمه گذار به بیمه گر می پردازد حق بیمه و آنچه را که بیمه می شود موضوع بیمه نامند]ماده یک قانون بیمه مصوب 7/2/1316[.


هدف پایان نامهدر این پژوهش سعی شده است با استفاده از تکنیکهای داده کاوی اقدام به شناسایی فاکتورهای تاثیر گذار در سود و زیان بیمه شخص ثالث خودرو شرکتهای بیمه نموده و ضریب تاثیر آنها را بررسی نماییم. الگوریتم های استفاده شده در این پژوهش شامل دسته بند ها، خوشه بند ها، درخت های تصمیم و قوانین انجمنی بوده است.
مراحل انجام تحقیقدر این پایان نامه با استفاده از روشهای داده کاوی با استفاده از بخشی از داده های صدور و خسارت یک سال شرکت بیمه مدل شده و از روی آنها یک الگو ساخته می شود. در واقع به این طریق به الگوریتم یاد داده می شود که ارتباطات بین داده ها، منجر به چه نتایجی می شود. سپس بخشی از داده ها که در مرحله قبل از آن استفاده نشده بود به مدل ایجاد شده داده می شود ونتایج توسط معیارهای علمی مورد ارزیابی قرار میگیرند. بمنظور آزمایش عملکرد می توان داده های دیگری به مدل داده شود و نتایج حاصله با نتایج واقعی موجود مقایسه شوند.
ساختار پایان نامهاین پایان نامه شامل چهارفصل خواهد بود که فصل اول شامل یک مقدمه و ضرورت پژوهش انجام شده و هدف این پژوهش است. در فصل دوم برخی تکنیک های داده کاوی و روشهای آن مطرح و تحقیقاتی که قبلا در این زمینه انجام شده مورد بررسی قرار می گیرند. در فصل سوم به شرح مفصل پژوهش انجام شده و نرم افزار داده کاوی مورد استفاده در این پایان نامه می پردازیم و با کمک تکنیک های داده کاوی مدل هایی ارائه می شود و مدلهای ارائه شده درهرگروه با یکدیگر مقایسه شده و بهترین مدل از میان آنها انتخاب می گردد. در فصل چهارم مسائل مطرح شده جمع بندی شده و نتایج حاصله مطرح خواهند شد و سپس تغییراتی که در آینده در این زمینه می توان انجام داد پیشنهاد می شوند.

فصل دوم
193548028194000
ادبیات موضوع و تحقیقات پیشیندر این فصل ابتدا مروری بر روشهای داده کاوی خواهیم داشت سپس به بررسی تحقیقات پیشین می پردازیم.
داده کاوی و یادگیری ماشینداده کاوی ترکیبی از تکنیک های یادگیری ماشین، تشخیص الگو، آمار، تئوری پایگاه داده و خلاصه کردن و ارتباط بین مفاهیم و الگوهای جالب به صورت خودکار از پایگاه داده شرکتهای بزرگ است. هدف اصلی داده کاوی کمک به فرآیند تصمیم گیری از طریق استخراج دانش از داده هاست [Alpaydin 2010].
هدف داده کاوی آشکار کردن روندها یا الگوهایی که تا کنون ناشناخته بوده اند برای گرفتن تصمیمات بهتر است که این هدف را بوسیله به کارگیری روشهای آماری همچون تحلیل لجستیک و خوشه بندی و همچنین با استفاده از روشهای تحلیل داده به دست آمده از رشته های دیگر )همچون شبکه های عصبی در هوش مصنوعی و درختان تصمیم در یادگیری ماشین( انجام میدهد[Koh & Gervis 2010] . چون ابزارهای داده کاوی روند ها و رفتارهای آینده را توسط رصد پایگاه داده ها برای الگوهای نهان پیش بینی می کند با عث می شوند که سازمان ها تصمیمات مبتنی بر دانش گرفته و به سوالاتی که پیش از این حل آنها بسیار زمان بر بود پاسخ دهند [Ramamohan et. al 2012 ] .
داده کاوی یک ابزار مفید برای کاوش دانش از داده حجیم است. [Patil et. al 2012 ]. داده کاوی یافتن اطلاعات بامعنای خاص ازیک تعداد زیادی ازداده بوسیله بعضی ازفناوری ها به عنوان رویه ای برای کشف دانش ازپایگاه داده است، که گام های آن شامل موارد زیر هستند [Han and Kamber 2001] .
1-پاک سازی داده ها :حذف داده دارای نویز و ناسازگار
2-یکپارچه سازی داده: ترکیب منابع داده گوناگون
3-انتخاب داده: یافتن داده مرتبط با موضوع از پایگاه داده
4-تبدیل داده: تبدیل داده به شکل مناسب برای کاوش
5-داده کاوی: استخراج مدل های داده با بهره گیری از تکنولوژی
6- ارزیابی الگو: ارزیابی مدل هایی که واقعا برای ارائه دانش مفید هستند
7-ارائه دانش: ارائه دانش بعد ازکاوش به کاربران بوسیله استفاده از تکنولوژیهایی همچون ارائه بصری [Lin & Yeh 2012] .
ابزارها و تکنیک های داده کاویبا توجه به تنوع حجم و نوع داده ها، روش های آماری زیادی برای کشف قوانین نهفته در داده ها وجود دارند. این روش ها می توانند با ناظر یا بدون ناظر باشند. [Bolton & Hand 2002] در روش های با ناظر، نمونه هایی از مواردخسارتی موجود است و مدلی ساخته می شود که براساس آن، خسارتی یا غیر خسارتی بودن نمونه های جدید مشخص می شود. این روش جهت تشخیص انواع خسارت هایی مناسب است که از قبل وجود داشته اند]فولادی نیا و همکاران 1392[ .
روش های بدون ناظر، به دنبال کشف نمونه هایی هستند که کمترین شباهت را با نمونه های نرمال دارند. برای انجام فعالیت هایی که در هر فاز داده کاوی باید انجام شود از ابزارها و تکنیک های گوناگونی چون الگوریتمهای پایگاه داده، تکنیکهای هوش مصنوعی، روشهای آماری، ابزارهای گرافیک کامپیوتری و مصور سازی استفاده می شود. هر چند داده کاوی لزوما به حجم داده زیادی بعنوان ورودی نیاز ندارد ولی امکان دارد در یک فرآیند داده کاوی حجم داده زیادی وجود داشته باشد.
در اینجاست که از تکنیک ها وابزارهای پایگاه داده ها مثل نرمالسازی، تشخیص و تصحیح خطا و تبدیل داده ها بخصوص در فازهای شناخت داده و آماده سازی داده استفاده می شود. همچنین تقریبا در اکثرفرآیند های داده کاوی از مفاهیم، روشها و تکنیک های آماری مثل روشهای میانگین گیری )ماهیانه، سالیانه و . . . (، روشهای محاسبه واریانس و انحراف معیار و تکنیک های محاسبه احتمال بهره برداری های فراوانی می شود. یکی دیگر از شاخه های علمی که به کمک داده کاوی آمده است هوش مصنوعی می باشد.
هدف هوش مصنوعی هوشمند سازی رفتار ماشینها است. می توان گفت تکنیک های هوش مصنوعی بطور گسترده ای در فرآیند داده کاوی به کار می رود بطوریکه بعضی از آماردانها ابزارهای داده کاوی را بعنوان هوش آماری مصنوعی معرفی می کنند.
قابلیت یادگیری بزرگترین فایده هوش مصنوعی است که بطور گسترده ای در داده کاوی استفاده می شود. تکنیک های هوش مصنوعی که در داده کاوی بسیار زیاد مورد استفاده قرار می گیرند عبارتند از شبکه های عصبی، روشهای تشخیص الگوی یادگیری ماشین و الگوریتمهای ژنتیک ونهایتا تکنیک ها و ابزارهای گرافیک کامپیوتری و مصور سازی که بشدت در داده کاوی بکار گرفته می شوند و به کمک آنها می توان داده های چند بعدی را به گونه ای نمایش داد که تجزیه وتحلیل نتایج برای انسان براحتی امکان پذیر باشد [Gupta 2006].
روشهای داده کاوی عمده روشهای داده کاوی عبارتند از روشهای توصیف داده ها، روشهای تجزیه و تحلیل وابستگی، روشهای دسته بندی و پیشگویی، روشهای خوشه بندی، روشهای تجزیه و تحلیل نویز.
می توان روش های مختلف کاوش داده را در دو گروه روش های پیش بینی و روش های توصیفی طبقه بندی نمود. روش های پیش بینی در متون علمی به عنوان روش های با ناظر نیزشناخته می شوند. روش های دسته بندی، رگرسیون و تشخیص انحراف از روشهای یادگیری مدل در داده کاوی با ماهیت پیش بینی هستند. در الگوریتم های دسته بندی مجموعه داده اولیه به دو مجموعه داده با عنوان مجموعه داده های آموزشی و مجموعه داده های آزمایشی تقسیم می شود که با استفاده از مجموعه داده های آموزشی مدل ساخته می شود و از مجموعه داده های آزمایشی برای اعتبار سنجی و محاسبه دقت مدل ساخته شده استفاده می شود. هررکورد شامل یک مجموعه ویژگی است.
یکی از ویژگی ها، ویژگی دسته نامیده می شود و در مرحله آموزش براساس مقادیر سایر ویژگی ها برای مقادیر ویژگی دسته، مدل ساخته می شود. روشهای توصیفی الگوهای قابل توصیفی را پیدا میکنند که روابط حاکم بر داده ها را بدون در نظرگرفتن هرگونه برچسب و یا متغیرخروجی تبیین نمایند. درمتون علمی روشهای توصیفی با نام روشهای بدون ناظر نیز شناخته می شوند ]صنیعی آباده 1391[.

روشهای توصیف داده هاهدف این روشها ارائه یک توصیف کلی از داده هاست که معمولا به شکل مختصر ارائه می شود. هر چند توصیف داده ها یکی از انواع روشهای داده کاوی است ولی معمولا هدف اصلی نیست واغلب از این روش برای تجزیه و تحلیل نیاز های اولیه و شناخت طبیعت داده ها و پیدا کردن خصوصیات ذاتی داده ها یا برای ارائه نتایج داده کاوی استفاده می شود [Sirikulvadhana 2002] .
روشهای تجزیه و تحلیل وابستگی هدف این روشها پیدا کردن ارتباطات قابل توجه بین تعداد زیادی از متغیر ها یا صفات می باشد[Gupta 2006] . یکی از روشهای متداول برای کشف قواعد وابستگی مدل Apriori است که نسبت به سایر مدلهای کشف قواعد وابستگی سریعتر بوده و محدودیتی از نظر تعداد قواعد ندارد [Xindong et al 2007] . کاوش قواعد تلازمی یکی از محتواهای اصلی تحقیقات داده کاوی در حال حاضر است و خصوصا بر یافتن روابط میان آیتم های مختلف در پایگاه داده تاکید دارد [Patil et. al 2012] . سه مدل CARMA و GRI و Fpgrowth سه الگوریتم دیگر از قواعد وابستگی هستند.
روشهای دسته بندی و پیشگویی
دسته بندی یک فرآیند یافتن مدل است که برای بخش بندی داده به کلاس های مختلف برطبق بعضی محدودیت ها استفاده شده است. به بیان دیگر ما می توانیم بگوییم که دسته بندی یک فرآیند تعمیم داده بر طبق نمونه های مختلف است. چندین نمونه اصلی الگوریتم های طبقه بندی شامل C4. 5 ، K نزدیکترین همسایه، بیز ساده و SVM است [Kumar and Verna 2012].
یکی از این نوع الگوریتم ها نظریه بیز می باشد. این دسته بند از یک چارچوب احتمالی برای حل مساله استفاده می کند. یک رکورد مفروض با مجموعه ویژگی های (A1, A2…. An) را درنظر بگیرید. هدف تشخیص دسته این رکورد است. در واقع از بین دسته های موجود به دنبال دسته ای هستیم که مقدارP(C|A1, A2…. An) را بیشینه کند. پس این احتمال را برای تمامی دسته های موجود محاسبه کرده و دسته ای که این احتمال به ازای آن بیشینه شود را به عنوان دسته رکورد جدید در نظر می گیریم.
PCA=PAC PCPAرگرسیون نیز نوع دیگری از این الگوریتم ها است. پیش بینی مقدار یک متغیر پیوسته بر اساس مقادیر سایر متغیرها بر مبنای یک مدل وابستگی خطی یا غیر خطی رگرسیون نام دارد. درواقع یک بردار X داریم که به یک متغیر خروجی y نگاشت شده است. هدف محاسبه y یا همان F(X) است که از روی تخمین تابع مقدار آن محاسبه می شود.
درخت تصمیمدرخت تصمیم از ابزارهای داده کاوی است که در رده بندی داده های کیفی استفاده می شود. در درخت تصمیم، درخت کلی به وسیله خرد کردن داده ها به گره هایی ساخته می شود که مقادیری از متغیر ها را در خود جای می دهند. با ایجاد درخت تصمیم بر اساس داده های پیشین که رده آنها معلوم است، می توان داده های جدید را دسته بندی کرد. روش درخت تصمیم به طور کلی برای دسته بندی استفاده می شود، زیرا یک ساختار سلسله مراتبی ساده برای فهم کاربر و تصمیم گیری است. الگوریتم های داده کاوی گوناگونی برای دسته بندی مبتنی بر شبکه عصبی مصنوعی، قوانین نزدیکترین همسایگی و دسته بندی بیزین در دسترس است اما درخت تصمیم یکی از ساده ترین تکنیک هاست [Patil et. al 2012] . از انواع درخت های تصمیم می توان C4. 5 و C5 و Meta Decision Tree و Random Forest وJ48 را نام برد.

2-3-5-شبکه عصبیروش پرکاربرد دیگر در پیشگویی نتایج استفاده از شبکه های عصبی می باشد. شبکه های عصبی مدل ساده شده ای است که بر مبنای عملکرد مغز انسان کار می کند. اساس کار این شبکه شبیه سازی تعداد زیادی واحد پردازشی کوچک است که با هم در ارتباط هستند. به هریک از این واحد ها یک نرون گفته می شود. نرون ها بصورت لایه لایه قرار دارند و در یک شبکه عصبی معمولا سه لایه وجود دارد [Gupta 2006] . اولین لایه )لایه ورودی ( ، دومین )لایه نهان (و سومین )لایه خروجی (. لایه نهان می تواند متشکل از یک لایه یا بیشتر باشد [P--han et. al 2011 ] .
2-3-6- استدلال مبتنی بر حافظهتوانایی انسان در استدلال براساس تجربه، به توانایی او در شناخت و درک نمونه های مناسبی که مربوط به گذشته است، بستگی دارد. افراد در ابتدا تجارب مشابهی که در گذشته داشته را شناسایی و سپس دانشی که از آن ها کسب کرده است را برای حل مشکل فعلی به کار می گیرند. این فرآیند اساس استدلال مبتنی بر حافظه است. یک بانک اطلاعاتی که از رکوردهای شناخته شده تشکیل شده است مورد جستجو قرار می گیرد تارکوردهای از قبل طبقه بندی شده و مشابه با رکورد جدید یافت شود.
از این همسایه ها برای طبقه بند ی و تخمین زدن استفاده می شود. KNN یک نمونه از این الگوریتم هاست. فرض کنید که یک نمونه ساده شده با یک مجموعه از صفت های مختلف وجود دارد، اما گروهی که این نمونه به آن متعلق است نامشخص است. مشخص کردن گروه می تواند از صفت هایش تعیین شود. الگوریتم های مختلفی می تواند برای خودکار سازی فرآیند دسته بندی استفاده بشود. یک دسته بند نزدیک ترین همسایه یک تکنیک برای دسته بندی عناصر است مبتنی بردسته بندی عناصر در مجموعه آموزشی که شبیه تر به نمونه آزمایشی هستند.
باتکنیک Kنزدیکترین همسایه، این کار با ارزیابی تعداد K همسایه نزدیک انجام می شود. [Tan et al 2006] . تمام نمونه های آموزشی در یک فضای الگوی چند بعدی ذخیره شده اند. وقتی یک نمونه ناشناخته داده می شود، یک دسته بند نزدیکترین همسایه در فضای الگو برای K نمونه آموزشی که نزدیک به نمونه ناشناخته هستند جستجو می کند. نزدیکی بر اساس فاصله اقلیدسی تعریف می شود [Wilson and Martinez 1997] .
2-3-7-ماشین های بردار پشتیبانیSVM اولین بار توسط Vapnik در سال 1990 معرفی شد و روش بسیار موثری برای رگرسیون و دسته بندی و تشخیص الگو است [Ristianini and Shawe 2000] .
SVM به عنوان یک دسته بند خوب در نظر گرفته می شود زیرا کارایی تعمیم آن بدون نیاز به دانش پیشین بالاست حتی وقتیکه ابعاد فضای ورودی بسیار بالاست. هدف SVM یافتن بهترین دسته بند برای تشخیص میان اعضای دو کلاس در مجموعه آموزشی است [Kumar and Verna 2012] .
رویکرد SVM به این صورت است که در مرحله آموزش سعی دارد مرز تصمیم گیری را به گونه ای انتخاب نماید که حداقل فاصله آن با هر یک از دسته های مورد نظر را بیشینه کند. این نوع انتخاب مرز بر اساس نقاطی بنام بردارهای پشتیبان انجام می شوند.
2-3-8-روشهای خوشه بندی هدف این روشها جداسازی داده ها با خصوصیات مشابه است. تفاوت بین دسته بندی و خوشه بندی این است که در خوشه بندی از قبل مشخص نیست که مرز بین خوشه ها کجاست و برچسبهای هر خوشه از پیش تعریف شده است ولی در دسته بندی از قبل مشخص است که هر دسته شامل چه نوع داده هایی می شود و به اصطلاح برچسب های هر دسته از قبل تعریف شده اند. به همین دلیل به دسته بندی یادگیری همراه با نظارت و به خوشه بندی یادگیری بدون نظارت گفته می شود [Osmar 1999] .
2-3-9- روش K-Meansیکی از روش های خوشه بندی مدل K-Means است که مجموعه داده ها را به تعدادثابت و مشخصی خوشه، خوشه بندی می کند. روش کار آن به این صورت است که تعداد ثابتی خوشه در نظر میگیرد و رکوردها را به این خوشه ها اختصاص داده و مکرراً مراکز خوشه ها را تنظیم می کند تا زمانیکه بهترین خوشه بندی بدست آید[Xindong et al 2007].
2-3-10-شبکه کوهننشبکه کوهنن نوعی شبکه عصبی است که در این نوع شبکه نرون ها در دو لایه ورودی و خروجی قرار دارند و همه نرون های ورودی به همه نرون های خروجی متصل اندو این اتصالات دارای وزن هستند. لایه خروجی در این شبکه ها بصورت یک ماتریس دو بعدی چیده شده و به آن نقشه خروجی گفته می شود. مزیت این شبکه نسبت به سایر انواع شبکه های عصبی این است که نیاز نیست دسته یا خوشه داده ها از قبل مشخص باشد، حتی نیاز نیست تعداد خوشه ها از قبل مشخص باشد. شبکه های کوهنن با تعداد زیادی نرون شروع می شود و به تدریج که یادگیری پیش می رود، تعداد آنها به سمت یک تعداد طبیعی و محدود کاهش می یابد.
2-3-11-روش دو گاماین روش در دو گام کار خوشه بندی را انجام می دهد. در گام اول همه داده ها یک مرور کلی می شوند و داده های ورودی خام به مجموعه ای از زیر خوشه های قابل مدیریت تقسیم می شوند. گام دوم با استفاده از یک روش خوشه بندی سلسله مراتبی بطور مداوم زیر خوشه ها را برای رسیدن به خوشه های بزرگتر با هم ترکیب می کند بدون اینکه نیاز باشد که جزئیات همه داده ها را مجددا مرور کند.
2-3-12-روشهای تجزیه و تحلیل نویزبعضی از داده ها که به طور بارز و مشخصی از داده های دیگر متمایز هستند اصطلاحاً بعنوان داده خطا یا پرت شناخته می شوند که باید قبل از ورود به فاز مدلسازی و در فاز آماده سازی داده ها برطرف شوند. با وجود این زمانیکه شناسایی داده های غیر عادی یا غیر قابل انتظار مانند موارد تشخیص تقلب هدف اصلی باشد، همین نوع داده ها مفید هستند که در این صورت به آنها نویز گفته می شود [Osmar 1999].
دسته های نامتعادل]صنیعی آباده 1391[.
مجموعه داده هایی که در آنها ویزگی دسته دارای توزیع نامتعادل باشد بسیار شایع هستند. مخصوصاً این مجموعه داده ها در کاربردها و مسائل واقعی بیشتر دیده می شوند.
در چنین مسائلی با وجود اینکه تعداد رکوردهای مربوط به دسته نادر بسیار کمتر از دسته های دیگر است، ولی ارزش تشخیص دادن آن به مراتب بالاتر از ارزش تشخیص دسته های شایع است. در داده کاوی برای برخورد با مشکل دسته های نامتعادل از دو راهکار استفاده می شود:
راهکار مبتنی بر معیار
راهکار مبتنی بر نمونه برداری
راهکار مبتنی بر معیاردر دسته بندی شایع ترین معیار ارزیابی کارایی دسته بند، معیار دقت دسته بندی است. در معیار دقت دسته بندی فرض بر یکسان بودن ارزش رکوردهای دسته های مختلف دسته بندی است. در راهکار مبتنی بر معیار بجای استفاده از معیار دقت دسته بندی از معیارهایی بهره برداری می شود که بتوان بالاتر بودن ارزش دسته های نادر و کمیاب را در آنها به نحوی نشان داد. بنابراین با لحاظ نمودن معیارهای گفته شده در فرآیند یادگیری خواهیم توانست جهت یادگیری را به سمت نمونه های نادر هدایت نماییم. از جمله معیارهایی که برای حل مشکل عدم تعادل دسته ها بکار می روند عبارتند از Recall, Precession, F-Measure, AUC و چند معیار مشابه دیگر.
2-4-2-راهکار مبتنی بر نمونه بردارینمونه برداری یکی از راهکارهای بسیار موثربرای مواجهه با مشکل دسته های نامتعادل است. ایده اصلی نمونه برداری آن است که توزیع نمونه ها را به گونه ای تغییر دهیم که دسته کمیاب به نحو پررنگ تری در مجموعه داده های آموزشی پدیدار شوند. سه روش برای این راهکار وجود دارد که عبارتند از:
الف- نمونه برداری تضعیفی:
در این روش نمونه برداری، توزیع نمونه های دسته های مساله به گونه ای تغییر می یابند که دسته شایع به شکلی تضعیف شود تا از نظرفراوانی با تعداد رکوردهای دسته نادر برابری کند. به این ترتیب هنگام اجرای الگوریتم یادگیری، الگوریتم ارزشی مساوی را برای دو نوع دسته نادر و شایع درنظر می گیرد.
ب- نمونه برداری تقویتی:
این روش درست برعکس نمونه برداری تضعیفی است. بدین معنی که نمونه های نادر کپی برداری شده و توزیع آنها با توزیع نمونه های شایع برابر می شود.
ج- نمونه برداری مرکب:
در این روش از هردو عملیات تضعیفی و تقویتی بصورت همزمان استفاده میشود تا توزیع مناسب بدست آید.
در این پژوهش با توجه به کمتر بودن نسبت نمونه نادر یعنی منجر به خسارت شده به نمونه شایع از روش نمونه برداری تضعیفی استفاده گردید که کل تعداد نمونه ها به حدود 3 هزار رکورد تقلیل پیدا کرد و توزیع نمونه ها به نسبت مساوی بوده است. شایان ذکر است این نمونه برداری پس از انجام مرحله پاک سازی داده ها انجام شد که خود مرحله پاکسازی با عث تقلیل تعداد نمونه های اصلی نیز گردیده بود.
پیشینه تحقیقسالهاست که محققان در زمینه بیمه و مسائل مرتبط با آن به تحقیق پرداخته اند و از جمله مسائلی که برای محققان بیشتر جذاب بوده است می توان به کشف تقلب اشاره کرد.
Brockett و همکاران [Brockett et. al 1998] ابتدا به کمک الگوریتم تحلیل مولفه های اصلی (PCA) به انتخاب ویژگی ها پرداختند و سپس با ترکیب الگوریتم های خوشه بندی و شبکه های عصبی به کشف تقلبات بیمه اتومبیل اقدام کردند. مزیت این کار ترکیب الگوریتمها و انتخاب ویژگی بوده که منجر به افزایش دقت خروجی بدست آمده گردید.
Phua و همکاران [ Phua et. al 2004] با ترکیب الگوریتم های شبکه های عصبی پس انتشاری ، بیزساده و درخت تصمیم c4.5 به کشف تقلب در بیمه های اتومبیل پرداختند.نقطه قوت این کار ترکیب الگوریتم ها بوده اما بدلیل عدم کاهش ویژگی ها و کاهش ابعاد مساله میزان دقت بدست آمده در حد اعلی نبوده است.
Allahyari Soeini و همکاران [Allahyari Soeini et. al 2012] نیز یک متدلوژی با استفاده از روشهای داده کاوی خوشه بندی ودرخت تصمیم برای مدیریت مشتریان ارائه دادند. از ایرادات این روش میتوان عدم استفاده از الگوریتم های دسته بندی و قوانین انجمنی را نام برد.
مورکی علی آباد ] مورکی علی‌آباد1390[ تحقیقی داشته است که اخیراً در زمینه بیمه صورت گرفته و درمورد طبقه‌بندی مشتریان صنعت بیمه با هدف شناسایی مشتریان بالقوه با استفاده از تکنیک‌های داده‌کاوی (مورد مطالعه: بیمه‌گذاران بیمه آتش‌سوزی شرکت بیمه کارآفرین (که هدف آن دسته بندی مشتریان صنعت بیمه بر اساس میزان وفاداری به شرکت، نوع بیمه نامه های خریداری شده، موقعیت جغرافیایی مکان های بیمه شده و میزان جذب به شرکت بیمه در بازه زمانی 4 سال گذشته بوده است. روش آماری مورد استفاده از تکنیک های داده کاوی نظیر درخت تصمیم و دسته بندی بود. این تحقیق نیز چون نمونه آن قبلا انجام شده بوده از الگوریتم های متفاوت استفاده نکرده است. همچنین سعی بر بهبود تحقیق قبلی نیز نداشته است. وجه تمایز این تحقیق با نمونه قبلی استفاده از ویژگی های متفاوت بوده است.
عنبری ]عنبری 1389[ نیز پژوهشی در خصوص طبقه بندی ریسک بیمه گذاران در رشته بیمه بدنه اتومبیل با استفاده از داده کاوی داشته است که هدف استفاده از داده های مربوط به بیمه نامه بدنه از کل شرکتهای بیمه (بانک اطلاعاتی بیمه خودرو) بوده و سعی بر آن شده است تا بررسی شود که آیا میتوان بیمه گذاران بیمه بدنه اتومبیل را از نظر ریسک طبقه بندی کرد؟ و آیا درخت تصمیم برای طبقه بندی بیمه گذاران بهترین ابزار طبقه بندی می باشد؟ و آیا سن و جنسیت از موثرترین عوامل در ریسک بیمه گذار محسوب می شود؟ نتایج این طبقه بندی به صورت درخت تصمیم و قوانین نشان داده شده است. ونتایج حاصل از صحت مدل درخت تصمیم با نتایج الگوریتم های شبکه عصبی و رگرسیون لجستیک مورد مقایسه قرار گرفته است. از مزیت های این تحقیق استفاده از الگوریتم های متفاوت و مقایسه نتایج حاصله برای بدست آوردین بهترین الگوریتم ها بوده است.
رستخیز پایدار]رستخیز پایدار 1389[ تحقیقی دیگر در زمینه بخش بندی مشتریان بر اساس ریسک با استفاده از تکنیک داده کاوی (مورد مطالعه: بیمه بدنه اتومبیل بیمه ملت) داشته است. با استفاده از مفاهیم شبکه خود سازمانده بخش بندی بر روی مشتریان بیمه بدنه اتومبیل بر اساس ریسک صورت گرفت. در این تحقیق عوامل تأثیرگذار بر ریسک بیمه گذاران طی دو مرحله شناسایی گردید. در مرحله اول هیجده فاکتور ریسک در چهار گروه شامل مشخصات جمعیت شناختی، مشخصات اتومبیل، مشخصات بیمه نامه و سابقه راننده از بین مقالات علمی منتشر گردیده در ژورنال های معتبر در بازه سال های 2000 الی 2009 استخراج گردید و در مرحله دوم با استفاده از نظرسنجی از خبرگان فاکتورهای نهایی تعیین گردید. مشتریان بیمه بدنه اتومبیل در این تحقیق با استفاده از شبکه های عصبی خودسازمانده به چهار گروه مشتریان با ریسک های متفاوت بخش بندی گردیدند. مزیت این تحقیق استفاده از نظر خبرگان بیمه بوده و ایراد آن عدم استفاده از ویژگی های بیشتر و الگوریتم های انتخاب ویژگی بوده است.
ایزدپرست  ]ایزدپرست1389[ همچنین تحقیقی در مورد ارائه چارچوبی برای پیش بینی خسارت مشتریان بیمه بدنه اتومبیل با استفاده از راهکار داده کاوی انجام داده است که چارچوبی برای شناسایی مشتریان بیمه بدنه اتومبیل ارائه می‌گردد که طی آن میزان خطرپذیری مشتریان پیش‌بینی شده و مشتریان بر اساس آن رده‌بندی می‌گردند. در نتیجه با استفاده از این معیار (سطح خطرپذیری) و نوع بیمه‌نامه مشتریان، میتوان میزان خسارت آنان را پیش‌بینی کرده و تعرفه بیمه‌نامه متناسب با ریسک آنان تعریف نمود. که این مطلب می‌تواند کمک شایانی برای شناسایی مشتریان و سیاستگذاری‌های تعرفه بیمه نامه باشد. در این تحقیق از دو روش خوشه‌بندی و درخت‌تصمیم استفاده می‌گردد. در روش خوشه‌بندی مشتریان بر اساس ویژگی هایشان در خوشه هایی تفکیک شده، سپس میانگین سطح خسارت در هر یک از این خوشه‌ها را محاسبه میکند. حال مشتریان آتی با توجه به اینکه به کدامیک از این خوشه‌ها شبیه تر هستند در یکی از آنها قرار می‌گیرند تا سطح خسارتشان مشخص گردد. در روش درخت‌تصمیم با استفاده از داده‌های مشتریان، درختی را بر اساس مجموعه‌ای از قوانین که بصورت "اگر-آنگاه" می‌باشد ایجاد کرده و سپس مشتریان جدید با استفاده از این درخت رده‌بندی می‌گردند. در نهایت هر دو این مدلها مورد ارزیابی قرار می‌گیرد. ایراد این روش در عدم استفاده از دسته بند ها بوده است. چون ماهیت تحقیق پیش بینی بوده است استفاده از دسته بند ها کمک شایانی به محقق در تولبد خروجی های حذاب تر می کرد.
خلاصه فصلعمده پژوهشهایی که درخصوص داده های بیمه ای صورت گرفته کمتر به سمت پیش بینی سود و زیان شرکتهای بیمه بوده است. در موارد مشابه نیزپیش بینی خسارت مشتریان انجام شده که هدف دسته بندی مشتریان بوده است. موضوع این پژوهش اگرچه از نوع همسان با تحقیقات گفته شده است اما در جزئیات بیمه شخص ثالث را پوشش می دهد که درکشور ما یک بیمه اجباری تلقی می شود. همچنین تعداد خصیصه هایی که در صدور یا خسارت این بیمه نامه دخالت دارند نسبت به سایر بیمه های دیگر بیشتر بوده ضمن اینکه بررسی سود یا زیان بیمه شخص ثالث با استفاده از دانش نوین داده کاوی کارتقریبا جدیدی محسوب می شود.

فصل سوم
2087880229743000
شرح پژوهشدر این فصل هدف بیان مراحل انجام این پژوهش و تحلیل خروجی های بدست آمده می باشد.

انتخاب نرم افزاردر اولین دهه آغاز به کار داده کاوی و در ابتدای امر، هنوز ابزار خاصی برای عملیات کاوش وجود نداشت و تقریبا نیاز بود تا تمامی تحلیل گران، الگوریتمهای موردنظر داده کاوی و یادگیری ماشین را با زبان های برنامه نویسی مانند c یا java یا ترکیبی از چند زبان پیاده سازی کنند. اما امروزه محیط های امکان پذیر برای این امر، با امکانات مناسب و قابلیت محاوره گرافیکی زیادی را می توان یافت]صنیعی آباده 1391[.
Rapidminerاین نرم افزار یک ابزار داده کاوی متن باز است که به زبان جاوا نوشته شده و از سال 2001 میلادی تا به حال توسعه داده شده است. در این نرم افزار سعی تیم توسعه دهنده بر این بوده است که تا حد امکان تمامی الگوریتم های رایج داده کاوی و همچنین یادگیری ماشین پوشش داده شوند. بطوری که حتی این امکان برای نرم افزار فراهم شده است تا بتوان سایر ابزارهای متن باز داده کاوی را نیز به آن الحاق نمود. رابط گرافیکی شکیل و کاربر پسند نرم افزار نیز آن را یک سرو گردن بالاتر از سایر ابزارهای رقیب قرار میدهد]صنیعی آباده 1391[.
مقایسه RapidMiner با سایر نرم افزار های مشابهدر اینجا دو نرم افزار مشهور متن باز را با RapidMiner مقایسه خواهیم کرد و معایب و مزایای آنها را بررسی می کنیم.
الف-R
یک زبان برنامه نویسی و یک پکیج داده کاوی به همراه توابع آماری است و بر پایه زبان های s و scheme پیاده سازی شده است. این نرم افزار متن باز، حاوی تکنیک های آماری مانند: مدل سازی خطی و غیرخطی، آزمون های کلاسیک آماری، تحلیل سری های زمانی، دسته بندی، خوشه بندی، و همچنین برخی قابلیت های گرافیکی است. R را می توان در محاسبات ماتریسی نیز بکار برد که این امر منجر به استفاده از آن در علم داده کاوی نیز می شود.
-مزایا:
شامل توابع آماری بسیار گسترده است.
بصورت بسیارمختصر قادر به حل مسائل آماری است.
دربرابر سایر نرم افزار های مرسوم کار با آرایه مانند Mathematica, PL, MATLAB, LISP/Scheme قدرت مند تر است.
با استفاده از ویژگی Pipeline قابلیت ترکیب بالایی را با سایر ابزارها و نرم افزارها دارد.
توابع نمودار مناسبی دارد.
-معایب:
فقدان واسط کاربری گرافیک
فقدان سفارشی سازی لزم جهت داده کاوی
ساختار زبانی کاملا متفاوت نسبت به زبان های برنامه نویسی مرسوم مانندc, PHP, java, vb, c#.
نیاز به آشنایی با زبانهای آرایه ای
قدیمی بودن این زبان نسبت به رقبا. این زبان در 1990 ساخته شده است.
ب- Scipy
یک مجموعه از کتابخانه های عددی متن باز برای برنامه نویسی به زبان پایتون است که برخی از الگوریتم های داده کاوی را نیز پوشش می دهد.
-مزایا
برای کاربردهای ریاضی مناسب است.
عملیات داده کاوی در این نرم افزار چون به زبان پایتون است راحت انجام می شود.
-معایب
الگوریتم های یادگیری مدل در این کتابخانه هنوز به بلوغ کامل نرسیده اند و درحال تکامل هستند.
برای پیاده سازی الگوریتم های داده کاوی توسط این ابزار باید از ترکیب های متفاوت آنچه در اختیار هست استفاده کرد.
ج-WEKA
ابزار رایج و متن باز داده کاوی است که کتابخانه های آماری و داده کاوی بسیاری را شامل میشود. این نرم افزار بوسیله جاوا نوشته شده است و در دانشگاه وایکاتو در کشور نیوزلند توسعه داده شده است.
-مزایا
دارای بسته های فراوان یادگیری ماشین.
دارای نمای گرافیکی مناسب.
مشخصا به عنوان یک ابزار داده کاوی معرفی شده است.
کار کردن با آن ساده است.
اجرای همزمان چندین الگوریتم و مقایسه نتایج.
همانطور که مشخص شد weka در مقابل دیگر نرم افزار های بیان شده به لحاظ قدرت و کاربر پسندی به Rapidminer نزدیک تر است و شباهت های زیادی به هم دارند زیرا که:
هردو به زبان جاوا نوشته شده اند.
هردو تحت مجوزGPL منتشر شده اند.
Rapidminer بسیاری از الگوریتمهای weka را در خود بارگذاری میکند.
اما weka معایبی نسبت به Rapidminer دارد از جمله اینکه:
در اتصال به فایلهای حاوی داده Excel و پایگاه های داده که مبتنی بر جاوا نیستند ضعیف عمل میکند.
خواندن فایلهای csv به شکل مناسبی سازماندهی نشده است.
به لحاظ ظاهری در رده پایینتری قرار دارد.
در نهایت بعد از بررسی های انجام شده حتی در میان نرم افزار های غیرمتن باز تنها ابزاری که کارایی بالاتری از Rapidminer داشت statistica بود که متن باز نبوده و استفاده از آن نیازمند تقبل هزینه آن است]صنیعی آباده 1391[.
در یازدهمین و دوازدهمین بررسی سالانه KDDnuggets Data Mining / Analytics رای گیری با طرح این سوال که کدام ابزار داده کاوی را ظرف یک سال گذشته برای یک پروژه واقعی استفاده کرده ایددر سال 2010 از بین 912 نفر و در سال 2011 ازبین 1100 نفر انجام شد. توزیع رای دهندگان بدین صورت بوده است:
اروپای غربی 37%
آمریکای شمالی 35%
اروپای شرقی 10%
آسیا 6%
اقیانوسیه 4%
آمریکای لاتین 4%
آفریقا و خاورمیانه %4
نتایج به شرح جدول 3-1 بوده است :
جدول شماره 3-1: نتایج رای گیری استفاده از نرم افزارهای داده کاوی
2011 Vote 2010 Vote Software name
37. 8% 27. 7% Rapidminer
29. 8% 23. 3% R
24. 3% 21. 8% Excel
12. 1% 13. 6% SAS
18. 4% 12. 1% Your own code
19. 2% 12. 1% KNIMe
14. 4% 11. 8% WEKA
1. 6% 10. 6% Salford
6. 3% 8. 5% Statistica
همانطور که نتایج رای گیری مشخص میکند نرم افزار Rapidminer بیشترین استفاده کننده را دارد.
در این پایان نامه نیز عملیات داده کاوی توسط این نرم افزار انجام می شود. ناگفته نماند در قسمتهایی از نرم افزار minitab و Clementine12 نیز برای بهینه کردن پاسخ بدست آمده و بالابردن کیفیت نتایج استفاده شده است.

داده ها داده های مورد استفاده در این پژوهش شامل مجموعه بیمه نامه های شخص ثالث صادر شده استان کهگیلویه و بویراحمد در سال 1390 شمسی بوده که بیمه نامه های منجر شده به خسارت نیز در این لیست مشخص گردیده اند. تعداد کل رکوردها حدود 20 هزار رکورد بوده که از این تعداد تقریباً 7. 5 درصد یعنی حدود 1500 رکوردمنجر به خسارت گردیده اند.
3-2-1- انتخاب دادهداده مورد استفاده در این پژوهش شامل دو مجموعه داده به شرح زیر بوده است:
صدور: اطلاعات بیمه نامه های صادره
خسارت: جزئیات خسارت پرداختی ازمحل هر بیمه نامه که خسارت ایجاد کرده
3-2-2-فیلدهای مجموعه داده صدور
این فیلدها در حالت اولیه 137 مورد به شرح جدول 3-2 بوده است.
3-2-3-کاهش ابعاد
در این پژوهش بخاطر موثرنبودن فیلدهایی اقدام به حذف این مشخصه ها کرده و فیلدهای موثر نهایی به 42 فیلد کاهش یافته که به شرح جدول 3-3 بدست آمده اند. کاهش ابعاد میتواند شامل حذف فیلدهای موثر که دارای اثر بسیار ناچیز درمقابل دیگر فیلدها است نیز باشد.
جدول شماره 3-2: فیلدهای اولیه داده های صدور
ردیف نام فیلد ردیف نام فیلد ردیف نام فیلد
1 بیمه‌نامه 33 مدت بیمه 65 تعهدمازاد
2 سال‌صدوربیمه‌نامه 34 زمان‌شروع 66 کدنوع‌تعهدسرنشین
3 رشته‌بیمه 35 شغل‌بیمه‌گذار 67 میزان‌تعهدسرنشین
4 نمایش سند 36 سن‌بیمه‌گذار 68 حق‌بیمه‌ثالث‌قانونی
5 مکانیزه 37 سال‌کارت 69 ثالث قانونی+تعدددیات
6 دستی 38 سریال‌کارت 70 حق‌بیمه‌بند4
7 وب‌بنیان 39 کدوسیله‌نقلیه 71 حق‌بیمه‌ماده1
8 نام‌استان 40 کدزیررشته‌آمار 72 حق‌بیمه‌مازاد
9 نام‌شعبه 41 نوع‌وسیله‌نقلیه 73 حق‌بیمه‌سرنشین
10 کدشعبه 42 سیستم 74 مالیات
11 شعبه‌محل‌صدور 43 سال ساخت 75 مازادجانی
12 شعبه 44 رنگ 76 حق‌بیمه‌مازادمالی
13 نمایندگی‌محل‌صدور 45 شماره‌شهربانی 77 عوارض‌ماده92
14 کددولتی 46 شماره‌موتور 78 حق‌بیمه‌دریافتی
15 نمایندگی 47 شماره‌شاسی 79 tadodflg
16 دولتی 48 تعدادسیلندر 80 حق‌بیمه‌تعددخسارت
17 صادره‌توسط شعبه 49 کدواحدظ‌رفیت 81 جریمه‌بیمه‌مرکزی
18 کارمندی 50 ظرفیت 82 حق‌بیمه‌صادره‌شعبه
19 کدصادره‌توسط شعبه 51 شرح‌مورداستفاده 83 حق‌بیمه‌صادره‌نمایندگی
20 سریال‌بیمه‌نامه 52 یدک‌دارد؟ 84 کداضافه‌نرخ‌حق‌بیمه
21 شماره‌بیمه‌نامه 53 اتاق‌وسیله‌نقلیه 85 اضافه‌نرخ‌ثالث
22 نام‌بیمه‌گذار 54 نوع‌پلاک 86 اضافه‌نرخ‌بند4
23 آدرس‌بیمه‌گذار 55 جنسیت 87 اضافه‌نرخ‌مازاد
24 تلفن‌بیمه‌گذار 56 کدنوع‌بیمه‌نامه 88 تعدددیات
25 کدسازمان 57 نوع‌بیمه 89 اضافه‌نرخ‌تعدددیات
26 نام‌سازمان 58 بیمه‌نامه‌سال‌قبل 90 اضافه‌نرخ‌ماده‌یک
27 کدنوع‌بیمه 59 انقضاسال‌قبل 91 دیرکردجریمه
28 cbrn. cod 60 بیمه‌گرقبل 92 کدملی‌بیمه‌گذار
29 نوع‌بیمه 61 شعبه‌قبل 93 صادره‌توسط شعبه
30 تاریخ‌صدور 62 خسارت‌داشته‌؟ 94 نوع‌مستند1
31 تاریخ‌شروع 63 تعهدمالی 95 شماره‌مستند1
32 تاریخ‌انقضا 64 تعهدبدنی 96 تاریخ‌مستند1
ادامه جدول شماره 3-2: فیلدهای اولیه داده های صدور
ردیف نام فیلد ردیف نام فیلد ردیف نام فیلد
97 مبلغ‌مستند1 111 تخفیف ایمنی 125 کداقتصادی
98 شماره‌حساب1 112 سایرتخفیف ها 126 کدملی
99 بانک1 113 ملاحظات 127 تاریخ‌ثبت
100 نوع‌مستند2 114 نام‌کاربر 128 کدشعبه‌صادرکننده‌اصلی
101 شماره‌مستند2 115 تاریخ‌سند 129 کدنمایندگی‌صادرکننده‌اصلی
102 تاریخ‌مستند2 116 کدشهربانی 130 کدسازمان‌صادرکننده‌اصلی
103 مبلغ‌مستند2 117 شعبه‌محل‌نصب 131 سال
104 شماره‌حساب2 118 کدمحل‌نصب 132 ماه
105 بانک2 119 دستی/مکانیزه 133 نوع
106 تخفیف‌نرخ‌اجباری 120 تیک‌باحسابداری 134 crecno
107 تخفیف‌نرخ‌اختیاری 121 سال‌انتقال 135 type_ex
108 تخفیف عدم خسارت 122 ماه‌انتقال 136 updflg
109 تخفیف صفرکیلومتر 123 sysid 137 hsab_sync
110 تخفیف گروهی 124 trsid کداقتصادی
جدول شماره 3-3: فیلدهای نهایی داده های صدور
ردیف نام فیلد ردیف نام فیلد ردیف نام فیلد
1 ماه 15 تعهدمازاد 29 تاریخ‌شروع
2 سال 16 تعهدبدنی 30 تاریخ‌صدور
3 کدنمایندگی‌صادرکننده‌اصلی 17 تعهدمالی 31 نام‌سازمان
4 تخفیف گروهی 18 بیمه‌نامه‌سال‌قبل 32 شماره‌بیمه‌نامه
5 تخفیف عدم خسارت 19 نوع‌بیمه 33 کارمندی
6 نوع‌مستند1 20 نوع‌پلاک 34 صادره‌توسط شعبه
7 دیرکردجریمه 21 شرح‌مورداستفاده 35 دولتی
8 کداضافه‌نرخ‌حق‌بیمه 22 ظرفیت 36 نمایندگی‌محل‌صدور
9 حق‌بیمه‌دریافتی 23 تعدادسیلندر 37 خسارتی؟
10 عوارض‌ماده92 24 سال ساخت 38 مبلغ خسارت
11 مالیات 25 سیستم 39 تاریخ ایجادحادثه
12 حق‌بیمه‌سرنشین 26 نوع‌وسیله‌نقلیه 40 بیمه گر زیاندیده اول
13 حق‌بیمه‌مازاد 27 مدت بیمه 41 تعداد زیاندیدگان مصدوم
14 حق‌بیمه‌ثالث‌قانونی 28 تاریخ‌انقضا 42 تعداد زیاندیدگان متوفی
در کاهش ابعاد این مساله برای حذف فیلدهای مختلف نظرات کارشناسان بیمه نیز لحاظ شده است. جدول 3-4 فیلدهای حذف شده و علت حذف آنها را بیان کرده است.
جدول شماره 3-4: فیلدهای حذف شده داده های صدور و علت حذف آنها
نام فیلد حذف شده علت حذف
Crecno-type_ex-updflg-hsab_sync-کدمحل‌نصب-دستی/مکانیزه-تیک‌باحسابداری-سال‌انتقال-ماه‌انتقال-sysid-trsid-کدزیررشته آمار-نمایش سند-مکانیزه-دستی-وب‌بنیان-Cbrn. cod کاربرد آماری
نوع-کد شعبه صادرکننده-شعبه محل نصب-کدشهربانی-سایرتخفیف ها-تخفیف ایمنی-تخفیف صفر کیلومتر-تخفیف نرخ اختیاری-تخفیف نرخ اجباری-خسارت داشته؟-شعبه قبل-جنسیت-کد نوع بیمه نامه-یدک دارد-
اتاق وسیله نقلیه-سن بیمه گذار-شغل بیمه گذار-زمان شروع-کد نوع بیمه دارای مقدار یکسان یا null
کد سازمان صادر کننده-کد نوع تعهد سرنشین-کدواحدظرفیت-کد وسیله نقلیه-کد سازمان-کد صادره توسط-نمایندگی-کد دولتی بجای این کد از فیلد اسمی معادل آن استفاده شده است و یا برعکس زیرا در نتایج خروجی قابل فهم تر خواهد بود.
تاریخ ثبت-تاریخ سند-بیمه گر قبل-مبلغ -مستند 1و2-اضافه‌نرخ‌ثالث-4اضافه‌نرخ‌بند-
اضافه‌نرخ‌مازاد-میزان تعهد سرنشین-تعدددیات-اضافه‌نرخ‌تعدددیات-اضافه‌نرخ‌ماده‌یک-تاریخ مستند1و2-شماره -حساب 1و2-بانک1و2 دارای مقدار تکراری
کدملی-بیمه نامه-کداقتصادی-نوع مستند2-
شماره مستند1و2-نام کاربر-ملاحظات-
کدملی بیمه گذار-شماره شاسی-شماره موتور-
شماره شهربانی-سریال کارت-سال کارت-
نام‌استان-نام‌شعبه-کدشعبه-شعبه‌محل‌صدور
شعبه-سال‌صدوربیمه‌نامه-رشته‌بیمه-رنگ-تلفن بیمه گذار-نام بیمه گذار-آدرس بیمه گذار-سریال بیمه نامه بدون تاثیر
حق‌بیمه‌تعددخسارت-جریمه‌بیمه‌مرکزی-
حق‌بیمه‌صادره‌شعبه-حق‌بیمه‌صادره‌نمایندگی-
مازادجانی-حق‌بیمه‌مازادمالی-حق بیمه ماده1-
حق بیمه ماده4-ثالث قانونی + تعدد دیات- انقضا سال قبل بخشی از فیلد انتخاب شده
جدول 3-5: فیلدهای استخراج شده از داده های خسارت
مبلغ خسارت
تاریخ ایجادحادثه
بیمه گر زیاندیده اول
تعداد زیاندیدگان مصدوم
تعداد زیاندیدگان متوفی
3-2-4- فیلدهای مجموعه داده خسارتاز مجموعه داده خسارت فقط فیلدهای مشخص کننده میزان خسارت و جزئیات لازم استخراج شده است. متاسفانه اطلاعات مفید تری مثل سن راننده مقصر، میزان تحصیلات و. . . در این مجموعه داده وجود نداشته است و چون هنگام ثبت خسارت برای یک بیمه نامه از اطلاعات کلیدی داده های صدور استفاده می شود، با توجه به اینکه از مرحله قبل مهمترین فیلدهای داده های صدور را در دسترس داریم بنابراین با ادغام فیلدهای خسارت و صدور به اطلاعات جامعی در خصوص یک بیمه نامه خاص دسترسی خواهیم داشت. مشخصه ها استخراج شده از داده های خسارت طبق جدول 3-5 است.

3-2-5-پاکسازی داده هاداده ها در دنیای واقعی ممکن است دارای خطا، مقادیر از دست رفته، مقادیر پرت و دورافتاده باشند [Jiawei Han, 2010]. در مرحله پاکسازی با توجه به نوع داده ممکن است یک یا چند روش پاکسازی بر روی داده اعمال شود.
3-2-6- رسیدگی به داده های از دست رفتهدر این قسمت از کار اقدام به رفع Missing data نموده که خود مرحله مهمی از پاکسازی داده بحساب می آید. در مرحله ابتدایی با مرتب سازی تمام ویژگی های قابل مرتب سازی در نرم افزار Microsoft Excel اقدام به کشف مقادیر از دست رفته کرده و از طریق دیگر ویژگی های هر رکورد مقدار از دست رفته را حدس زده ایم. همچنین درحین انتقال داده به محیط داده کاوی مقادیر از دست رفته نیز مشخص می گردند. در بعضی موارد بدلیل تعداد زیاد ویژگی های از دست رفته اقدام به حذف کامل رکورد نمودیم. این کار برای زمانی که داده ها در حجم انبوهی وجود دارند مفید واقع میشوند اما زمانی که تعداد رکوردها کم می باشد اجتناب از این عمل توصیه می شود. برای ویژگی نوع بیمه که از نوع چند اسمی بوده است فقط دو مقدار"کارمندی" و "عادی" وجود داشته که تعداد 49 مورد فاقد مقدار بوده است. کل تعداد بیمه کارمندی 27 مورد بوده است. با توجه به کم بودن تعداد داده های ازدست رفته این فیلد و پس از مقایسه نام بیمه گذاران با اسم کارمندان مشخص شد هیچ کدام از موارد فوق کارمندی نبوده و همه از نوع عادی بوده اند.
از جمله فیلدهای دارای مقادیر از دست رفته و روش رفع ایراد آنها عبارتند از:
سیستم*** 70 مورد***تشخیص با توجه به دیگر ویژگی ها
نوع وسیله نقلیه***33مورد***تشخیص با توجه به دیگر ویژگی ها
شرح مورد استفاده***11مورد***تشخیص با توجه به دیگر ویژگی هاتعدادسیلندر***2مورد***تشخیص با توجه به دیگر ویژگی ها
دولتی***28 مورد***تشخیص از روی پلاک
ماه***130 مورد***تشخیص از روی تاریخ صدور
نوع بیمه***49مورد***تشخیص از روی نام بیمه گذار
تعداد رکوردهایی که مقادیرازدست رفته در چند ویژگی مهم را داشته اند و حذف شده اند حدود 350 مورد بوده است.
3-2-7-کشف داده دور افتادهبعضی از مقادیر بسته به نوع داده علی رغم پرت تشخیص داده شدن مقادیر صحیحی می باشند. بنابراین حذف اینگونه داده ها برای کاستن پیچیدگی مساله میتواند موجب حذف قوانین مهمی در الگوریتم های مبتنی برقانون یا درختهای تصمیم شود. پس بررسی خروجی الگوریتم توسط یک فردخبره در موضوع مساله می تواند مانع از این اتفاق شود. نوع برخورد با داده پرت میتواند شامل حذف داده پرت، تغییر مقدار، حذف رکورد و در مواردی حذف مشخصه باشد.
برای تشخیص داده پرت از نمودار boxplot نرم افزار minitab 15 استفاده گردید. در این نمودار از مفهوم درصدک استفاده میشود که داده های بین 25% تا 75% که به ترتیب با Q1 و Q3 نشان داده می شوند مهم ترین بخش داده ها هستند. X50% نیز میانه را نشان می دهد و با یک خط در وسط نمودار مشخص می شود. Interquartile range (IQR) نیز مفهوم دیگری است که برابر است با IQR = Q3-Q1 .
مقادیر بیشتر از Q3 + [(Q3 - Q1) X 1. 5] و کمتر از Q1 - [(Q3 - Q1) X 1. 5]داده پرت محسوب می شوند. برای انجام اینکار نمودار boxplot را روی تک تک مشخصه های داده ها به اجرا در آورده و نتایج مطابق جدول 3-6 حاصل گردید.
جدول 3-6: نتایج نمودار boxplot
نام فیلد محاسبه مقادیر پرت توضیحات
تعداد زیاندیدگان متوفی Q1=0, Q3=0, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=0
Q1 - [(Q3 - Q1) X 1. 5]=0 مقدار 1و2 نشان داده شده صحیح می باشد
تعداد زیاندیدگان مصدوم Q1=0, Q3=0, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=0
Q1 - [(Q3 - Q1) X 1. 5]=0 1و2و3 نشان داده شده صحیح می باشد
بیمه گر زیاندیده اول Q1=0, Q3=0, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=0
Q1 - [(Q3 - Q1) X 1. 5]=0 مقدار 1و2و3و. . . نشان داده شده صحیح می باشد و عدد 99 مقداری صحیح است که به معنی ندارد استفاده میگردد
مبلغ خسارت Q1=0, Q3=0, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=0
Q1 - [(Q3 - Q1) X 1. 5]=0 مبلغ خسارت 1.658.398.000 ریال و 900.000.000 ریال واقعا پرداخت گردیده است
تعداد سیلندر Q1=4, Q3=4, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=4
Q1 - [(Q3 - Q1) X 1. 5]=4مقدار 5 به عنوان تعداد سیلندر ناصحیح می باشد
ظرفیت Q1=5, Q3=5, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=5
Q1 - [(Q3 - Q1) X 1. 5]=5 مقادیر بین 1 تا 96 ظرفیتهای منطقی بر اساس تناژ یا سرنشین بوده و صحیح است اما مقدار 750 نا صحیح است
نوع پلاک Q1=3, Q3=3, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=3
Q1 - [(Q3 - Q1) X 1. 5]=3 مقادیر با مفهوم بوده و دور افتاده نیست
بیمه نامه سال قبل Q1=1, Q3=1, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=1
Q1 - [(Q3 - Q1) X 1. 5]=1 مقادیر عددی 0 یا 1 به معنی داشتن یا نداشتن بوده و صحیح است
تعهدات مالی Q1=0, Q3=0, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=0
Q1 - [(Q3 - Q1) X 1. 5]=0 مقادیر با مفهوم بوده و دور افتاده نیست
حق بیمه ثالث قانونی Q1=1992600, 3=3332500, IQR=1339900
Q3 + [(Q3 - Q1) X 1. 5]=5342350
Q1 - [(Q3 - Q1) X 1. 5]=17250 مقادیر با مفهوم بوده و دور افتاده نیست
حق بیمه مازاد Q1=0, Q3=9100, IQR=9100
Q3 + [(Q3 - Q1) X 1. 5]=22750
Q1 - [(Q3 - Q1) X 1. 5]=13650 مقادیر با مفهوم بوده و دور افتاده نیست
دیرکرد جریمه Q1=0, Q3=0, IQR=0
Q3 + [(Q3 - Q1) X 1. 5]=0
Q1 - [(Q3 - Q1) X 1. 5]=0 مقادیر با مفهوم بوده و دور افتاده نیست
تخفیف عدم خسارت Q1=610080, Q3=1495200, IQR=885120
Q3 + [(Q3 - Q1) X 1. 5]=2822880
Q1 - [(Q3 - Q1) X 1. 5]=717600 مقادیر با مفهوم بوده و دور افتاده نیست
3-2-8-انبوهش دادهبا ادغام کردن داده های صدور و خسارت به خلق ویژگیهای جدیدی دست زده ایم. چون داده ها در دو فایل جدا گانه بوده و حجم داده زیاد بوده است برای ادغام از پرس و جوی نرم افزار Microsoft Access استفاده شد. برای تشخیص بیمه نامه های خسارت دیده از فیلد شماره بیمه نامه که در هردوفایل مشترک بود استفاده کردیم.
3-2-9- ایجاد ویژگی دستهدر این مرحله پس از ادغام ویژگی های مختلف اقدام به ایجاد یک فیلد برای تمام رکوردهایی که منجر به خسارت شده اند می نماییم. این فیلد در الگوریتمهای دسته بندی مورد استفاده قرار خواهد گرفت. برای انجام این کار از یک پر و جوی Microsoft Access استفاده میکنیم.
3-2-10-تبدیل دادهجهت استفاده کاربردی تر از برخی ویژگی ها باید مقادیر آن ویژگی تغییر کند. یک نمونه از این کار تغییر مقدار ویژگی " دیرکرد جریمه " است. مقدار این فیلد مبلغ جریمه دیرکرد بیمه گذار بوده است که با تقسیم این مبلغ به عدد 13000 تعداد روزهای تاخیر در تمدید بیمه نامه افراد مشخص می شود، زیرا به ازای هر روز تاخیر مبلغی حدود 13000ریال در سال 1390 به عنوان جریمه دیرکرد از فرد متقاضی بیمه نامه دریافت می گردید.
3-2-11-انتقال داده به محیط داده کاویپس از انجام پاکسازی، داده باید به محیط داده کاوی منتقل شود. در خلال این انتقال نیاز به تعریف و یا تغییر نوع داده وجود دارد. در طول این تغییر داده ممکن است مقادیری از داده ها بدلیل ناسازگاری و یا دلایل مشابه به عنوان داده از دست رفته مشخص گردد و یا داده از دست رفته ای که قبلاً قابل تشخیص نبوده مشخص گردد. (شکل 3-1)

شکل شماره3-1: داده از دست رفته فیلد" نوع بیمه " پس از انتقال به محیط داده کاوی
3-2-12-انواع داده تعیین شده
پس از انتقال داده به محیط داده کاوی، هر ویژگی به نوع خاصی از داده توسط نرم افزار تشخیص داده شد. پس از آن نوع داده تشخیصی مورد بررسی قرار گرفت و اشتباهات پیش آمده تصحیح گردیدند. همچنین گروهی از ویژگی ها که به هیچ نوع داده ای اختصاص داده نشده بود بصورت دستی به بهترین نوع ممکن اختصاص داده شد. چون برخورد الگوریتم ها با انواع داده ها متفاوت است با توجه به موضوع پژوهش بهترین نوع داده که بتواند نسبت به الگوریتم موثرترواقع شود برای هر ویژگی درنظر گرفته شد.
جدول نوع داده های مورد استفاده در این پژوهش به شرح جدول 3-7 است:
جدول 3-7: انواع داده استفاده شده
نام فیلد نوع فیلد
ماه-سال-کدنمایندگی‌صادرکننده‌اصلی- تعداد زیاندیدگان مصدوم- نوع‌پلاک- ظ‌رفیت- تعدادسیلندر- سال ساخت- مدت بیمه- نمایندگی‌محل‌صدور- تعداد زیاندیدگان متوفی-حق‌بیمه‌ثالث‌قانونی-تعهدمازاد-تعهدبدنی-تعهدمالی Integer
- نوع‌بیمه- شرح‌مورداستفاده- بیمه گر زیاندیده اول نوع‌مستند1- سیستم نوع‌وسیله‌نقلیه- نام‌سازمان-دولتی polynominal
دیرکردجریمه-کداضافه‌نرخ‌حق‌بیمه-حق‌بیمه‌دریافتی-عوارض‌ماده92-مالیات-حق‌بیمه‌سرنشین-حق‌بیمه‌مازاد- تخفیف گروهی-تخفیف عدم خسارت- مبلغ خسارت real
بیمه‌نامه‌سال‌قبل- کارمندی- صادره‌توسط شعبه- خسارتی؟ binominal
تاریخ‌انقضا-تاریخ‌شروع-تاریخ‌صدور- تاریخ ایجادحادثه date
شماره‌بیمه‌نامه text
3-2-13-عملیات انتخاب ویژگیهای موثرتردر برخورد با برخی از الگوریتمها که با بیشتر شدن تعداد ویژگی پیچیدگی بیشتری نیز پیدا میکنند، مانند درختهای تصمیم، svm، Regression و شبکه های عصبی باید از ویژگی های کمتری استفاده کنیم. درکل انتخاب ویژگی برای استفاده در الگوریتم های دسته بندی تکنیک کارآمدی است. دراینجا ازتکنیکهای کاهش ویژگی و یا وزن دهی استفاده کرده و فیلدهای منتخبی که وزن بیشتری را دارند به عنوان ورودی الگوریتمها انتخاب گردیدند.
با توجه به اینکه احتمال ارزش دهی به یک ویژگی در تکنیکهای مختلف متغیر است و ممکن است ویژگی خاصی توسط یک تکنیک باارزش قلمداد شده و توسط تکنیکی دیگر بدون ارزش تلقی شود، نتیجه تمام تکنیکها Union, شده و فیلدهای حاصل به عنوان ورودی الگوریتم مشخص گردید.
3-3-نتایج اعمال الگوریتم PCA و الگوریتم های وزن دهی
نتایج حاصل از این تکنیک ها در شکل های 3-2 الی3-5 نمایش داده شده است.

شکل 3-2: نتایج الگوریتمPCA
در ارزشدهی به ویژگی ها

شکل 3-3: نتایج الگوریتم SVM Weighting
در ارزشدهی به ویژگی ها

شکل 3-4: نتایج الگوریتم
Weighting Deviation در ارزشدهی به ویژگی ها

شکل 3-5: نتایج الگوریتم Weighting Correlation
در ارزشدهی به ویژگی ها
3-4-ویژگی های منتخب جهت استفاده در الگوریتمهای حساس به تعداد ویژگیلازم به توضیح است در تمام الگوریتمهایی که از 24 ویژگی جدول 3-8 استفاده شده است از تمام ویژگی ها نیز استفاده شده و نتایج با هم مقایسه گردیده اند و مشخص شد که وجود برخی ویژگی ها که در آن جدول قرار ندارند باعث کاهش دقت الگوریتم شده و در برخی الگوریتم ها نیز تفاوتی میان دو مقایسه مشخص نشد.
جدول 3-8: نتایج حاصل از اجتماع فیلدهای با بالاترین وزن در الگوریتمهای مختلف
نام فیلد نوع فیلد
تعهدمازاد- تعهدبدنی- تعهدمالی- نوع‌پلاک- ظ‌رفیت- تعدادسیلندر- سال ساخت- مدت بیمه- تعداد زیاندیدگان مصدوم- تعداد زیاندیدگان متوفی Integer
شرح‌مورداستفاده- سیستم- نوع‌وسیله‌نقلیه- بیمه گر زیاندیده اول polynominal
دیرکردجریمه- کداضافه‌نرخ‌حق‌بیمه- حق‌بیمه‌دریافتی- مالیات- حق‌بیمه‌سرنشین- حق‌بیمه‌ثالث‌قانونی- مبلغ خسارت real
بیمه‌نامه‌سال‌قبل- کارمندی- صادره‌توسط شعبه binominal
3-5-معیارهای ارزیابی الگوریتمهای دسته بندیدر این بخش توضیحاتی درخصوص چگونگی ارزیابی الگوریتم های دسته بندی و معیار های آن ارائه خواهد شد.
3-6-ماتریس درهم ریختگیماتریس در هم ریختگی چگونگی عملکرد دسته بندی را با توجه به مجموعه داده ورودی به تفکیک نشان میدهد که:
TN: تعدادرکوردهایی است که دسته واقعی آنها منفی بوده و الگوریتم نیز دسته آنها را به درستی منفی تشخیص داده است.
FP: تعدادرکوردهایی است که دسته واقعی آنها منفی بوده و الگوریتم دسته آنها را به اشتباه مثبت تشخیص داده است.
FN: تعدادرکوردهایی است که دسته واقعی آنها مثبت بوده و الگوریتم دسته آنها را به اشتباه منفی تشخیص داده است.
TP: تعدادرکوردهایی است که دسته واقعی آنها مثبت بوده و الگوریتم نیز دسته آنها را به درستی مثبت تشخیص داده است.
جدول 3-9: ماتریس در هم ریختگی
رکوردهای تخمینی(Predicted Records)
دسته+ دسته- FP TN دسته-
TP FN دسته+
1903095210185رکوردهای واقعی(Actual Records)
00رکوردهای واقعی(Actual Records)

مهمترین معیار برای تعیین کارایی یک الگوریتم دسته بندی معیاردقت دسته بندی است. این معیارنشان می دهد که چند درصد ازکل مجموعه رکوردهای آموزشی بدرستی دسته بندی شده است.
دقت دسته بندی بر اساس رابطه زیر محاسبه می شود:
CA=TN+TPTN+FN+TP+FP3-7-معیار AUCاین معیار برای تعیین میزان کارایی یک دسته بند بسیار موثر است. این معیار نشان دهنده سطح زیر نمودار ROC است. هرچقدرعدد AUC مربوط به یک دسته بند بزرگتر باشد، کارایی نهایی دسته بند مطلوب تر است. در ROC نرخ تشخیص صحیح دسته مثبت روی محور Y و نرخ تشخیص غلط دسته منفی روی محورX رسم میشود. اگر هر محور بازه ای بین 0و1 باشد بهترین نقطه در این معیار (0, 1) بوده و نقطه (0, 0) نقطه ای است که دسته بند مثبت و هشدار غلط هیچگاه تولید نمی شود.
3-8-روشهای ارزیابی الگوریتم های دسته بندیدر روشهای یادگیری با ناظر، دو مجموعه داده مهم به اسم داده های آموزشی و داده های آزمایشی وجود دارند. چون هدف نهایی داده کاوی روی این مجموعه داده ها یافتن نظام حاکم بر آنهاست بنابراین کارایی مدل دسته بندی بسیار مهم است. از طرف دیگر این که چه بخشی از مجموعه داده اولیه برای آموزش و چه بخشی به عنوان آزمایش استفاده شود بستگی به روش ارزیابی مورد استفاده دارد که در ادامه انواع روشهای مشهور را بررسی خواهیم کرد]صنیعی آباده 1391[.
روش Holdoutدر این روش چگونگی نسبت تقسیم مجموعه داده ها بستگی به تشخیص تحلیلگر داشته اما روش های متداول ازنسبت 50-50 و یا دو سوم برای آموزش و یک سوم برای آزمایش و ارزیابی استفاده میکنند.
مهم ترین حسن این روش سادگی و سرعت بالای عملیات ارزیابی می باشد اما معایب این روش بسیارند. اولین ایراد این روش آن است که بخشی از مجموعه داده اولیه که به عنوان داده آزمایشی است، شانسی برای حضور در مرحله آموزش ندارد. بدیهی است مدلی که نسبت به کل داده اولیه ساخته می شود، پوشش کلی تری را بر روی داده مورد بررسی خواهد داشت. بنابراین اگر به رکوردهای یک دسته در مرحله آموزش توجه بیشتری شود به همان نسبت در مرحله آزمایش تعدادرکوردهای آن دسته کمتر استفاده می شوند.
دومین مشکل وابسته بودن مدل ساخته شده به، نسبت تقسیم مجموعه داده ها است. هرچقدر داده آموزشی بزرگتر باشد، بدلیل کوچکتر شدن مجموعه داده آزمایشی دقت نهایی برای مدل یادگرفته شده غیرقابل اعتماد تر خواهد بود. و برعکس با جابجایی اندازه دو مجموعه داده چون داده آموزشی کوچک انتخاب شده است، واریانس مدل نهایی بالاتربوده و نمی توان دانش کشف شده را به عنوان تنها نظم ممکن درمجموعه داده اولیه تلقی کنیم.
روش Random Subsamplingاگر روش Holdout را چند مرتبه اجرا نموده و از نتایج بدست آمده میانگین گیری کنیم روش قابل اعتماد تری را بدست آورده ایم که Random Subsampling نامیده می شود.
ایراد این روش عدم کنترل بر روی تعداد استفاده از یک رکورد در آموزش یا ارزیابی می باشد.
3-8-3-روش Cross-Validationاگر در روش Random Subsampling هرکدام از رکوردها را به تعداد مساوی برای یادگیری و تنها یکبار برای ارزیابی استفاده کنیم روشی هوشمندانه تر اتخاذ کرده ایم. این روش در متون علمی Cross-Validation نامیده می شود. برای مثال مجموعه داده را به دوقسمت آموزش و آزمایش تقسیم میکنیم و مدل را بر اساس آن می سازیم. حال جای دوقسمت را عوض کرده و از مجموعه داده آموزش برای آزمایش و از مجموعه داده آزمایش برای آموزش استفاده کرده و مدل را می سازیم. حال میانگین دقت محاسبه شده به عنوان میانگین نهایی معرفی می شود. روش فوق 2-Fold Cross Validation نام دارد. اگر بجای 2 قسمت مجموعه داده به K قسمت تقسیم شود، و هر بار با K-1 قسمت مدل ساخته شود و یک قسمت به عنوان ارزیابی استفاده شود درصورتی که این کار K مرتبه تکرار شود بطوری که از هر قسمت تنها یکبار برای ارزیابی استفاده کنیم، روش K-Fold Cross Validation را اتخاذ کرده ایم. حداکثر مقدار k برابر تعداد رکوردهای مجموعه داده اولیه است.
3-8-4-روش Bootstrapدر روشهای ارزیابی که تاکنون اشاره شدند فرض برآن است که عملیات انتخاب نمونه آموزشی بدون جایگذاری صورت می گیرد. درواقع یک رکورد تنها یکبار در یک فرآیند آموزشی شرکت داده می شود. اگر یک رکورد بیش از یک مرتبه در عملیات یادگیری مدل شرکت داده شود روش Bootstrap را اتخاذ کرده ایم. در این روش رکوردهای آموزشی برای انجام فرآیند یادگیری مدل ازمجموعه داده اولیه به صورت نمونه برداری با جایگذاری انتخاب خواهند شد و رکوردهای انتخاب نشده جهت ارزیابی استفاده می شود.
3-9-الگوریتمهای دسته بندیدر این بخش به اجرای الگوریتم های دسته بندی پرداخته و نتایج حاصل را مشاهده خواهیم کرد.
درالگوریتمهای اجرا شده از هر سه روش Holdout, k fold Validation, Bootstrap استفاده شده است و نتایج با هم مقایسه شده اند. در روشHoldout که در نرم افزار با نام Split Validation آمده است از نسبت استاندارد آن یعنی 70 درصد مجموعه داده اولیه برای آموزش و 30 درصد برای آزمایش استفاده شده است. برای k fold Validation مقدار k برابر 10 درنظر گرفته شده است که مقدار استانداردی است. در Bootstrap نیز مقدار تقسیم بندی مجموعه داده برابر 10 قسمت درنظر گرفته شده است. مقدار local random seed نیز برابر عدد 1234567890 می باشد که برای همه مدلها، نرم افزار از آن استفاده می کند مگر اینگه در مدل خاصی عدم استفاده از آن ویا تغییر مقدارموجب بهبود عملکرد الگوریتم شده باشد که قید میگردد. اشکال 3-6و3-7 چگونگی استفاده از یک مدل ارزیابی را در Rapidminer نشان می دهد.

شکل 3-6: نمای کلی استفاده از روشهای ارزیابی

شکل 3-7: نمای کلی استفاده از یک مدل درون یک روش ارزیابی
الگوریتم KNNدر انتخاب مقدار k اعداد بین 1 تا 20 و همچنین اعداد 25 تا 100 با فاصله 5 آزمایش شدند. بهترین مقدار عدد 11 بوده است.
پس از اجرای الگوریتم، بهترین نتیجه مربوط به ارزیابی Split Validation با دقت91.23%بوده است. نمودار AUC آن در شکل 3-8 ترسیم شده است.
25768302223135آستانه قابل قبول
020000آستانه قابل قبول
716280-63500دسته مثبت
020000دسته مثبت

شکل 3-8: نمودار AUC الگوریتم KNN
الگوریتم Naïve Bayesاین الگوریتم پارامترخاصی برای تنظیم ندارد.
بهترین نتیجه مربوط به ارزیابی Split Validation با دقت 96.09% بوده است. نمودار AUC آن در شکل 3-9 ترسیم شده است.
22872701749425آستانه قابل قبول
020000آستانه قابل قبول
7689856985دسته مثبت
020000دسته مثبت

شکل 3-9: نمودار AUC الگوریتم Naïve Bayes
الگوریتم Neural Networkتکنیک شبکه عصبی استفاده، مدل پرسپترون چندلایه با 4 نرون در یک لایه نهان بوده است.
تنظیمات الگوریتم شبکه عصبی به شرح زیر بوده است:
Training cycles=500
Learning rate=0.3
Momentum=0.2
Local random seed=1992
چون این الگوریتم فقط از ویژگیهای عددی پشتیبانی می کند، از عملگرهای مختلفی برای تبدیل مقادیر غیرعددی به عدد استفاده شده است. به همین دلیل تنها از روش Split validation با نسبت 70-30برای ارزیابی استفاده شده است که تقسیم ورودی ها نیز توسط کاربر انجام گرفت.
شکل3-10 عملیات انجام شده را نشان می دهد.

شکل 3-10: تبدیل ویژگی های غیر عددی به عدد در الگوریتم شبکه عصبی
نتیجه اجرای الگوریتم Neural Network دقت 91.25%بوده ماتریس آشفتگی آن و نمودار AUC در شکل 3-11 رسم شده است.

29222702265680آستانه قابل قبول
020000آستانه قابل قبول
725170-55245دسته مثبت
020000دسته مثبت

شکل 3-11: نمودار AUC و ماتریس آشفتگی الگوریتم Neural Net
الگوریتم SVM خطیدر این الگوریتم نیز بدلیل عدم پشتیبانی از نوع داده اسمی از عملگرهای مختلفی برای تبدیل مقادیر غیرعددی به عدد استفاده شده است. به همین دلیل تنها از روش Split validation با نسبت 70-30 برای ارزیابی استفاده شده است که تقسیم ورودی ها نیز توسط کاربر انجام شد.
شکل3-12 عملیات انجام شده را نشان می دهد.

شکل 3-12: تبدیل ویژگی های غیر عددی به عدد در الگوریتم SVM خطی
پارامترهای الگوریتم عبارتند از :
Kernel cache=200
Max iteretions=100000
نتیجه حاصل از اجرای الگوریتم SVM خطی دقت 98.54% است. ماتریس آشفتگی آن و نمودار AUC در شکل 3-13 رسم شده است.

25711152215515آستانه قابل قبول
020000آستانه قابل قبول
1045845-111760دسته مثبت
020000دسته مثبت

شکل 3-13 : نمودار AUC الگوریتم SVM Linear
3-9-5-الگوریتم رگرسیون لجستیک
در این الگوریتم از روش Split validation با نسبت 70-30برای ارزیابی استفاده شده است که تقسیم ورودی ها نیز توسط کاربر انجام شد.
نتیجه حاصل از اجرای الگوریتم رگرسیون لجستیک دقت 98.54% است. ماتریس آشفتگی آن و نمودار AUC در شکل 3-14 رسم شده است.

25482552319020آستانه قابل قبول
020000آستانه قابل قبول
974725-249555دسته مثبت
020000دسته مثبت

شکل 3-14 : نمودار AUC الگوریتم رگرسیون لجستیک
3-9-6- الگوریتم Meta Decision Treeدر این الگوریتم که یک درخت تصمیم است، از روش Split validationبا نسبت 70-30 برای ارزیابی استفاده شده است که دقت 96.64% اقدام به پیش بینی خسارت احتمالی نموده است. ماتریس آشفتگی آن و نمودار AUC در شکل 3-15 رسم شده است.

26714452353945آستانه قابل قبول
020000آستانه قابل قبول
835660-73660دسته مثبت
020000دسته مثبت

شکل 3-15 : نمودار AUC الگوریتم Meta Decision Tree
با توجه به اندازه بزرگ درخت خروجی فقط قسمتی از آن در شکل 3-16 بصورت درخت نمایش داده می شود. در شکل 3-17 درخت بصورت کامل آمده است اما نتایج آن در فصل چهارم مورد تفسیر قرار خواهند گرفت.

شکل 3-16 : قسمتی از نمودارtree الگوریتم Meta Decision Tree

شکل 3-17 : نمودار --ial الگوریتم Meta Decision Tree
3-9-7-الگوریتم درخت Wj48چون RapidMiner توانایی استفاده ازالگوریتمهای نرم افزار WEKA را نیز دارد، در بسیاری از الگوریتم ها قدرت مند تر عمل میکند. Wj48 نسخه WEKA از الگوریتمj48 است.
پارامترهای این الگوریتم عبارتند از:
C=0.25
M=2
در این الگوریتم از روش ارزیابی 10 Fold Validation استفاده شده است و دقت پیش بینی آن برابر 99.52% است. ماتریس آشفتگی آن و نمودار AUC در شکل 3-18 رسم شده است. نمای درخت در شکل 3-19 ترسیم شده است.

35471102441575آستانه قابل قبول

–391

2663825-19050000
دانشگاه آزاد اسلامی تاریخ: ............ استان مرکزی- اراک شماره:..............
پیوست:...........
"تعهد نامه اصالت رساله یا پایان نامه"
اینجانب: وحید مرادی دانشجوی مقطع کارشناسی ارشد ناپیوسته در رشته: شیمی- آلی با شماره دانشجویی: 890631843 که در تاریخ: 4/7/91 از پایان نامه خود تحت عنوان: : مطالعه اثرات استریوالکترونی موثر بر خواص پیکربندی 1و2-دیفنیل دیآزن ، -دیفسفن ، -دیآرسن و -دیاستیبن با روش های مکانیک کوانتومی آغازین و تحلیلNBO با کسب نمره: 93/19
و درجه: عالی دفاع نموده ام بدینوسیله متعهد می شوم:
1- این پایان نامه حاصل تحقیق و پژوهش انجام شده توسط اینجانب بوده و در مواردی که از دستاوردهای علمی و پژوهشی دیگران (اعم از پایان نامه، کتاب، پروژه - ریسرچو ...) استفاده نموده ام، مطابق ضوابط و رویه موجود، نام منبع مورد استفاده و سایر مشخصات آن را در فهرست مربوطه ذکر و درج کردهام.
2- این پایان نامه قبلاً برای دریافت هیچ مدرک تحصیلی (هم سطح، پایین تر یا بالاتر) در سایر دانشگاهها و موسسات آموزش عالی ارائه نشده است.
3- چنانچه بعد از فراغت از تحصیل، قصد استفاده و هرگونه بهره برداری اعم از چاپ کتاب، ثبت اختراع و ... از این پایان نامه داشته باشم، از حوزه معاونت پژوهشی واحد مجوزهای مربوطه را اخذ نمایم.
4- چنانچه در هر مقطعی زمانی خلاف موارد فوق ثابت شود، عواقب ناشی از آن را میپذیرم و واحد دانشگاهی مجاز است با اینجانب مطابق ضوابط و مقرات رفتار نموده و در صورت ابطال مدرک تحصیلیام هیچ گونه ادعایی نخواهم داشت.
نام و نام خانوادگی: وحید مرادی
تاریخ و امضا
1682753174900
گواهی امضادانشجوی فوق الذکر احراز هویت شد فقط امضای ایشان گواهی میگردد.
نام و نام خانوادگی رئیس پژوهش دانشکده
تاریخ و امضا
اراک –میدان امام خمینی-بلوارامام خمینی(ره)-شهرک دانشگاه آزاداسلامی- صندوق پستی 567/38135
فهرست مطالب
عنوان صفحه
فصل اول: مقدمه
1-1-مقدمه2
1-2-بررسیهای انجام شده در این پروژه4
1-3- کامپیوتر و شیمی کوانتوم7
1-4-معرفی برنامههای کامپیوتر8
1-4-1-نرم افزار گوسین8
1-4-2-نرم افزار گرافیکیChem 3D9
1-4-3-برنامه اوربیتال مولکولی MOPAC9
فصل دوم : تاریخچه
2-1-مقدمه12
2-2-پیدایش13
2-3-ترکیبات اولیه16
2-4-مطالعات گذشته18
2-5-نتیجه31
فصل سوم : محاسبات شیمیایی
3-1-مقدمه34
عنوان صفحه
3-2-محاسبات شیمیایی35
3-2-1- روش‌های محاسباتی براساس مکانیک کلاسیک36
3-2-2- روش‌های محاسباتی براساس مکانیک کوانتومی39
3-2-2-1-روشهای نیمه تجربی40
3-2-2-2-روش‌های مکانیک کوانتومی آغازین42
3-3- تقریب بورن اپنهایمر43
3-4- روش‌های مبتنی بر اوربیتال مولکولی45
3-4-1- روش هارتری- فاک45
3-4-1-1-محدودیت‌های روش هارتری- فاک47
3-4-2- روش‌های ارتباط الکترونی(EC)48
3-5- روش‌های مبتنی بر توابع دانسیته50
3-5-1- تقریب دانسیته موضعی53
3-5-2- تصحیح شیب دانسیته54
3-5-3-روش پیوستگی آدیاباتیک( ACM)55
3-6-سری‌های پایه57
3-6-1- اوربیتال‌های اسلیتری و گوسی58
3-6-2-طبقه‌بندی سری‌های پایه60
3-6-2-1- سری‌های پایه کمینه62
عنوان صفحه
3-6-2-2- سری‌های پایه پاپل63
3-6-2-2-1- توابع پلاریزه‌کننده و پخش‌کننده65
3-6-2-3-سری‌های پایه پتانسیل‌های مغزی مؤثر66
3-6-2-4-سری پایه دانینگ67
3-7-اوربیتال‌های پیوند طبیعی67
3-7-1- ساختار برنامه NBO70
3-8-مقایسه روش‌های مکانیک کوانتومی71
3-9-روش کار73
3-9-1- تهیه فایل دادهها73
3-9-2- نحوه محاسبات برنامه MOPAC74
3-9-3- بهینه سازی ساختار هندسی74
3-9-4- شرح روش کار محاسبات کامپیوتری75
3-10- روش کار با نرم افزار گوسین79
3-10-1- هدف اصلی از انجام محاسبات80
3-10-2- روش محاسبه80
3-10-3- مجموعه پایه80
3-10-4-طرز کار80
عنوان صفحه
فصل چهارم : نتایج وبحث
4-1- مقدمه85
4-2- نتایج حاصل از محاسبات89
4-2-1- بررسی انرژی آزاد گیبس89
4-2-2- بررسی اثر آنومری تعمیم یافته90
4-2-3- بررسی ممان دوقطبی97
4-2-4- بررسی پارامترهای ساختاری100
4-3- نتیجه گیری103
مراجع
چکیده انگلیسی
فهرست شکل ها
عنوان صفحه
شکل 1-1- HYPERLINK "file:///G:/Documents%20and%20Settings/saye01/Desktop/1-3.doc"HYPERLINK "file:///G:/Documents%20and%20Settings/saye01/Desktop/1-3.doc" طرحی از مولکولهای مورد مطالعه در پیکربندیهای سیس و ترانس5شکل 2-1- اولین دیفسفن پایدار سنتز شده14
شکل 2-2- سیستم HX=XH دارای پیوند دوگانه16
شکل 2-3- ایزومریزاسیون سیس- ترانس آزوینزن19
شکل 2-4- شماتیک حالات انتقالات برای ایزومریزاسیون حرارتی سیس-ترانس آزوینزن20
شکل 2-5- واریانس انرژی(a) و جمعیت الکترونی (b)مربوط به اوربیتالهای HOMO و LUMO نسبت به زمان20
شکل 2-6- واریانس زوایای پیچشی CNNC (a) و زوایای پیوندی CNN (b) نسبت به زمان21
شکل 2-7- طیف UV/vis آزوینزن21
شکل 2-8- ΔE(E-Z) پیوند دوگانه X=Y22
شکل 2-9- پارامترهای مهم هندسی ترانس-دیفنیل دیفسفن (Ph-P=P-Ph)24
شکل 2-10- شماره گذاری اتمها برای دیفنیل دیفسفن و همچنین برای دیفنیل دیآزن27
شکل 2-11- زاویه و طول پیوند در ترانس و سیس آزوبنزن29
شکل 2-12- پارامترهای ساختاری برای فرم ترانس مولکول Ph-E = E-Ph30
شکل 2-13- پارامترهای ساختاری برای فرم ترانس مولکول Ph-E = E-Ph 30
عنوان صفحه
شکل 3-1- مقایسه توزیع اوربیتال‌های اسلیتری (a) و گوسی (b) در اطراف هسته60
شکل 3-2- مقایسه یک تابع STO با اوربیتال‌های نوع گوسی----------------------------------------------60
شکل 3-3- مقایسه سری‌های پایه STO-nG با یکدیگر63
شکل 3-4- سری پایهSTO-3G به عنوان متداولترین سری پایه کمینه63
شکل 3-5- انحراف برهم‌کنش donor-acceptor 69
شکل 3-6- ساختار برنامه NBO70
شکل 3-7- نمایی از محیط کار در نرم افزار Chem3D75
شکل 3-8- نمایی از Z-ماتریکس برای مولکول 1و2-دیفنیل دیفسفن76
شکل 3-9- نمایی از محیط کار در نرم افزار Chem3D76
شکل 3-10- نمایی از پنجره ورودی اطلاعات برای انجام محاسبات در مولکول 1و2-دیفنیل دی فسفن 77
شکل 3-11- نمایی از پنجره اطلاعات خروجی بعد از محاسبات در مولکول 1و2-دیفنیل دیفسفن 77
شکل 3-12- نمایی از پنجره ورودی اطلاعات برای انجام محاسبات NBOدر مولکول 1و2-دیفنیل دیآرسن78
شکل 3-13- نمایی از اطلاعات خروجی از محاسبات NBO در مولکول 1و2-دیفنیل دیفسفن78
شکل 3-14- نمایی از محیط کار گوسین79


شکل 3-15- نمایی از محیط کار در گوسین برای وارد کردن اطلاعات اولیه و اصلی81
شکل 4-1- انتقالات مورد بررسی در پیکربندی سیس و ترانس ترکیبات 1 تا 491
شکل 4-2- مقادیر انرژی پایداری حاصل از انتقالات الکترونی (E2) مربوط به ترکیبات 1 تا 492
عنوان صفحه
شکل 4-3- اثر آنومری تعمیم یافته GAE در ترکیبات 1 تا 496
شکل 4-4- جهت بردارهای ممان دوقطبی در پیکربندی سیس و ترانس ترکیبات 1 تا 499
شکل 4-5- شماره گذاری اتمها در پیکربندی سیس و ترانس ترکیبات 1تا 4100
شکل 4-6- طول پیوند برای پیکربندی سیس و ترانس 1و2-دیفنیل دیآزن102
شکل 4-7- طول پیوند برای پیکربندی سیس و ترانس 1و2-دیفنیل دیفسفن102
شکل 4-8- طول پیوند برای پیکربندی سیس و ترانس 1و2-دیفنیل دیآرسن102
شکل 4-9- طول پیوند برای پیکربندی سیس و ترانس 1و2-دیفنیل دیاستیبن103
فهرست جداول
عنوان صفحه
جدول 2-1- طول پیوند و زاوایای پیوندی چندین نمونه بررسی شده از دیفسفن15
جدول 2-2- طول پیوند و زاوایای پیوندی چندین نمونه بررسی شده از دیآرسن و دیاستیبن16
جدول 2-3- انرژیهای کل و نسبی سیستمهای HX=XH17
جدول 2-4- پارامترهای ساختاری برای سیستمهای HX=XH17
جدول 2-5- مقایسه طول پیوند تعادلی (Re) و زاویه (Φx) برای سیستمهای HX=XH17
جدول2-6- محاسبه پارامترهای ساختاری برای دیفسفن و دیآرسنهای مختلف25
جدول2-7- پارامترهای ساختاری و ممان دوقطبی برای ترانس و سیس آزوبنزن26
جدول2-8- پارامترهای مهم ساختاری بهینه شده دیفنیل دیفسفن27
جدول2-9- پارامترهای مهم ساختاری بهینه شده دیفنیل دیآزن28
جدول2-10- پارامترهای ساختاری بهینه شده برای RE=ER28
جدول 2-11- خواص فیریکی و مقادیر طول پیوند دوگانه تجربی برای مولPh-E=E-Ph31
جدول 4-1- مقادیر توابع ترمودینامیکی برای ساختارهای بهینه شده ترکیبات 4-1106
جدول 4-2- انرژی رزونانسی انتقالات الکترونی دهنده-گیرنده برای ساختارهای بهینه شده ترکیبات 4-1107
جدول 4-3- انرژی ΔEijوانتگرال همپوشانی(Fij) انتقالات الکترونی دهنده-گیرنده برای ترکیبات 4-1108
جدول 4-4- مقادیر ممان دوقطبی(µ) برای ساختارهای بهینه شده ترکیبات 4-1109
جدول 4-5- جمعیت الکترونی اوربیتالهای دهنده-گیرنده برای ساختارهای بهینه شده ترکیبات 4-1110
عنوان صفحه
جدول4-6- انرژی اوربیتال های پیوندی و ضد پیوندی برای ساختارهای بهینه شده ترکیبات 4-1111
جدول4-7- پارامترهای ساختاری برای ترکیبات 4-1112
چکیده
مطالعه اثرات استریوالکترونی موثر برخواص پیکربندی 1و2-دیفنیل دیآزن ، -دیفسفن ، -دیآرسن و –دیاستیبن با استفاده از روشهای مکانیک کوانتومی آغازین و تحلیلNBO
توسط: وحید مرادی
بر پایه روش (B3LYP/Def2-TZVPP) و تحلیل NBO خواص پیکربندی 1و2-دیفنیل دیآزن(1) ، 1و2-دیفنیل دیفسفن(2) ، 1و2-دیفنیل دیآرسن(3) و 1و2-دیفنیل دیاستیبن(4) بررسی شد. نتایج حاصل نشان داد که اختلاف انرژی آزاد گیبس (GTrans-Cis)Δ در دمای 298.15 درجه کلوین و فشار یک اتمسفر بین پیکربندی ترانس و سیس از ترکیب 1 به ترکیب 4 کاهش مییابد. روش B3LYP/Def2-TZVPP پایداری پیکربندی ترانس ترکیبات 1 تا 4 نسبت به پیکربندی سیس مربوطه را نشان داد.
بر اساس نتایج بدست آمده ناپایداری پیکربندی سیس از ترکیب 1 به 4 کاهش مییابد. تحلیل NBO برهمکنش اوربیتالهای دهنده-گیرنده (LP→ σ* QUOTE →σ ) نشان داد که اثر آنومری تعمیم یافته (GAEtotal= GAETrans - GAE Cis) مرتبط با (LPM1→ σ* M2-Cphenyl) و ( σM1-Cphenyl σ* M2-Cphenyl ) از ترکیب 1 به ترکیب 4 کاهش مییابد. بنابراین تغییرات آنومری تعمیم یافته نمیتواند تغییرات محاسبه شده انرژی آزاد گیبس را توضیح دهد. تغییرات GAE میتواند توسط عناصر غیر قطری مربوطه آن کنترل شود.
مقدار ممان دوقطبی محاسبه شده پیکربندی سیس از ترکیب 1 به 4 کاهش مییابد. همچنین روند مشاهده شده اختلاف ممان دوقطبی (Δμcis-trans) بین پیکربندی سیس و ترانس ترکیبات 1 تا 4 مشابه با روند کاهشی مشاهده شده برای تغییرات ΔG مربوطه است. بنابراین مدل الکترواستاتیک مرتبط با برهمکنش دوقطبی-دوقطبی توجیه کننده مقادیر G محاسبه شده برای ترکیب های 1 تا 4 است.
یک رابطه مستقیم بین محاسبه GAE و پارامتر ∆ [rM1-Cphenyl (Trans)–(Cis)] وجود دارد. رابطه بین ΔGtrans-cis ، GAEtrans-cis ، Δμcis-trans ، پارامترهای ساختاری و رفتار پیکربندی ترکیبات 1 تا 4 بررسی شد.
فصل اول
مقدمه

1-1-مقدمه
انرژی کل یک مولکول با شکل آن رابطهای مستقیم دارد، این انرژی کل ازچند مولفه تشکیل میشود که آنها را تا حدی میتوان به ویژگیهای ساختاری مشخصی نسبت داد. از جمله عواملی که در انرژی کل یک مولکول سهم دارند و ارتباط قابل درکی با ساختارمولکول دارند، میتوان به برهمکنشهای غیرپیوندی ،کشش حلقه درسیستمهای حلقوی ، کششهای پیچشی ناشی از پوشیدگی پیوندها، ناپایدار شدن به دلیل انحراف طول پیوندی یا زاویه پیوندی از مقادیر بهینه اشاره کرد. برعکس عوامل پایدارکنندهای هم وجود دارند که دارای قیدهای هندسی هستند. اکثر این عوامل را میتوان در زمره اثرهای فضا الکترونی به شمار آورد یعنی برای بیشینه شدن برهمکنشهای پایدارکننده به یک رابطه هندسی خاص نیاز دارند علاوه بر این، برهمکنشهای دیگری نیز وجود دارند مثل تشکیل پیوند هیدروژنی یا برهمکنشهای دوقطبی –دوقطبی که برای آنها قدرت برهمکنش شدیداً ، به شکل هندسی مولکول بستگی دارد ADDIN EN.CITE <EndNote><Cite><Author>D.Menard</Author><Year>1984</Year><RecNum>22</RecNum><DisplayText>[1]</DisplayText><record><rec-number>22</rec-number><foreign-keys><key app="EN" db-id="9ztwdxst2a55f2ep9ztvww0q2xzf20tesp0e">22</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>D.Menard,M.st-Jacques,</author></authors></contributors><titles><secondary-title>Journal of American Chemistry Society </secondary-title></titles><periodical><full-title>Journal of American Chemistry Society</full-title></periodical><volume>106</volume><section>2055</section><dates><year>1984</year></dates><urls></urls></record></Cite></EndNote>[1].
اصولی که تحلیل تعادلهای صورت بندی برآنها استوار است، درچارچوبی بسط یافتهاند که خود پایه در مکانیک کلاسیک دارد. یک مولکول، کم انرژیترین شکلی را به خود میگیرد که ازچرخش حول پیوندهای ساده خود و تنظیم زاویهها و طول پیوندها حاصل می شود. از آنجا که طول پیوندها وزوایای پیوندی از مولکولی به مولکول دیگر نسبتا به طورجزئی تغییر میکند، شکل مولکولی در وهله نخست به وسیله فرایندهای چرخشی آن تعیین می شود. بسیاری از مولکولها به دلیل انحراف از شکلهای هندسی ایدهآل، یک کشش از خود نشان میدهند. انرژی کشش، مقدار انرژی اضافی در مقایسه با یک مولکول مرجع و فاقد کشش است.
از دیدگاه اوربیتال مولکولی، انرژی مولکول برابر حاصل جمع انرژی اوربیتالهای اشغال شده است. محاسبه انرژی کل درآرایش فضایی متفاوت نشان میدهد که انرژی تابعی از شکل هندسی است.
تفسیرفیزیکی این حکم برحسب موثر بودن همپوشانی اوربیتالها امکان پذیر است. همپوشانی میان اوربیتالهایی که برهمکنش پیوندی دارند، انرژی مولکولی را کاهش میدهند. اصطلاح اثرفضا الکترونی برای آن دسته ازروابط میان ساختار چرخشی و انرژی واکنش پذیری به کار میرود که میتوان آنها را به برهمکنشهای اوربیتالی به شکل هندسی ربط داد ADDIN EN.CITE <EndNote><Cite><Author>D.Menard</Author><Year>1981</Year><RecNum>23</RecNum><DisplayText>[2]</DisplayText><record><rec-number>23</rec-number><foreign-keys><key app="EN" db-id="9ztwdxst2a55f2ep9ztvww0q2xzf20tesp0e">23</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>D.Menard,M.st-Jacques, </author></authors></contributors><titles><secondary-title>Journal of American Chemistry Society</secondary-title></titles><periodical><full-title>Journal of American Chemistry Society</full-title></periodical><volume>59</volume><section>1160</section><dates><year>1981</year></dates><urls></urls></record></Cite></EndNote>[2].
در ترکیبات آلی اثرات متعددی برای توجیه ارجحیت ترکیب، ارائه شدهاست. این اثرات شامل اثر آنومری، فوق مزدوج شدن، برهمکنش دوقطبی-دوقطبی، رزونانس، تداخلات فضایی و غیره است. در هندسه ارجح بسیاری از مولکولها مشخص شده است که بیشترین برهمکنش بین بهترین جفت دهنده تنها و بهترین پیوند گیرنده است ADDIN EN.CITE <EndNote><Cite><Author>N.D. Epiotis</Author><Year>1977</Year><RecNum>24</RecNum><DisplayText>[3]</DisplayText><record><rec-number>24</rec-number><foreign-keys><key app="EN" db-id="9ztwdxst2a55f2ep9ztvww0q2xzf20tesp0e">24</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>N.D. Epiotis, R.L. Yates, R.J. Larson, C.R. Kirmayer, F. Bernardi,</author></authors></contributors><titles><title>Directional effects of .sigma. Conjugation on geometrical isomerism,</title><secondary-title>Journal of American Chemistry Society</secondary-title></titles><periodical><full-title>Journal of American Chemistry Society</full-title></periodical><pages>8379-8388</pages><volume>99</volume><section>8379</section><dates><year>1977</year></dates><urls></urls></record></Cite></EndNote>[3].
اثر آنومری موثرترین فاکتورکنترل صورتبندی در ترکیبهای آلی است. اثر آنومری اثری استریوالکترونی است که طی آن در حلقههای سیکلوهگزانی، گروههای متصل شده به کربن شماره دو، قرارگیری در حالت محوری را به حالت استوایی ترجیح میدهند. این در حالیست که بر طبق دافعههای فضایی برای این گروهها قرارگیری در حالت استوایی مورد انتظار است. توضیح برای توجیه اثر آنومری این است که در حالت استوایی ممان دو قطبی هر دو هترواتم در یک جهت میباشند، در حالیکه در حالت محوری ممانها تقریبا مخالف یکدیگرند ، بنابراین برآیند آنها عددی کوچکتر است، پس در فرم محوری پایداری بیشتر و انرژی کمتر خواهد بود.
به اثر آنومری در ترکیبهای دارای پیوند دوگانه اثر آنومری تعمیم یافته گفته میشود. اثر آنومری تعمیم یافته نیز اثری استریوالکترونی است که طی آن در سیستمهای غیرحلقوی، گروههای متصل شده به اتمها، قرارگیری در حالت سیس را به حالت ترانس ترجیح میدهند. این در حالیست که بر طبق دافعههای فضایی برای این گروهها قرارگیری در حالت ترانس مورد انتظار است.
از طریق این مطالعه نظری، ما امیدواریم به موارد ذیل دست یابیم :
الف (به اثرات استریوالکترونی در پیکربندی مختلف از مولکولها
ب) به مشخص شدن عامل توجیه کننده انرژی آزادگیبس در تعیین پایداری پیکربندی مختلف از مولکولها
 ج) به ارتباط منطقی بین نتایج محاسبات با فاکتورهای مورد بررسی
د) به پارامترهای ساختاری و تاثیر آن
ه) به نتایج قابل قبول و سازگار با نتایج تجربی مربوطه
1-2-بررسیهای انجام شده دراین پروژه
ارزیابی صحیح از انتقالات دهنده-گیرنده و حالت هندسی و انرژی یک سیستم ، یک روش قدرتمند برای مطالعه واکنشهای شیمیایی میباشد. در این راستا، به منظور مقایسه پایداری پیکربندی در ترکیبات دارای باند دوگانه E = E حاوی عناصر نیتروژن، فسفر، آرسنیک و آنتیموان یک تحقیق در رابطه با عوامل موثر بر این پایداری، با استفاده از روش مکانیک کوانتومی آغازین و همچنین تحلیل اوربیتال پیوند طبیعی، را انجام میدهیم. مولکولهایی که ما بررسی میکنیم عبارتند از:
1,2-diphenyldiazene (Ph-N=N-Ph) 1،2-دی فنیل دی آزن
1,2-diphenyldiphosphene (Ph-P=P-Ph)1،2-دی فنیل دی فسفن
1,2-diphenyldiarsene (Ph-As=As-Ph) 1،2-دی فنیل دی آرسن
1,2-diphenyldistibene (Ph-Sb=Sb-Ph) 1،2-دی فنیل دی استیبن

شکل 1-1 : طرحی از مولکولهای مورد مطالعه در پیکربندیهای سیس و ترانس
اثرات استریوالکترونی، اثرات الکترواستاتیک و اثرات فضایی برروی خواص پیکربندی سیستمهای مورد نظر در این تحقیق تاثیر گذار خواهند بود. با توجه به اینکه تقابلهای همسو بودن این تاثیرات مشخص نیست در این تحقیق به این مطلب پرداخته خواهد شد.
پرسش اصلی تحقیق ( مساله تحقیق ) این است که چگونه اثرات استریوالکترونی میتوانند بر خواص پیکربندی 1و2-دیفنیل دیآزن، -دیفسفن ،-دیآرسن ، -دیاستیبن تاثیرگذار باشد ؟
فرضیهای که در اینجا برای این بررسیها مطرح میشود این است که پیشبینی میشود اولاً اثرات استریوالکترونی بر خواص پیکربندی 1و2-دیفنیلدیآزن ، -دیفسفن ، -دیآرسن ، -دیاستیبن تاثیرگذار باشد ثانیاً بین تغییرات ممانهای دوقطبی و خواص پیکربندی مولکولهای مورد مطالعه ارتباط منطقی و محکمی وجود داشته باشد.
پژوهش حاضر به بررسی این تاثیرات که میتواند ناشی از اثرات استریوالکترونی و فضایی باشد ، با استفاده از روش های مکانیک کوانتومی آغازین در سطح نظری B3LYP/ Def2-TZVPP و تحلیل NBO میپردازد. هدف از انجام این تحقیق، بررسی چگونگی اثرات استریوالکترونی بر خواص پیکربندی و ساختاری مولکولهای مورد نظر میباشد.
ساختارهای مورد مطالعه در این تحقیق با نرم افزار chem3Dتهیه و در سطوح نظری مناسب بهینه میشوند. پس از انجام مراحل بهینهسازی، بر روی ساختارهای حاصل تحلیل NBO انجام خواهد شد و سپس اثرات آنومری از روی انتقالات الکترونی، اثرات الکترو استاتیک و فضایی محاسبه شده و همبستگی بین اختلاف انرژی آزاد گیبس، اثر آنومری تعمیم یافته، پارامترهای ساختاری و ممانهای دو قطبی، در ترکیبهای مورد نظر مورد بررسی قرار میگیرد.
در این پروژه ابتدا به بررسی روند انرژی آزادگیبس پرداخته خواهد شد و سپس عوامل موثر بر پایداری مولکول مورد بررسی قرار میگیرند که آیا میتوانند نتایج حاصل از انرژی آزاد گیبس را توجیه کنند، این عوامل عبارتنداز:
اثرات آنومری :
فرمی از مولکول که اثر آنومری بیشتری دارد نسبت به فرمی که اثر آنومری کمتری دارد، پایدارتر است.
ممان دوقطبی :
در فاز گازی، فرمی از مولکول که ممان دوقطبی کمتری داشته باشد، پایدارتر است.
اثرات فضایی :
هرچه یک مولکول اثرات فضایی ناپایدارکننده کمتری داشته باشد، پایدارتر است.
1-3- کامپیوتر و شیمی کوانتوم
بیگمان سالها پیش که نخستین کامپیوترها پا به عرصه علم و فناوری گذاشتند هیچ کس حتی تصور هم نمیکرد که روزی فرا برسد که علوم تجربی همچون شیمی، فیزیک، و حتی زیست شناسی تا این حد وابسته به کامپیوتر باشد.
علم شیمی در این میان گوی سبقت را از سایر علوم ربوده است. نگاهی گذرا به هزاران پروژه - ریسرچعلمی که سالانه در سراسر جهان منتشر میشود موید این ادعا است. این مقالات در شاخههای گوناگون شیمی انتشار مییابد، اما ناگفته پیداست که مباحث شیمی کوانتوم در این میان بیشترین سهم را به خود اختصاص دادهاند.
1-4- معرفی برنامههای کامپیوتری
1-4-1- نرم‌افزار گوسین
از جمله مهمترین و شاید بتوان گفت پرکاربردترین، نرم‌افزارها در زمینه به کارگیری رایانه در پژوهش‌های شیمی، نرم‌افزار قدرتمند Gaussian است .این نرم‌افزار مجموعه‌ای از برنامه‌های به هم پیوستهای است که انواع محاسبات کوانتوم مکانیکی را انجام می‌دهد. اساس Gaussian بر این پایه استوار است که مدل‌های تئوری باید برای همه سیستم‌های مولکولی، با هر اندازه و نوعی به طور یکسان قابل اجرا باشند. این نرم‌افزار قادر به محاسبه بسیاری از خواص مولکول‌ها و واکنش‌هاست .برخی کاربردهای برنامه Gaussian عبارتند از:
ساختار و انرژی مولکول
ساختار و انرژی حالت گذار
فرکانس ارتعاشی
طیفهای رامان و IR
خواص ترموشیمیایی
انرژی پیوندها و واکنشها
مسیر واکنشها
بارهای اتمی
ممان چند قطبی
محاسبات را می‌توان در فاز گازی یا در محلول، در حالت پایه یا حالت برانگیخته انجام داد. از این رو گوسین را میتوان یک ابزار قدرتمند برای کاوش در حیطههای گوناگون از مطالعات شیمیایی نظیر اثرات جانشینیی، مکانیسم واکنشها، پایداری و ... به کار برد.
1-4-2- نرم افزار گرافیکی Chem 3D
Chem3D یک نرم افزار گرافیکی است که ساختار مولکول مورد نظر را میتوان به وسیله آن رسم کرد.
در این نرم افزار بهینهسازی مقدماتی ترکیبات، با روش مکانیک مولکولی MMx انجام میشود. به این ترتیب ساختار بهینه شده، به صورت یک فایل ورودی به نام Z-ماتریکس برای برنامه کامپیوتری MOPAC آماده میشود.
1-4-3- برنامه کامپیوتری اوربیتال مولکولی MOPAC
MOPAC یک برنامه اوربیتال مولکولی نیمه تجربی برای مطالعه واکنشهای شیمیایی شامل مولکولها، یونها و همچنین ساختار مربوط به آنها میباشد. این برنامه شامل روشهای نیمه تجربی میدان خود سازگار MINDO/3, MNDO, AMI, PM3 بوده و مجموعهای از محاسبات مربوط به طیفهای ارتعاشی، مقادیر ترمودینامیکی، اثرات جابجایی ایزوتوپی و ثابت نیرو را در بر میگیرد. همچنین عناصر تعریف شده در برنامه فوق اکثرا˝ عناصر اصلی و تعداد محدودی از عناصر واسطه مانند جیوه است.
فصل دوم
تاریخچه
2-1-مقدمه
همانند آنالوگهای اتیلن عناصر گروه 14 جدول تناوبی ، عناصر گروه 15 جدول تناوبی هم ، یک نقش محوری در توسعه شیمی پیوندهای چندگانه ایفا میکنند. شیمی ترکیبات دارای پیوندهای چندگانه میان عناصر سنگین گروه اصلی توجه زیادی را در سالهای اخیر به خود جلب کرده است. با توجه به اصطلاح قاعده پیونددوگانه کلاسیک، فقط عناصر ردیف دوم در جدول تناوبی باید قادر باشند که تشکیل ترکیبات پایدار حاوی پیوند دوگانه بدهند، در واقع، قانون پیوند دوگانه، یک بار برای تمام عناصر که فراتر از ردیف اول جدول تناوبی هستند اعمال شد، که در آن کربن، نیتروژن و اکسیژن در تشکیل پیوندهای چندگانه موفقتر بودند و پیوند دوگانه در عناصر سنگینتر ناموفق بود زیرا فاصله طولانی بین این عناصر اجازه همپوشانی کافی به اوربیتالهای p را نخواهد داد. این قاعده پیوند دوگانه کلاسیک ، توسط تعدادی از تلاشهای ناموفق در سنتز ترکیبات تایید شد. بهعنوان مثال، کولر و مایکلس گزارش دادند که از واکنش تراکم PhPCl2 و PhPH2 مولکول دیفنیل دیفسفن تشکیل میشود، که فسفوبنزن نامیده میشود. اما بعد از آن برای اولین بار، اندازهگیری وزن مولکولی و سپس تجزیه و تحلیل ساختار با اشعه X ، نشان داد که این محصول ترکیبی از فسفوبنزن و اُلیگومر است. اشتباه مشابهی در مورد دی آرسن نیز رخ داد ADDIN EN.CITE <EndNote><Cite><Author>Tokitoh</Author><Year>2000</Year><RecNum>5</RecNum><DisplayText>[4]</DisplayText><record><rec-number>5</rec-number><foreign-keys><key app="EN" db-id="9ztwdxst2a55f2ep9ztvww0q2xzf20tesp0e">5</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Norihiro Tokitoh</author></authors></contributors><titles><title>New aspects in the chemistry of low-coordinated inter-element compounds of heavier Group 15 elements</title><secondary-title>Journal of Organometallic Chemistry</secondary-title></titles><periodical><full-title>Journal of Organometallic Chemistry</full-title></periodical><pages>217-227</pages><volume>611</volume><section>217</section><dates><year>2000</year></dates><work-type>Review</work-type><urls></urls></record></Cite></EndNote>[4]. پس از این شکستها، دانشمندان متوجه شدند که جایگزینهای به اندازه کافی بزرگ برای جلوگیری از اُلیگومرشدن این گونههای واکنشپذیر لازم است پیوندهای چندگانه در میان عناصر سنگینتر گروه اصلی تمایل دارند، فعالیت بالاترشان نسبت به کربن و نیتروژن همنوع خود را نشان دهند. با این حال، با لیگاندهای به اندازه کافی بزرگ، پیوندهای چندگانه مربوط به P, As, Si, Ge و دیگر عناصر میتواند به صورت ترکیبات پایدار سینتیکی سنتز و مورد مطالعه قرار گیرد. چرا در عناصر سنگین گروههای اصلی، هیبرید شدن باهم خیلی ضعیف است؟ هیبریداسیون موثر زمانی رخ میدهد که اوربیتالهای اتمی تشکیل دهنده انرژیهای مشابه و همپوشانی فضایی بزرگ داشته باشند. انرژی نسبی اوربیتالهای اتمی، در واقع بیشتر به نفع هیبریداسیون برای عناصر سنگینتر است. دلیل اصلی این اتفاق، احتمالاً ظرفیت بسیار متفاوت و توزیع شعاع اوربیتال ظرفیت s و p ، برای ردیف اول در جدول تناوبی در مقایسه با دیگر عناصر دارای اوربیتال ظرفیت p تقریبا با همان حدود شعاع است، اوربیتال ظرفیت p عناصر سنگینتر به میزان قابل توجهی گسترده تر نسبت به اوربیتال s است. به این ترتیب، درجه هیبریداسیون کاهش مییابد و جفت تنها، بیشتر خصوصیت s را در ستون جدول تناوبی با رفتن به سمت پایین را قبول میکند.
دانش سنتز، ساختار، شیمی کئوردیناسیون و واکنش ترکیبات دارای پیوندهای چندگانه میان عناصر سنگین نسبتاً در مراحل اولیه است، و به تازگی بررسی شدهاند.
2-2-پیدایش
سبکترین مشتقات دارای پیوند دوگانه، ترکیبات آزو، دیآزنها هستند پس از کشف دو ایزومر(سیس و ترانس ) در سال 1937 از آزوبنزن، آنها به موضوعاتی برای مطالعات تجربی و نظری متعدد تبدیل شدند ADDIN EN.CITE <EndNote><Cite><Author>G.S. Hartley</Author><Year>1937</Year><RecNum>10</RecNum><DisplayText>[5, 6]</DisplayText><record><rec-number>10</rec-number><foreign-keys><key app="EN" db-id="9ztwdxst2a55f2ep9ztvww0q2xzf20tesp0e">10</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>G.S. Hartley ,</author></authors></contributors><titles><secondary-title>Nature</secondary-title></titles><periodical><full-title>Nature</full-title></periodical><pages>281</pages><volume>140 </volume><dates><year>1937</year></dates><urls></urls></record></Cite><Cite><Author>G.S. Hartley</Author><Year>1938</Year><RecNum>11</RecNum><record><rec-number>11</rec-number><foreign-keys><key app="EN" db-id="9ztwdxst2a55f2ep9ztvww0q2xzf20tesp0e">11</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>G.S. Hartley,</author></authors></contributors><titles><secondary-title>J. Chem. Soc.</secondary-title></titles><periodical><full-title>J. Chem. Soc.</full-title></periodical><pages>633</pages><section>633</section><dates><year>1938</year></dates><urls></urls></record></Cite></EndNote>[5, 6].
چندین دهه است که دیآزنها در همه جا شناخته شدهاند. پایداری پیوند دوگانه با جایگزینی گروههای بسیار بزرگ راه بدست آوردن ترکیبات همنوع بالاتر از دیآزنها بود. یوشی فوجی و همکارانش در سال 1981 اولین دی فسفن پایدار را سنتز کردند، که یک نقطه عطف واقعی در شیمی بود( در زیر تصویر آنرا میبینید) Mes*P=PMes* ، ADDIN EN.CITE <EndNote><Cite><Author>M. Yoshifuji</Author><Year>1981</Year><RecNum>17</RecNum><DisplayText>[7]</DisplayText><record><rec-number>17</rec-number><foreign-keys><key app="EN" db-id="9ztwdxst2a55f2ep9ztvww0q2xzf20tesp0e">17</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>M. Yoshifuji, I. Shima, N. Inamoto, K. Hirotsu, T. Higuchi</author></authors></contributors><titles><secondary-title>J.Am. Chem. Soc.</secondary-title></titles><periodical><full-title>J.Am. Chem. Soc.</full-title></periodical><pages>4587</pages><volume>103</volume><section>4587</section><dates><year>1981</year></dates><urls></urls></record></Cite></EndNote>[7].

شکل 2-1 : اولین دیفسفن پایدار سنتز شده
از زمان جداسازی دیفسفن بالا، تمرکز کارها برروی شیمی این کلاس جدید از ترکیبات گسترش یافته است. یوشی فوجی دیفسفن را از احیا (2،4،6-تری-ترشیوبوتیل فنیل)دیکلرودیفسفین با عنصر منیزیم به دست آورد و ثابت شده است که احیا عوامل مختلف دیگر میتواند در سنتز دیفسفن موثر باشند ADDIN EN.CITE <EndNote><Cite><Author>M. Yoshifuji</Author><Year>1981</Year><RecNum>17</RecNum><DisplayText>[7]</DisplayText><record><rec-number>17</rec-number><foreign-keys><key app="EN" db-id="9ztwdxst2a55f2ep9ztvww0q2xzf20tesp0e">17</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>M. Yoshifuji, I. Shima, N. Inamoto, K. Hirotsu, T. Higuchi</author></authors></contributors><titles><secondary-title>J.Am. Chem. Soc.</secondary-title></titles><periodical><full-title>J.Am. Chem. Soc.</full-title></periodical><pages>4587</pages><volume>103</volume><section>4587</section><dates><year>1981</year></dates><urls></urls></record></Cite></EndNote>[7].
از آن زمان به بعد، دیفسفنهای بسیار دیگری سنتز شدهاند و ساختارشان مشخص شده است. این رویکرد نیز با موفقیت در مورد سنتز این دو دیآرسن، Mes*As=AsCH(SiMe3)2 و (SiMe3)3CAs=AsC(SiMe3)3 ، توسط کولی و همکارانش در سالهای 1985-1983 استفاده شد. داستان پیوند دوگانه As=As با ارائه دو ترکیب جدید توسط تاملی و همکارانش در سال 1999 با استفاده از لیگاندهای خیلی حجیم متا-تری فنیل -C6H3-2,6-Mes2 و -C6H3-2,6-Trip2 تکمیل شد. این محققین همچنین موفق به سنتز دیاستیبن و همچنین دیبیسموتنهای مربوطه شدند. با این حال، اولین ترکیبات دارای پیوند دوگانه همانند Sb=Sb و Bi=Bi توسط توکیتو و همکارانش در سال 1998- 1997 سنتز شد. سنتز ساختار و واکنشهای دیفسفنها وترکیبات همنوع خود، توسط کولی در سال 1984، کولی و نورمن در سال 1986، یوشی فوجی در سال 1990، وبر در سال 1992 و پاور در سال 1999 بصورت جامع مورد بررسی قرار گرفته شده است ADDIN EN.CITE <EndNote><Cite><Author>WIDAUER</Author><Year>2000</Year><RecNum>4</RecNum><DisplayText>[8]</DisplayText><record><rec-number>4</rec-number><foreign-keys><key app="EN" db-id="9ztwdxst2a55f2ep9ztvww0q2xzf20tesp0e">4</key></foreign-keys><ref-type name="Thesis">32</ref-type><contributors><authors><author>CHRISTOPH WIDAUER</author></authors></contributors><titles><title>Ab Initio Study of Neutral and Cationic Double Bond Sys--s Containing Group 15 Elements</title></titles><volume>Doctor of Natural Sciences</volume><dates><year>2000</year></dates><publisher>Dipl. Chem. ETH</publisher><urls></urls></record></Cite></EndNote>[8].
جدول 2-1 : طول پیوند و زاوایای پیوندی چندین نمونه بررسی شده از دیفسفن ADDIN EN.CITE <EndNote><Cite><Author>Power</Author><Year>1999</Year><RecNum>12</RecNum><DisplayText>[9]</DisplayText><record><rec-number>12</rec-number><foreign-keys><key app="EN" db-id="9ztwdxst2a55f2ep9ztvww0q2xzf20tesp0e">12</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Philip P. Power</author></authors></contributors><titles><title>ð-Bonding and the Lone Pair Effect in Multiple Bonds between Heavier Main Group Elements</title><secondary-title>Chem. Rev.</secondary-title></titles><periodical><full-title>Chem. Rev.</full-title></periodical><pages>3463-3503</pages><volume>99</volume><dates><year>1999</year></dates><urls></urls></record></Cite></EndNote>[9]

جدول 2-2 : طول پیوند و زاوایای پیوندی چندین نمونه بررسی شده از دیآرسن و دیاستیبن ADDIN EN.CITE <EndNote><Cite><Author>Power</Author><Year>1999</Year><RecNum>12</RecNum><DisplayText>[9]</DisplayText><record><rec-number>12</rec-number><foreign-keys><key app="EN" db-id="9ztwdxst2a55f2ep9ztvww0q2xzf20tesp0e">12</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Philip P. Power</author></authors></contributors><titles><title>ð-Bonding and the Lone Pair Effect in Multiple Bonds between Heavier Main Group Elements</title><secondary-title>Chem. Rev.</secondary-title></titles><periodical><full-title>Chem. Rev.</full-title></periodical><pages>3463-3503</pages><volume>99</volume><dates><year>1999</year></dates><urls></urls></record></Cite><Cite><Author>Power</Author><Year>1999</Year><RecNum>12</RecNum><record><rec-number>12</rec-number><foreign-keys><key app="EN" db-id="9ztwdxst2a55f2ep9ztvww0q2xzf20tesp0e">12</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Philip P. Power</author></authors></contributors><titles><title>ð-Bonding and the Lone Pair Effect in Multiple Bonds between Heavier Main Group Elements</title><secondary-title>Chem. Rev.</secondary-title></titles><periodical><full-title>Chem. Rev.</full-title></periodical><pages>3463-3503</pages><volume>99</volume><dates><year>1999</year></dates><urls></urls></record></Cite></EndNote>[9]

2-3- ترکیبات اولیه
اولین کارهای تئوری انجام شده بر روی دیفسفن HP=PH توسط ایتو و ناگاسه در سال 1986 ارائه شد. ناگاسه و همکارانش در سال 1990، محاسبات بر روی (HX=XH (X = P As, Sb, Bi را انجام دادند ADDIN EN.CITE <EndNote><Cite><Author>WIDAUER</Author><Year>2000</Year><RecNum>4</RecNum><DisplayText>[8]</DisplayText><record><rec-number>4</rec-number><foreign-keys><key app="EN" db-id="9ztwdxst2a55f2ep9ztvww0q2xzf20tesp0e">4</key></foreign-keys><ref-type name="Thesis">32</ref-type><contributors><authors><author>CHRISTOPH WIDAUER</author></authors></contributors><titles><title>Ab Initio Study of Neutral and Cationic Double Bond Sys--s Containing Group 15 Elements</title></titles><volume>Doctor of Natural Sciences</volume><dates><year>2000</year></dates><publisher>Dipl. Chem. ETH</publisher><urls></urls></record></Cite></EndNote>[8]. [WIDAUER, 2000 #4]
ترکیبات مختلف بررسی شده در شکل 2-2 ارائه شده است، چند نمونه از دادههای مربوطه نیز درجداول زیر آمده است.

شکل 2-2 : سیستم HX=XH دارای پیوند دوگانه با تقارن C2h ( (X = P As, Sb, Bi
جدول 2-3 : انرژیهای کل و نسبی سیستمهای HX=XH ( (X = P As, Sb, Bi

جدول 2-4 : پارامترهای ساختاری(طول پیوند دوگانه X=X برحسب آنگستروم و زاویه HXX برحسب درجه) برای سیستمهای HX=XH( (X = P As, Sb, Bi

جدول 2-5 :مقایسه طول پیوند تعادلی (Re) برحسب آنگستروم و زاویه فلپ (Φx) برحسب درجه
برای سیستمهای HX=XHدر این روش با سایر روشها و کارهای تجربی
( (X = P As, Sb, Bi

محاسبه انرژی کل و نسبی، پارامترهای ساختاری و مقایسه طول پیوند تعادلی و زاویه برای تمام گونهها در جداول ارائه شده است. کارهای تئوری قبلی نشان دادند که فرم ترانس ازHX=XH پایداترین فرم از تمام گونههای X = N, P, As, Sb است. ایتو و ناگاسه در سال 1986، جانسون و همکارانش در سال1987 محاسبات درباره ایزومرهای مختلف از N2Hو همچنین ناگاسه و همکارانش در سال 1990، اسشولرو همکارانش در سال 1997 محاسبات مربوط به ترکیبات HX=XH با X = P, As,Sb, Bi را انجام دادند ADDIN EN.CITE <EndNote><Cite><Author>WIDAUER</Author><Year>2000</Year><RecNum>4</RecNum><DisplayText>[8]</DisplayText><record><rec-number>4</rec-number><foreign-keys><key app="EN" db-id="9ztwdxst2a55f2ep9ztvww0q2xzf20tesp0e">4</key></foreign-keys><ref-type name="Thesis">32</ref-type><contributors><authors><author>CHRISTOPH WIDAUER</author></authors></contributors><titles><title>Ab Initio Study of Neutral and Cationic Double Bond Sys--s Containing Group 15 Elements</title></titles><volume>Doctor of Natural Sciences</volume><dates><year>2000</year></dates><publisher>Dipl. Chem. ETH</publisher><urls></urls></record></Cite></EndNote>[8].
2-4-مطالعات گذشته :
در سال 2012 گورگی و همکارانش پلیمرهای حاوی آزوبنزن را سنتز و رفتار ایزومریزاسیون وابسته به جانشینیی آنها را بررسی کردند. آنها گفتند که برای آزوبنزن، حداکثر جذب قوی انتقال *π-π در350 نانومتر نهفته است و جذب ضعیفتر انتقال *π-n را میتوان حدود 450 نانومتر یافت(در محلول(THF.  نوار پرانرژی انتقال *σ-σ ، در 230 نانومتر است. ترانس آزوبنزن مسطح دارای ممان دو قطبی نزدیک به صفر است. ایزومر ترانس را میتوان با تابش به ایزومر سیس غیر مسطح مربوطه تبدیل کرد. در اینجا حلقههای فنیل بنا به دلایل فضایی خارج از سطح پیچ خوردهاند، بنابراین تا حدودی سیستم کانژوگه را از بین بردهاند.  از این رو، جذب در 320 نانومتر را شدیداً کاهش میدهد در حالی که در 450 نانومتر به میزان قابل توجهی افزایش میدهد. علاوه بر این، در ایزومر سیس ممان دو قطبی را از 0 تا 3 دبی افزایش میدهد. پس از تابش با نور UV به ایزومر ترانس، ایزومریزاسیون پیوند دوگانه صورت میگیرد و پیکربندی از ترانس به سیس تغییرمیکند ADDIN EN.CITE <EndNote><Cite><Author>Ulrike Georgi</Author><Year>2012</Year><RecNum>7</RecNum><DisplayText>[10]</DisplayText><record><rec-number>7</rec-number><foreign-keys><key app="EN" db-id="9ztwdxst2a55f2ep9ztvww0q2xzf20tesp0e">7</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Ulrike Georgi, Philipp Reichenbach , Ulrich Oertel, Lukas M. Eng , Brigitte Voit</author></authors></contributors><titles><title>Synthesis of azobenzene-containing polymers and investigation of their substituent-dependent isomerisation behaviour</title><secondary-title>Reactive &amp; Functional Polymers </secondary-title></titles><periodical><full-title>Reactive &amp; Functional Polymers</full-title></periodical><pages>242-251</pages><volume>72</volume><section>242</section><dates><year>2012</year></dates><urls></urls></record></Cite></EndNote>[10].

شکل 2-3 : ایزومریزاسیون سیس-ترانس آزوبنزن
نسبت ایزومرهای سیس و ترانس وابسته به میزان واکنش ایزومریزاسیون مختلف، در شدت نور، در بازده کوانتومی فتوشیمیایی ایزومریزاسیون سیس - ترانس و ترانس - سیس و همچنین ضریب جذب از ایزومرهای مربوطه در طول موج تابش است. میزان واکنشهای حرارتی به نوبه خود وابسته به مکانیسم ایزومریزاسیون که میتواند صورت بگیرد با وارونه شدن یکی از نیتروژنهای مرکزی از گروه آزو که منجر میشود به دوباره هیبرید شدن یکی از اتمهای نیتروژن از حالت هیبرید sp2 به حالت هیبرید sp ، و یا از طریق یک مکانیزم چرخش که به شدت مورد علاقه مشتقاتی با ممان دو قطبی قوی است. شکل(2-3) را ببنید. ظاهر این مکانیسمهای متفاوت، به شدت وابسته به قطبیت مولکول و محیط اطراف هستند ADDIN EN.CITE <EndNote><Cite><Author>Ulrike Georgi</Author><Year>2012</Year><RecNum>7</RecNum><DisplayText>[10]</DisplayText><record><rec-number>7</rec-number><foreign-keys><key app="EN" db-id="9ztwdxst2a55f2ep9ztvww0q2xzf20tesp0e">7</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Ulrike Georgi, Philipp Reichenbach , Ulrich Oertel, Lukas M. Eng , Brigitte Voit</author></authors></contributors><titles><title>Synthesis of azobenzene-containing polymers and investigation of their substituent-dependent isomerisation behaviour</title><secondary-title>Reactive &amp; Functional Polymers </secondary-title></titles><periodical><full-title>Reactive &amp; Functional Polymers</full-title></periodical><pages>242-251</pages><volume>72</volume><section>242</section><dates><year>2012</year></dates><urls></urls></record></Cite></EndNote>[10].

شکل 2-4 : شماتیک حالات انتقالات برای ایزومریزاسیون حرارتی سیس-ترانس آزوبنزن
در سال 2008، یوان و همکارانش یک مطالعه دینامیک نیمه کلاسیک برروی فتوایزومریزاسیون ترانس- سیس آزوبنزن انجام دادند ADDIN EN.CITE <EndNote><Cite><Author>Shuai Yuan</Author><Year>2008</Year><RecNum>8</RecNum><DisplayText>[11]</DisplayText><record><rec-number>8</rec-number><foreign-keys><key app="EN" db-id="9ztwdxst2a55f2ep9ztvww0q2xzf20tesp0e">8</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Shuai Yuan, Wei Feng Wu, Yusheng Dou, Jian She Zhao</author></authors></contributors><titles><title>Trans–cis photoisomerization of azobenzene by excitation: A semiclassical dynamics study</title><secondary-title>Chinese Chemical Letters</secondary-title></titles><periodical><full-title>Chinese Chemical Letters</full-title></periodical><pages>1379-1382</pages><volume>19</volume><section>1379</section><dates><year>2008</year></dates><urls></urls></record></Cite></EndNote>[11].
در مطالعه دینامیک شبیهسازی شده، گزارش شد که تشکیل ایزومر سیس به پیروی از حرکت چرخشی در اطراف پیوند N=N است ]11[.

شکل 2-5 : واریانس انرژی (a) و جمعیت الکترونی (b) مربوط به اوربتالهای HOMO و LUMO نسبت به زمان

شکل 2-6 : واریانس زوایای پیچشی CNNC(a) و زوایای پیوندی CNN (b) نسبت به زمان
در سال 1958 زیمرمن و همکارانش طیف آزوبنزن را ارائه دادند. همانطور که میتوان در شکل 2-7 دید ، ایزومر ترانس آزوبنزن یک جذب قوی در 318 نانومتر و یک جذب ضعیف در 432 نانومتر را نشان میدهد. ایزومر سیس دارای دو باند جذب است، یک جذب قوی در 260 نانومتر و یک جذب ضعیف در 440 نانومتر است. همپوشانی آشکار در جذب این دو ایزومر وجود دارد ADDIN EN.CITE <EndNote><Cite><Author>Zimmerman.G</Author><Year>1958</Year><RecNum>20</RecNum><DisplayText>[12]</DisplayText><record><rec-number>20</rec-number><foreign-keys><key app="EN" db-id="9ztwdxst2a55f2ep9ztvww0q2xzf20tesp0e">20</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Zimmerman.G , Chow.L , Paik.U </author></authors></contributors><titles><secondary-title>American Chemical Society</secondary-title></titles><periodical><full-title>American Chemical Society</full-title></periodical><pages>3528-3531</pages><volume>80</volume><section>3528</section><dates><year>1958</year></dates><urls></urls></record></Cite></EndNote>[12].

شکل 2-7 : طیف UV/vis آزوبنزن
در سال 2009 سیمپسون و همکارانش محاسباتی درباره ایزومریزاسیون و موانع پیچش فنیل با استفاده (DFT) در سطح نظری B3LYP /6-31 + G ** در ترکیبات Aryl-X=Y- Aryl انجام دادند که در آن X,Y = C, N, P میباشد ADDIN EN.CITE <EndNote><Cite><Author>M. Cather Simpsona</Author><Year>2009</Year><RecNum>2</RecNum><DisplayText>[13]</DisplayText><record><rec-number>2</rec-number><foreign-keys><key app="EN" db-id="9ztwdxst2a55f2ep9ztvww0q2xzf20tesp0e">2</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>M. Cather Simpsona,</author><author>John L. Paytonb,</author></authors></contributors><titles><title>Twisting Fate: Ring Torsions and Photochemistry in Aryl-X=Y-Aryl Sys--s (X,Y = P, C, N)</title><secondary-title>Chemistry in New Zealand</secondary-title></titles><pages>12-17</pages><section>12</section><dates><year>2009</year></dates><urls></urls></record></Cite></EndNote>[13].

شکل2-8 : E(E-Z) Δ و موانع چرخش در پیچش پیوند دوگانه X=Y محاسبه شده در سطح نظری **B3LYP/6-31+G
X,Y = C, N, P
سیمپسون و همکارانش دریافتند که ایزومر ترانس دارای انرژی ساختار پایینتر برای هر چهار مولکول مورد مطالعه است، بنابراین پایدارترین ایزومر است. پیکربندی ترانس1و2-دیفنیل دیآزن دارای تقارن C2h است. مولکولهای Aryl-X=Y=Aryl ، حاوی فسفر مسطح نیستند. حلقه فنیل متصل به اتم فسفر بین 30 و 35 درجه برای 1و2-دیفنیل دیفسفن میچرخد. برای ایزومر ترانس- و سیس-1و2-دیفنیل دیآزن مقدار Eبه ترتیب برابر با 15.8 و 48.2 کیلو کالری بر مول است و برای ایزومر ترانس- و سیس- 1و2-دیفنیل دیفسفن مقدار Eبه ترتیب برابر با 5.5 و 38.7 کیلو کالری بر مول است. موانع چرخش در مورد پیوند دوگانه میتواند بوسیله استحکام پیوند π ، تعیین شود.. شکل 2-8 نشان میدهد که ضعیفترین پیوند π در مولکول P = P یافت میشود ADDIN EN.CITE <EndNote><Cite><Author>M. Cather Simpsona</Author><Year>2009</Year><RecNum>2</RecNum><DisplayText>[13]</DisplayText><record><rec-number>2</rec-number><foreign-keys><key app="EN" db-id="9ztwdxst2a55f2ep9ztvww0q2xzf20tesp0e">2</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>M. Cather Simpsona,</author><author>John L. Paytonb,</author></authors></contributors><titles><title>Twisting Fate: Ring Torsions and Photochemistry in Aryl-X=Y-Aryl Sys--s (X,Y = P, C, N)</title><secondary-title>Chemistry in New Zealand</secondary-title></titles><pages>12-17</pages><section>12</section><dates><year>2009</year></dates><urls></urls></record></Cite></EndNote>[13].
میزان ایزومریزاسیون حرارتی برای چند دیفسفن مشابه به صورت زیر مشاهده شده است که :
)Z → E: ∆G‡ ~20 kcal/mol at 0 °C∆ ، H‡ = 5/29 ± 4/1 kcal/mol and ∆S‡ = 38 6± cal/mol K (
آنتروپی فعالسازی نسبتاً بزرگ ممکن است به علت ازدحام فضایی باشد که توسط ایزومریزاسیون، رها میشود ADDIN EN.CITE <EndNote><Cite><Author>M. Cather Simpsona</Author><Year>2009</Year><RecNum>2</RecNum><DisplayText>[13]</DisplayText><record><rec-number>2</rec-number><foreign-keys><key app="EN" db-id="9ztwdxst2a55f2ep9ztvww0q2xzf20tesp0e">2</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>M. Cather Simpsona,</author><author>John L. Paytonb,</author></authors></contributors><titles><title>Twisting Fate: Ring Torsions and Photochemistry in Aryl-X=Y-Aryl Sys--s (X,Y = P, C, N)</title><secondary-title>Chemistry in New Zealand</secondary-title></titles><pages>12-17</pages><section>12</section><dates><year>2009</year></dates><urls></urls></record></Cite></EndNote>[13].
پیکربندی ترانس 1و2-دیفنیل دیآزن دارای تقارن C2h است. مولکولهای حاوی فسفر مسطح نیستند. حلقه فنیل متصل به اتم فسفر بین 30 و 35 درجه برای 1و2-دیفنیل دیفسفن میچرخد. انرژی ساختاری پایین این مولکولها تعادل بین مولکولی بین سیستم π کانژوگه در سراسر مولکول را منعکس میکند که همواره به سوی مسطح بودن مولکولی است، و ممانعت فضایی، پیکربندی غیر مسطح را القا میکند. این ممانعت فضایی به علت زاویه کوچک لیگاند بیشتر تشدید میشود، که در نتیجه اثر کمتر هیبریداسیون sp2  در عناصر سنگین گروه اصلی میباشد. زاویه معادل در 1و2-دیفنیل دیآزن بسیار نزدیک به 120 درجه است. انرژی در 90 τ = ، که در آن حلقه فنیل به پیوند مرکزی X = Y متعامد است، نشان میدهد که کانژوگه در سراسر مولکول و نیز برای مولکول حاوی فسفر کاهش مییابد. در دیفسفن تجربی مشخص شد، که استفاده از گروه بزرگ برای حفاظت از واکنش پذیری پیوند دوگانه منجر میشود به طیف گسترده ای از زاویه پیچش فنیل، که اکثر آنها زوایا بیشتر از 45 درجه دارند. پیکربندی الکترونی یکسان نیتروژن و فسفر نشان میدهد که ایزومریزاسیون در دیفسفن به احتمال زیاد آیینه آزوبنزن است ADDIN EN.CITE <EndNote><Cite><Author>M. Cather Simpsona</Author><Year>2009</Year><RecNum>2</RecNum><DisplayText>[13]</DisplayText><record><rec-number>2</rec-number><foreign-keys><key app="EN" db-id="9ztwdxst2a55f2ep9ztvww0q2xzf20tesp0e">2</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>M. Cather Simpsona,</author><author>John L. Paytonb,</author></authors></contributors><titles><title>Twisting Fate: Ring Torsions and Photochemistry in Aryl-X=Y-Aryl Sys--s (X,Y = P, C, N)</title><secondary-title>Chemistry in New Zealand</secondary-title></titles><pages>12-17</pages><section>12</section><dates><year>2009</year></dates><urls></urls></record></Cite></EndNote>[13].
در سال 2009 پنگ و همکارانش برای محاسبه سطوح انرژی پتانسیل با بهینهسازی ترکیب 1و2-دیفنیل دیفسفن، در سطح نظری نسبتاً بالای ((B3LYP/6–31+G(d,p) یک پروژه - ریسرچارائه دادند. DFT و TDDFT را برای ترکیب 1و2-دیفنیل دیفسفن به همراه مختصات کامل، در زاویای مختلف از پیچش فنیل بکار گرفتند ADDIN EN.CITE <EndNote><Cite><Author>Huo-Lei Peng</Author><Year>2009</Year><RecNum>13</RecNum><DisplayText>[14]</DisplayText><record><rec-number>13</rec-number><foreign-keys><key app="EN" db-id="9ztwdxst2a55f2ep9ztvww0q2xzf20tesp0e">13</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Huo-Lei Peng, John L. Payton, John D. Protasiewicz, M. C. Simpson</author></authors></contributors><titles><title>Twisting the Phenyls in Aryl Diphosphenes (Ar-P=P-Ar). Significant Impact upon Lowest Energy Excited States</title><secondary-title>J Phys Chem A.</secondary-title></titles><periodical><full-title>J Phys Chem A.</full-title></periodical><pages>7054-7063</pages><volume>133</volume><number>25</number><dates><year>2009</year></dates><urls></urls></record></Cite></EndNote>[14]. دیفسفنها به طور معمول دو جذب بزرگ UV/vis نشان میدهند، که هر دو عمدتاً به گروه P=P اختصاص داده میشود.

شکل 2-9 : پارامترهای مهم هندسی ترانس-دیفنیل دیفسفن ((Ph-P=P-Ph در سطح ( B3LYP/6–311+G(2df,2p بهینهسازی شدهاند. مقایسه ساختارهای Mes P=P-Mes* * و Dmp-P=P-Dmp نیز فراهم شده است τ1 زاویه پیچش 3-2-1-1) ) وτ2 زاویه پیچش 3'-2'-1'-1) ) زوایای پیچش فنیل نسبت به پیوند تقریبا مسطحP = P هستند (زاویه پیچش در 2-1-1'-2' = τPP). Rpp طول پیوند P=P است ADDIN EN.CITE <EndNote><Cite><Author>Huo-Lei Peng</Author><Year>2009</Year><RecNum>13</RecNum><DisplayText>[14]</DisplayText><record><rec-number>13</rec-number><foreign-keys><key app="EN" db-id="9ztwdxst2a55f2ep9ztvww0q2xzf20tesp0e">13</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Huo-Lei Peng, John L. Payton, John D. Protasiewicz, M. C. Simpson</author></authors></contributors><titles><title>Twisting the Phenyls in Aryl Diphosphenes (Ar-P=P-Ar). Significant Impact upon Lowest Energy Excited States</title><secondary-title>J Phys Chem A.</secondary-title></titles><periodical><full-title>J Phys Chem A.</full-title></periodical><pages>7054-7063</pages><volume>133</volume><number>25</number><dates><year>2009</year></dates><urls></urls></record></Cite></EndNote>[14].
در سال 2001 گیلوزو وهمکارانش ساختار الکترونی از مشتقات دیفسفن و دیآرسن را بررسی کردند. در جدول2-6 نتایج بعضی پارامترها آمده است ADDIN EN.CITE <EndNote><Cite><Author>karinne miqueu</Author><Year>2001</Year><RecNum>21</RecNum><DisplayText>[15]</DisplayText><record><rec-number>21</rec-number><foreign-keys><key app="EN" db-id="9ztwdxst2a55f2ep9ztvww0q2xzf20tesp0e">21</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>karinne miqueu , jean-marc sotiropoulos , genevieve guillouzo . et.all</author></authors></contributors><titles><title>The electronic nature of the -Pn=Pn- derivatives (Pn=P/As)</title><secondary-title>journal of Molecular Structure</secondary-title></titles><periodical><full-title>Journal of Molecular Structure</full-title></periodical><pages>139-146</pages><volume>545</volume><section>139</section><dates><year>2001</year></dates><urls></urls></record></Cite></EndNote>[15].
جدول2-6 : محاسبه پارامترهای ساختاری برای دیفسفن و دیآرسن های مختلف در سطح نظری B3LYP/6–311+G(d,p)

استپانیک و دیگر همکارانش ساختار و طیف ارتعاشی سیس و ترانس آزوبنزن را در سال 2001 بررسی کردند ADDIN EN.CITE <EndNote><Cite><Author>V.Stepanic</Author><Year>2001</Year><RecNum>19</RecNum><DisplayText>[16]</DisplayText><record><rec-number>19</rec-number><foreign-keys><key app="EN" db-id="9ztwdxst2a55f2ep9ztvww0q2xzf20tesp0e">19</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>V.Stepanic , G. Baranovic , V.Smrecki</author></authors></contributors><titles><secondary-title>Journal of Molecular Structure</secondary-title></titles><periodical><full-title>Journal of Molecular Structure</full-title></periodical><pages>89-109</pages><volume>569</volume><number>569</number><section>89</section><dates><year>2001</year></dates><urls></urls></record></Cite></EndNote>[16].
جدول2-7 : پارامترهای ساختاری و ممان دوقطبی برای ترانس و سیس آزوبنزن در سطح نظری B3LYP/6–311+G(d,p)

شکل2-10 و جداول 2-8 و2-9 با استفاده از محاسبات کوانتومی آغازین روش CASSCF) ) توسط آماتاتسو در سال 2009 ارائه شد ADDIN EN.CITE <EndNote><Cite><Author>Amatatsu</Author><Year>2009</Year><RecNum>15</RecNum><DisplayText>[17]</DisplayText><record><rec-number>15</rec-number><foreign-keys><key app="EN" db-id="9ztwdxst2a55f2ep9ztvww0q2xzf20tesp0e">15</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Yoshiaki Amatatsu</author></authors></contributors><titles><title>Potential Energy Surfaces for the S1 S0 Relaxation of trans-Diphenyldiphosphene in the P=P Rotation-Restricted Condition</title><secondary-title>J. Phys. Chem. A</secondary-title></titles><periodical><full-title>J. Phys. Chem. A</full-title></periodical><pages>9667-9674</pages><volume>113</volume><section>9667</section><dates><year>2009</year></dates><urls></urls></record></Cite></EndNote>[17].

شکل2-10 : شماره گذاری اتمها و نمادهای زاویه پیوند، طول پیوند و زاویه پیچشی برای دیفنیل دیفسفن
جدول2-8 : پارامترهای مهم ساختاری بهینه شده دیفنیل دیفسفن در سطح نظری CASSCF) )

جدول2-9 : پارامترهای مهم ساختاری بهینه شده دیفنیل دیآزن در سطح نظری CASSCF) )

مطالعات خوبی درباره ایزومریزاسیون آزوبنزن توسط وانگ و همکارانش در سال 2009 انجام شد. آنها با استفاده از محاسبات مکانیک کوانتومی آغازین روش CASSCF دریافتند که ترانس آزوبنزن با تقارن C2h نسبت به سیس آزوبنزن با تقارن C2 دارای انرژی پایینتری است( 16.2 کیلوکالری بر مول). در جدول 2-10 میتوانید پارامترهای ساختاری برای RE=ER بهینه شده در سطح نظری B3LYP/6-31G(d)) ) را مشاهده کنید ADDIN EN.CITE <EndNote><Cite><Author>Luoxin Wang</Author><Year>2009</Year><RecNum>14</RecNum><DisplayText>[18]</DisplayText><record><rec-number>14</rec-number><foreign-keys><key app="EN" db-id="9ztwdxst2a55f2ep9ztvww0q2xzf20tesp0e">14</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Luoxin Wang, Weilin Xu , Changhai Yi, Xiaogong Wang </author></authors></contributors><titles><title>Isomerization and electronic relaxation of azobenzene after being excited to higher electronic states</title><secondary-title>Journal of Molecular Graphics and Modelling</secondary-title></titles><periodical><full-title>Journal of Molecular Graphics and Modelling</full-title></periodical><pages>792-796</pages><volume>27</volume><section>792</section><dates><year>2009</year></dates><urls></urls></record></Cite></EndNote>[18].
جدول2-10 : پارامترهای ساختاری بهینه شده برای RE=ER محاسبه شده در سطح نظری B3LYP/6-31G(d)) )

شکل زیر هم تصویری از پارامترهای ساختاری آزوبنزن است که در سال 2009 توسط وانگ و همکارانش ارائه شد ADDIN EN.CITE <EndNote><Cite><Author>Luoxin Wang</Author><Year>2009</Year><RecNum>14</RecNum><DisplayText>[18]</DisplayText><record><rec-number>14</rec-number><foreign-keys><key app="EN" db-id="9ztwdxst2a55f2ep9ztvww0q2xzf20tesp0e">14</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Luoxin Wang, Weilin Xu , Changhai Yi, Xiaogong Wang </author></authors></contributors><titles><title>Isomerization and electronic relaxation of azobenzene after being excited to higher electronic states</title><secondary-title>Journal of Molecular Graphics and Modelling</secondary-title></titles><periodical><full-title>Journal of Molecular Graphics and Modelling</full-title></periodical><pages>792-796</pages><volume>27</volume><section>792</section><dates><year>2009</year></dates><urls></urls></record></Cite></EndNote>[18].

شکل2-11 : زاویه و طول پیوند در ترانس و سیس آزوبنزن
در سال 2010 چن و سو سطوح انرژی پتانسیل واکنش حلقهزایی، مولکولهای گروه 15 Ph-E = E-Ph به 2- بورا فرروسنوفان را با استفاده از نظریه تابعی چگالی (B3LYP/LANL2DZ) مورد مطالعه قرار دادند ADDIN EN.CITE <EndNote><Cite><Author>Jian-Yi Chen</Author><Year>2010</Year><RecNum>16</RecNum><DisplayText>[19]</DisplayText><record><rec-number>16</rec-number><foreign-keys><key app="EN" db-id="9ztwdxst2a55f2ep9ztvww0q2xzf20tesp0e">16</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Jian-Yi Chen , Ming-Der Su</author></authors></contributors><titles><title>Diboration of the EdE Double Bond by [2] Metallocenophanes (E=N, P, As, Sb, and Bi): A Theoretical Study</title><secondary-title>Organometallics</secondary-title></titles><periodical><full-title>Organometallics</full-title></periodical><pages>5812-5820</pages><volume>29</volume><section>5812</section><dates><year>2010</year></dates><urls></urls></record></Cite></EndNote>[19]. پارامترهای هندسی کلیدی Ph-E = E-Ph برای هر دو حالت یکتایی و سه تایی به ترتیب در شکل 2-12 و 2-13 آورده شده است. علاوه بر این، محاسبه خواص فیزیکی مولکول Ph-E = E-Ph برای مقایسه با برخی از دادههای تجربی در جدول 2-11 داده شده است.

شکل 2-12 : پارامترهای ساختاری برای فرم ترانس مولکول Ph-E = E-Ph

شکل 2-13 : پارامترهای ساختاری برای فرم ترانس مولکول Ph-E = E-Ph
توافق خوبی بین نتایج محاسباتی بدست آمده این دانشمندان و دادههای تجربی وجود دارد که نشان دهنده قابل اعتماد بودن روش و نتایج است. نکته مهم اینکه ساختار ترانس همیشه ثابت شده که نسبت به ساختار سیس پایدارتر است ADDIN EN.CITE <EndNote><Cite><Author>Jian-Yi Chen</Author><Year>2010</Year><RecNum>16</RecNum><DisplayText>[19]</DisplayText><record><rec-number>16</rec-number><foreign-keys><key app="EN" db-id="9ztwdxst2a55f2ep9ztvww0q2xzf20tesp0e">16</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Jian-Yi Chen , Ming-Der Su</author></authors></contributors><titles><title>Diboration of the EdE Double Bond by [2] Metallocenophanes (E=N, P, As, Sb, and Bi): A Theoretical Study</title><secondary-title>Organometallics</secondary-title></titles><periodical><full-title>Organometallics</full-title></periodical><pages>5812-5820</pages><volume>29</volume><section>5812</section><dates><year>2010</year></dates><urls></urls></record></Cite></EndNote>[19].
جدول 2-11 : خواص فیریکی از جمله انرژی تفکیک پیوند، انرژی تبدیل ترانس به سیس و مقادیر طول پیوند دوگانه تجربی برای مولکول Ph-E = E-Ph

2-5 نتیجه
آنچنان که مشاهده شد، مطالعات متعدد محاسباتی درباره ترکیبات مورد نظر ما یا مشتقات مختلف دیگر از این ترکیبات گزارش شده است اما هنوز یک تصویر مناسب با استفاده ازروشهای مکانیک کوانتومی آغازین در سطح نظری B3LYP/ Def2-TZVPP و تحلیل NBO که مولکول Ph-E = E-Ph حاوی اتمهای نیتروژن، فسفر، آرسنیک و آنتیموان را بررسی نماید نشان داده نشده است. اطلاعات تجربی در مورد ایزومریزاسیون ترکیبات مورد نظر منتشر شده اما دادههای تجربی یا نظری در مورد اثرات عدم استقرار و برهمکنش دوقطبی-دوقطبی برروی خواص پیکربندی ترکیبات ما منتشر نشده است. بررسی دقیق این پژوهش، درک بهتری از تاثیر اثرات مختلفی همچون اثرات استریوالکترونی، اثرات الکترواستاتیک و اثرات فضایی در تعیین پایداری گونههای مورد نظر بالا، که تاکنون ارائه نشده است، را فراهم میکند. در اینجا، ما یک بررسی کامل برای تعیین پایداری گونههای Ph-E = E-Ph حاوی اتمهای نیتروژن، فسفر، آرسنیک و آنتیموان را گزارش میکنیم. این مطالعه میتواند نشان دهنده اطلاعات بسیار مفیدی باشد که ضمن تایید، گسترش میدهد آنچه را که درباره پایداری مولکولهای موردنظر شناخته شده است و همچنین کمک میکند تا زمینهای برای مطالعات آینده ایجاد شود.
فصل سوم
محاسبات شیمیایی
3-1- مقدمه :
در اواخر قرن هفدهم، ایساک نیوتن موفق شد مکانیک کلاسیک و قوانین حرکت اجسام ماکروسکوپی را کشف کند. در اوایل قرن بیستم فیزیکدان‌ها دریافتند که مکانیک کلاسیک از توجیه صحیح رفتار ذرات خیلی کوچک، نظیر الکترون‌ها و هستۀ اتم‌ها و مولکول‌ها عاجز است و معلوم شد که رفتار چنین ذراتی توسط مجموعه‌ای از قوانین به نام مکانیک کوانتومی توصیف می‌شود ADDIN EN.CITE <EndNote><Cite><Author>L. N. Levine</Author><Year>1991</Year><RecNum>30</RecNum><DisplayText>[20]</DisplayText><record><rec-number>30</rec-number><foreign-keys><key app="EN" db-id="9ztwdxst2a55f2ep9ztvww0q2xzf20tesp0e">30</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author><style face="normal" font="default" size="11">L. N. Levine,</style></author></authors></contributors><titles><title><style face="italic" font="default" size="11">QuantumChemistry</style></title><secondary-title><style face="normal" font="default" size="11">Prentice, Hall</style></secondary-title></titles><periodical><full-title>Prentice, Hall</full-title></periodical><dates><year><style face="normal" font="default" size="11">1991</style></year></dates><urls></urls></record></Cite></EndNote>[20].
شیمی کوانتومی دانش کاربرد مکانیک کوانتومی در مسایل مربوط به شیمی است. اثر شیمی کوانتومی در تمام شاخه‌های وابسته به شیمی قابل لمس است. مثلاً دانشمندان شیمی فیزیک، مکانیک کوانتومی را به کمک مکانیک آماری در محاسبات مربوط به خواص ترمودینامیکی (مانند آنتروپی و ظرفیت حرارتی گازها)، در تفسیر طیف‌های مولکولی به منظور تأئید تجربی خواص مولکولی (مانند طول‌ها و زوایای پیوندی، گشتاورهای دوقطبی، سدهای مربوط به دوران داخلی، تفاوت‌های انرژی بین ایزومرهای همدیس)، در محاسبات نظری خواص مولکولی برای محاسبۀ خواص حالات‌ گذار در واکنش‌های شیمیایی به منظور برآورد ثابت‌های سرعت واکنش، برای فهم نیروهای بین مولکولی و بالاخره برای بررسی‌ ماهیت پیوند در جامدات به کار می‌برند. دانشمندان شیمی آلی از مکانیک کوانتومی برای برآورد پایداری‌های نسبی مولکول‌ها محاسبۀ خواص واسطه‌های واکنش، بررسی سازوکار واکنش‌های شیمیایی، پیش‌بینی میزان ترکیبات و تحلیل طیف‌ها استفاده می‌کنند. دانشمندان شیمی تجزیه، به صورتی گسترده از روش‌های طیف سنجی کمک می‌گیرند. شدت و فرکانس‌های خطوط طیفی، تشابه کمک مکانیک کوانتومی قابل فهم و تفسیر هستند.
دانشمندان شیمی معدنی از نظریه میدان لیگاند که یک روش تقریبی مکانیک کوانتومی است، در توضیح خواص یون‌های مرکب فلزات واسطه سود می‌برند.
3-2-محاسبات شیمیایی
شیمی محاسباتی شاخه‌ای از شیمی نظری است که می‌تواند ساختار، انرژی‌ و دیگر خصوصیات شناخته شده یا نشده مولکول‌ها را پیشگویی کند. برای انجام محاسبات باید از کامپیوترهای رقمی استفاده نمود که سیستم‌های شیمیایی را شبیه‌سازی می‌نمایند. از طرف دیگر تمام روش‌های محاسباتی برای مطالعه‌ی یک مولکول مناسب نمی‌باشد. پس در ابتدا باید یک روش نظری مناسب را برای مطالعۀ یک مولکول انتخاب نمود. در شیمی محاسباتی، سیستم‌هایی که به طور دقیق قابل حل می‌باشند، عبارتند از سیستم‌های تک ذره‌ای یا دو ذره‌ای که سیستم دو ذره‌ای با استفاده از دستگاه مختصات مرکز جرم می‌تواند به دو مسئله تک ذره‌ای تبدیل شود. در مورد سیستم‌های چند ذره‌ای محاسبات ریاضی بسیار پیچیده و طولانی موردنیاز است. قبل از اختراع کامپیوتر، تعداد سیستم‌هایی که با دقت بالا قابل حل بودند، انگشت شمار بود. هم‌اکنون کامپیوتر در بسیاری از شاخه‌های علوم به طور گسترده مورد استفاده قرار می‌گیرد. در نتیجه شاخه‌ای جدید از شیمی به نام شیمی محاسباتی که در آن کامپیوتر به عنوان یک وسیلۀ تجربی مانند طیف نگار NMR، IR مربوط به مسایل شیمیایی است. به طورکلی روش‌های محاسباتی که برای مطالعه مکانیسم واکنش‌ها، پایداری ترمودینامیکی، ساختار و خواص مولکولی، از قبیل انرژی، طول پیوند و زاویه پیوندی به کار ‌رود، شامل دو روش اصلی مکانیک مولکولی (کلاسیک)1 و مکانیک کوانتومی می‌باشد.
3-2-1- روش‌های محاسباتی براساس مکانیک کلاسیکپایه و اساس این محاسبات، روش‌های مکانیک نیوتن است. در این روش‌ها قوانینی مانند قانون هوک مورد استفاده قرار می‌گیرد. از جمله این روش‌ها، روش تجربی میدان نیرو1(EFF) (مکانیک مولکولی نیز نامیده می‌شود) می‌باشد. روش مذکور از الگوی یک مولکول که در آن اتم‌ها توسط پیوندها به هم دیگر متصلند شروع می‌شود. برای برهم‌کنش بین اتم‌های ناپیوندی نیز سهمی منظور می‌شود. این روش‌ها توسط وستهایمر، هندریکسون، وایبرگ، الینر، وارشل و دیگران توسعه یافت.
انرژی الکترونی مولکولی U، به صورت زیر نوشته می‌شود:
(3-1)
که به ترتیب شامل انرژی کشش پیوند، انرژی خمشی پیوند و انرژی برهم‌کنش واندروالس و انرژی پیچشی می‌باشد. در روش MMP2 انرژی کشش پیوند به صورت تابع درجه دومی از تغییر هریک از طول‌های پیوند از طول تعادلی پیش‌بینی شده به صورت تعریف می‌شود:
(3-2)
که در آن ثابت نیرو برای کشش پیوند، i است.
در مورد یک جابجایی جزیی هسته‌ها از مواضع تعادلیشان، U به طور تقریبی یک تابع درجه دومی از است. انرژی خمشی پیوندبه صورت زیر در نظر گرفته می‌شود:
(3-3)
در رابطۀ فوق،، به ترتیب مبین زاویۀ موجود، زاویه تعادلی مورد انتظار و ثابت نیروی خمشی برای زاویۀ پیوندی i است. طول‌ها و زوایای مورد انتظار و عبارت از کمیت‌های انتخاب شده از هندسه‌های تعادلی معین، برای مولکول‌های کوچک آزادند (مثلاً طول‌های نوعی پیوند یگانه کربن- کربن برابر 53/1آنگستروم است). انرژی برهم‌کنش واندروالسی به صورت مجموع برهم‌کنش‌های بین زوج اتم‌های ناپیوندی بیان می‌شود. انرژی برهم‌کنش واندروالس به صورت زیر تعریف می‌شود:
(3-4)
مقدار انرژی واندروالسی به فاصلۀ مابین اتم‌ها بستگی دارد، از رابطۀ فوق زمانی استفاده می‌شود که باشد. در رابطۀ فوق r فاصلۀ مابین اتمی، مجموع شعاع واندروالسی دو اتم را نشان می‌دهد. به عنوان ثابت انرژی برای یک زوج اتم از رابطه
(3-5)
به دست می‌آید. و پارامترهای مربوط به سختی هر اتم می‌باشد. بنابراین برای دو اتم از یک نوع است. زمانی که باشد، معادله مربوط به انرژی واندروالسی به صورت زیر است:
(3-6)
عبارت مربوط به انرژی پیچشی به صورت زیر است:
(3-7)
که در آن ، و سدهای انرژی بوده و زاویۀ پیچش حول پیوند مشخص شده است. لازم به ذکر است که اگر مولکول دارای یک یا چند حلقه کوچک باشد، به منظور دخالت دادن کرنش فضایی حاصل، جملات دیگری اضافه می‌شوند. اگر مولکول دارای گروه‌های قطبی باشد، برای نمایش برهم‌کنش‌های الکتروستاتیکی بین این گروه‌ها، جملاتی اضافه می‌شود.
علاوه بر این‌، در مورد ترکیبات آروماتیکی، اطلاعاتی از قبیل مراتب پیوندهای ناشی از محاسبات مکانیک کوانتومی الکترون نیز شرکت می‌کنند. اگر پیوندهای هیدروژنی درون مولکولی وجود داشته باشد برای آن نیز جملاتی منظور می‌شود. چون تابع انرژی پتانسیلU برای ارتعاش مولکولی تولید می‌شود، لذا می‌توان روش EFF را به منظور محاسبه فرکانس‌های ارتعاشی مولکول به کار برد. توجه داشته باشید که تراز انرژی صفر به صورتی انتخاب می‌شود که با همه طول‌ها و زوایای پیوندی دارای مقادیر متداول و متناظر بوده و در آن برهم‌کنش‌های واندروالس ناپیوندی و یا برهم‌کنش‌های دورانی داخلی مطرح نباشد. در یک چنین حالت فرضی به خوبی می‌توان انرژی مولکولی را به صورت مجموعه‌ای از انرژی‌های پیوند تجربی تقریب کرد. به منظور اعمال روشEFF، داشتن داده‌های کافی برای انتخاب مقادیر پارامترها، ضروری است. از این رو، اغلب کاربردهای روش مزبور، در مورد هیدروکربن‌ها بوده است. مولکول‌های شامل گروه‌های قطبی منزوی نیز به راحتی از این طریق بررسی می‌شوند.
هم چنین با توجه به این که روش مذکور برای حالت پایۀ مولکول‌ها فرمول‌بندی شده‌اند، نمی‌تواند وضعیت‌های هندسی را که شامل فرایند شکستن یا گسستن پیوند می‌باشد را تعیین نماید. با این حال روش مکانیک مولکولی، برای محاسبه پایداری نسبی ساختارهای مولکولی مفید است زیرا محاسبات مربوط به آن مثل محاسبات اوربیتال مولکولی وقت‌گیر نیست و برای مطالعه مولکــول‌های نسبتاً بزرگ آلی مناسب می‌باشد.
تحقیـقات وسیعی در این زمیــنه توسط کولمـن1انجام شـده است که به نام روش AMBER 4.0 معروف است.
3-2-2- روش‌های محاسباتی براساس مکانیک کوانتومی
اساس محاسبات مکانیک کوانتومی نظریه اوربیتال مولکولی می‌باشد که از تقریب اوربیتال مولکولی هارتری فاک11استفاده می‌شود. از میان روش‌های مکانیک کوانتومی می‌توان به معادله موجی شرودینگر22، نمایش برداری دیراک33، جوردان44 و محاسبات ماتریسی هایزنبرگ55و بورن66اشاره کرد.
از میان روش‌های مذکور، نمایش‌برداری دیراک روش گسترش یافته‌تری در مقایسه با روش‌های دیگر است. معادله موجی شرودینگر از میان روش‌های فوق، شناخته شده‌تر می‌باشد. به همین دلیل در اکثر مسایل شیمیایی با حدس هامیلتونی واقعی7و تابع موج واقعی معادله شرودینگر حل می‌شود.
(3-8)
که در آنعملگر هامیلتونی، تابع موج و E انرژی تابع موج است. روش‌های محاسباتی مکانیک کوانتومی گستردگی بسیاری دارد، و شامل روش‌های ساده و پیچیده می‌باشد. از روش‌های محاسباتی ساده می‌توان نظریه هوکل را نام برد، که در آنها الکترون‌های لایه ظرفیت در نظر گرفته می‌شود و از روش‌های پیچیده، روش محاسباتی آغازین را می توان نام برد.
در حد فاصل روش‌های فوق روشهای نیمه تجربی قرار دارند، که هریک از آنها نیز روش‌های مختلفی را در بر می‌گیرند. اما وجه اشتراک تمام این روش‌ها این است که با استفاده از گرادیان انرژی ساختار مولکول را بهینه می‌کنند، یعنی یک مولکول با مناسب‌ترین پیکربندی و کمترین مقدار انرژی به دست می‌آید. علاوه بر این‌ها روش دیگری به نام روش دینامیک مولکولی وجود دارد که با استفاده از معادلات نیوتنی رفتار سیستم‌های فیزیکی را شبیه‌سازی می‌کند.
تفسیر واکنش شیمیایی براساس برهم‌کنش‌های بین اتم‌ها و مولکول‌ها دینامیک شیمیایی نامیده می‌شود. با پیشرفت این علم امیدی در دل شیمیدانان زنده می‌شود، که دیگر مجبور نخواهند بود نظاره‌گر آن باشند که واکنش شیمیایی چه محصولی برای او تولید می‌کند، بلکه می‌توانند به کمک دینامیک مولکولی، واکنش را به سوی تولید محصول دلخواه سوق ‌دهند.
با توجه به مطالب ذکر شده روش‌های محاسبات مکانیک کوانتومی به دو دسته تقسیم‌بندی می‌شود:
روش نیمه تجربی11
روش آغازین22
3-2-2-1- روش‌های نیمه تجربی
اگر در حل معادله شرودینگر به جای برخی انتگرال‌ها جواب آنها را قرار دهیم یا از بعضی از انتگرال‌ها که سهم ناچیزی در جواب معادله دارند صرف نظر کنیم، به این ترتیب تعداد انتگرال‌هایی که باید حل شوند کم شده و زمان لازم برای رسیدن به ساختار بهینه کمتر می‌شود. به این روش که حل معادله‌ی شرودینگر در آن با تقریب حل می‌شود روش‌های نیمه تجربی گویند.
روش‌های نیمه تجربی دو هدف را دنبال می کنند:
اختار حاصل از این محاسبه با روش‌های تجربی یکسان باشد. به این نوع روش‌ها، روش مکتب دوار3گویند.
ممکن است هدف این باشد که ساختار حاصل از این روش به ساختار حاصل از روش آغازین نزدیک باشد. به این روش، روش مکتب پاپل4گویند.
روش‌های نیمه تجربی معرفی شده به صورت زیر هستند:
1- روش اوربیتال مولکولی الکترون آزاد(FEMO)
2- روش اوربیتال مولکولی هوکل(HMO)
3- روش پار، پاپل، پاریزر(PPP) 4- روش گسترش یافته هوکل(EHMO) 5- روش چشم‌پوشی کامل از هم‌پوشی دیفرانسیلی دو اتمی(CNDO)
6- روش چشم‌پوشی متوسط از هم‌پوشی دیفرانسیلی دو اتمی(INDO)
7- INDO عمود شده متقارن(SINDO)
8- روش برهم‌کنش پیکربندی اغتشاشی با استفاده از اوربیتال‌های متمرکز(PCILO)
9- روش چشم‌پوشی از هم‌پوشی دیفرانسیلی دو اتمی (NDDO)
10- روش ابقاء جزئی هم‌پوشانی دیفرانسیلی دو اتمی(PRDDO)
11- روش اصلاح شده چشم‌پوشی متوسط از هم‌پوشانی دیفرانسیلی(MINDD)
12- روش اصلاح شده چشم‌پوشی از هم‌پوشانی دیفرانسیلی دو اتمی(MINDO)
13- روش تصحیح شده (AM1) MNDO
14- روش تصحیح شده (PM3) AM1
3-2-2-2 -روش‌های مکانیک کوانتومی آغازین
از این روش برای بررسی مولکول‌های کوچک استفاده می‌شود که یکی از معتبرترین روش‌های موجود می‌باشد که در آن تعداد بسیار محدودی تقریب استفاده شده است. این روش نسبت به روش‌های دیگر از ویژگی خاصی برخوردار است و آن این است که پیش‌بینی‌های آن براساس اصول اولیه کوانتومی نظیر ثابت‌های اساسی، سرعت نور، بار الکترون و ثابت پلانک بیان شده است.در این روش با حل معادله شرودینگر به انتگرال‌های روتان12می‌رسیم (روتان اولین کسی بود که به جای اوربیتال‌ها استفاده از توابع پایه را بنا نهاده است)، اگر تمام این انتگرال‌های چند الکترونی- چندمرکزی را حل کرده و بدون هیچ نوع دستکاری و تقریب به جواب برسیم، با (Ab initio) عمل کرده‌ایم.
در این روش از عملگر هامیلتونی استفاده می‌شود ADDIN EN.CITE <EndNote><Cite><Author>L. N. Levine</Author><Year>1991</Year><RecNum>30</RecNum><DisplayText>[20]</DisplayText><record><rec-number>30</rec-number><foreign-keys><key app="EN" db-id="9ztwdxst2a55f2ep9ztvww0q2xzf20tesp0e">30</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author><style face="normal" font="default" size="11">L. N. Levine,</style></author></authors></contributors><titles><title><style face="italic" font="default" size="11">QuantumChemistry</style></title><secondary-title><style face="normal" font="default" size="11">Prentice, Hall</style></secondary-title></titles><periodical><full-title>Prentice, Hall</full-title></periodical><dates><year><style face="normal" font="default" size="11">1991</style></year></dates><urls></urls></record></Cite></EndNote>[20] .عبارت Ab initio بیانگر روش پیچیده برای حل اوربیتال‌های مولکولی بر مبنای اصول اولیه می‌باشد. در روش آغازین انتگرال‌ها را پارامتر ثابت در نظر نمی‌گیرند و باید حل شوند که این امر امکان‌پذیر نمی‌باشند. در این روش با اینکه فرضیات ساده‌ای در نظر گرفته می‌شود، اما به جواب‌های دقیق می‌توان دست یافت و با توجه به اینکه به زمان محاسباتی زیادی نیاز دارد، بیشتر برای مولکول‌های کوچک به کار می‌رود.
(3-9)
مشخصه هسته i و j مشخصه الکترون می‌باشد.
روش‌های آغازین در میان دیگر روش‌ها از اهمیت ویژه‌ای برخوردارند. تعیین توابع موج الکترونی دقیق برای مولکول‌ها کار دشواری است. با روش‌های آغازین می‌توان الگوی مناسبی را برای توابع موج الکترونیکی مولکول انتخاب کرده، و محاسبات را بدون تقریب‌های بیشتر یا داده‌های تجربی انجام داد. بنابراین در محاسبات آغازین تقریب براساس الگو قرار می‌گیرد. این امر به وضوح بر اعتبار نتایج حاصل، تأثیرگذار خواهد بود. به طوری که انتخاب نامناسب الگو منجر به نتایج ناصحیح و گمراه‌کننده می‌شود.
3-3-تقریب بورن اپنهایمر1خواص شیمیایی اتم‌ها و مولکول‌ها به کمک ساختار الکترونی آن‌ها تعیین می‌شود. الکترون‌ها بسیار سبکتر از هسته‌ها هستند و در اکثر مسائل ساختار مولکولی می‌توان حرکت الکترونی و هسته‌ای را به طور جداگانه بررسی کرد. الکترون‌ها بسیار سریعتر از هسته‌ها حرکت می‌کنند و می‌توان تصور کرد که الکترون‌ها ذاتاً یک پتانسیل استاتیکی را به واسطه هسته‌ها تجربه می‌کنند. به عبارت دیگر، ملاحظه می‌شود که هسته‌ها در معرض پتانسیل متوسطی به واسطۀ الکترون‌ها قرار دارند. این مطلب اساس جداسازی بورن- اپنهایمر است که در آن برای یک مولکول معادله شرودینگر کلی که حرکات الکترون‌ها و هسته‌ها را توصیف می‌کند، به دو معادلۀ مجزا برای الکترون‌ها و هسته‌ها تبدیل می‌شود. اگر هسته‌ها و الکترون‌ها را به صورت نقاط مادی در نظر بگیریم در این صورت هامیلتونی مولکول به صورت زیر است :
(3-10)
که در آن و مشخصه‌های هسته و و مشخصه‌های الکترون‌ها هستند. جمله اول موجود در معادلۀ بالا عملگر انرژی جنبشی هسته‌ها، جمله دوم مربوط به عملگر به انرژی جنبشی الکترون‌ها و جمله سوم مربوط به دافعۀ بین هسته‌ها است که در آن ، فاصلۀ بین هسته‌های و با اعداد اتمی را بیان می‌کند. جمله چهارم، بیانگر جاذبه بین الکترون‌ها و هسته‌ها است که در آن فاصلۀ بین الکترون i و هسته را نشان می‌دهد و در نهایت آخرین جمله دافعه بین الکترون‌هاست که در آن ، بیانگر فاصله بین الکترون‌های i و j است. معادلۀ شرودینگر کل را می‌توان به صورت عبارت (3-52) نوشت:
(3-11)
که در اینجا و عملگرهای انرژی جنبشی برای هسته‌ها و الکترون‌ها (به ترتیب در موقعیت‌های R و r نسبت به مرکز جرم) می‌باشد. جملات انرژی پتانسیل انرژی پتانسیل الکترواستاتیکی ناشی از برهم‌کنش‌های هسته-هسته، الکترون- هسته و الکترون- الکترون هستند. اگر حرکات هسته و الکترون‌ها قابل جدا کردن باشند، می‌توان تابع موج کل را به صورت توابع موج الکترونی و هسته‌ای نوشت:
(3-12)
تابع موج الکترونی ز لحاظ پارامتری به پیکربندی هسته‌ای (R) بستگی دارد و جوابی برای معادلۀ الکترونی شرودینگر محسوب می‌شود.
(3-13)
تابع موج هسته‌ای جوابی برای معادلۀ شرودینگر هسته‌ای به صورت معادلۀ (3-5) می‌باشد.
(3-14)
جمله انرژی پتانسیلی در معادلۀ بالا، مجموع انرژی پتانسیل هسته‌ای الکترونی است. مجموع ، اغلب به عنوان تابع انرژی پتانسیلی یا سطح انرژی پتانسیلی شناخته می‌شود.

–335

MO : Molecule Orbital
MP : Moller-PlessetNICS : Nucleus-Independent Chemical Shift
NLO : Non Linear Optical Material
NMR : Nuclear Magnetic Resonance
PDI: Para Delocalization Index

فصل اول1-1ترکیب های حلقوی آروماتیکبنزن نمونه نخستینمولکولی است که دارای خواص فیزیکی قابل ملاحظه ای ناشی از عدم استقرار الکترونهای است. از نظر تاریخی شیمیدانان پژوهشهای زیادی روی دیگر مولکولهای مشابه بنزن نموده اند. بورازین (B3N3H6) ، بوروکسین (B3O3H3) و بورتین (B3S3H3) نمونه هایی از این ترکیبها هستند. این ترکیبها ساختاری مشابه بنزن دارند و توپولوژی اوربیتالهای مولکولی پای آنها مشابه است. این پرسش که آیا الکترونهای پای آنها همانند بنزن نامستقرند (رزونانس بین ساختارهای ککوله) چندان واضح نیست.
1-2آروماتیستیاز معرفی آروماتیستی به وسیله ی August Kekule در 1865 تاکنون به طور پیوسته قلمروهاینوینی در شیمی را تسخیر شده است. در ابتدا آروماتیسیتی برای ترکیبهای آلی زیر گسترش یافت:
هیدروکربنهای تک حلقوی مزدوج مسطح و یونهای آنها که دارای 4n+2 الکترون هستند.
هیدروکربنهای مزدوج چند حلقوی- هیدروکربنهای بنزوییدی ساخته شده ازحلقه های بنزنی جوش خورده.
هیدروکربنهای کربوکسیلیک مزدوج چند حلقوی بر پایه سیستمهای غیر بنزوییدی مانند آزولن و دیگر هیدروکربنهای مزدوج دارای حلقه های چهار، پنچ، هفت و هشت عضوی.
ترکیبهای دارای اتمهای فلزی نیز آروماتیک می توانند باشند. در 1979 Thorn و Hoffmann پیش بینی نمودند که برخی متالوسیکلهای فرضی باید خصلت پیوندی نامستقر و مقداری خصلت آروماتیک را نشان دهند. در سالیان بعد از آن حدود 25 متالوبنزن جداسازی و شناسایی شد.نخستین مثال از یک متالوبنزن پایدار و قابل جداسازی اسمابنزن بود که در سال 1982 گزارش شد. خانواده بزرگی از متالوبنزنها (ایریدابنزن) نیز بعدها تهیهشدند در حالی که یک سری از دی متالوبنزنها با دو اتم فلز در حلقه بنزن نیز گزارش شدند.
واژه "متالوآروماتیسیتی" در 1979 نخستین بار برای توصیف کمپلکسهای فلزی سیکلوبوتادی ان پیشنهاد شد. نخستین ترکیب آلی فلزی دارای یک حلقه آروماتیک تشکیل شده از اتمهای فلز در 1995 تهیه شد. Na2[(Mes2C6H3)Ga]3 که شامل حلقه آروماتیک سه گوش که دارای دو الکترون است. نخستین ترکیب آلی فلزی آروماتیک تشکیل شده از چهار اتم گالیم که دارای ساختار مربعی بود K2[Ga4(C6H3-2,6-Trip2)2] .
1-3معیارهای آروماتیک بودن:جدول (1-1) معیار های آروماتیک بودنخاصیت آروماتیسیتی
ماهیت الکترونی: 4n+2‌الکترون
انرژی:
مزدوج شدن حلقوی
نامستقر بودن
شکاف اوربیتالهای جبهه ای پایداری
افزایش خصلت
افزایش خصلت
شکل هندسی:
طول پیوندهای یکسان وجود خصلت
خواص مغناطیسی:
ناهمسانگردی تاثیرپذیری دیامغناطیس
برتری5مغناطیسی
جابه جایی شیمیایی 1H NMR
NICS افزایش یافته
بالا
دیاپروتیک
منفی بزرگ
واکنشپذیری:
ساختار شیمیایی
ابقا ساختار برای مثال بنزن
جانشینی الکترون دوستی
طیف سنجی:
UV
IR/Raman
فوتوالکترون انرژی بالا
تقارن بالا
انرژیهای اتصال زدایی الکترون بالا
جریان حلقه آروماتیک اثری است که در مولکولهای آروماتیک مانند بنزن، نفتالن مشاهده می شود. اگر یک میدان مغناطیسی عمود بر صفحه سیستم آروماتیک اعمال شود جریان حلقه ای در الکترونهای حلقه آروماتیک القا می شود. این نتیجه مستقیم قانون آمپر است زیرا الکترونهای شامل شده آزاد به گردش اند به جای آن که در پیوندها مستقر باشند مانند آن چه در مولکولهای غیر آروماتیک است ، لذا به میدان مغناطیسی به شدت پاسخ می دهند.
جریانهای حلقه آروماتیک با طیف سنجی NMR مرتبط اند. پس آنها جابه جاییهای شیمیایی هسته های 13C, 1H را در حلقه های آروماتیک و نیز دیگر مولکولهای آلی و معدنی تحت تاثیر قرار می دهند. این اثر امکان تشخیص محیطهای هسته ای را ممکن ساخته و در نتیجه در تعیین ساختار مولکولی کاربرد وسیعی دارد. در بنزن پروتونهای آروماتیک دچار واپوشیدگی می شوند چون میدان مغناطیسی القایی جهت یکسانی مانند با میدان خارجی دارد.
پس یک جریان حلقه دیامغناطیس یا دیاپروتیک با آروماتیستی همراه است و جریان حلقه ای پاراتروپیک نشانه پادآروماتیسیتی است. اثر مشابهی در فولرنهای سه بعدی مشاهده می شود و به آن جریان کره گویند.
کوششهای متعددی برای بیان کمی آروماتیسیتی انجام شده است:
1-4 بیان کمی آروماتیستی1-4-1 جابه جایی شیمیایی مستقل از هسته:پارامتر جابه جایی شیمیایی مستقل از هسته برای توصیف آروماتیسیتی از نقطه نظر مغناطیسی به کار برده می شود. این شاخص به وسیله P.v.R. Schleyer و همکارانش براساس پوششهای مغناطیسی ابداع گردید و با روشهای ساده محاسبه گردید. هم اینک محاسبه ها با روشهای آغازین پیشرفته انجام می شوند(25). این شاخص با محاسبه منفی پوشش مغناطیسی مطلق اتم روحدر مرکز حلقه(26)یا نقطه های مورد نظر دیگر(27) به کاربرده می شود.مقدار NICS نشان داده شده به صورت NICS(1.0) به مفهوم محاسبه آن در فاصله Å1 بالای حلقه است و انتظار می رودجزییات ساختار الکترونی را مشخص کند. زیرا مقدار NICS(0.0) در صفحه با مشارکتهایی موضعی پیوندهای و جفتهای تنها تحت تاثیر قرار می گیرد(28). حلقه های دارای NICS منفی آروماتیک، حلقه های دارای NICS نزدیک به صفر غیر آروماتیک و حلقه های دارای NICS مثبت پاد آروماتیک اند.
شاخص دیگر مولفه "خارج صفحه" تنسور NICS است که در فاصله Å1 بالای مرکز حلقه محاسبه می شود و با NICS(1.0)zz مشخص می شود که اندازه خوبی برای مشخصه های سیستم حلقه است(29). از آن جا که یک میدان مغناطیسی عمود بر صفحه حلقه اعمال می شود، این مقدار با چگالیهای جریان القایی در سیستم حلقه ای مولکول ارتباط مستقیم تری دارد. در نتیجه NICSzz محاسبه شده در فاصله های دور از مرکز حلقه (جایی که NICSzz تحت تاثیر مشارکتهای از سیستم قرار می گیرد) به خوبی NICS را مشخص می کند(30).
ثابت شده است برای مشتقهای بورازین NICS(2.0)zz معیار مناسبی برای آروماتیسیته است(31).
مقدارهای موشکافی شدهNICS با نرم افزار deMonNMRمحاسبه می شوند(32). بر این اساس NICS(total) به سهمهایی از پیوندهای ، NICS() ، پیوندهای ، NICS() ، و سهمهای دیگر (پیوندهای با هیدروژن، جفتهای تنها در صفحه مولکول، اوربیتالهای مغزی) تقسیم می شود.
برای مثال برای بنزن:
جدول (1-2) NICS برای بنزنStructure Opt Level/Basis set NICS(0.0) NICS(1.0) NICS(r)zz
Benzene B3LYP/6-311+G** HF/6-31+G* -9.7 -11.5 r=1.0-31.9
Borazine B3LYP/6-311+G** HF/6-311+G** -1.3 -1.9 r=-6.7
1-4-2ناهمسانگردی تاثیر پذیری مغناطیسی:ناهمسانگردی تاثیر پذیری مغناطیسی (33)به صورت زیر تعریف می شود:
(1-1)
در این رابطه محور z به صورت عمود بر صفحه حلقه تعریف می شود. این رابطه تفاوت بین تاثیر پذیریهای دیامغناطیس خارج صفحه و میانگین تاثیر پذیریهای دیامغناطیس داخل صفحه (xy) است. کارایی این شاخص مستقل بودن از سیستم مرجع است. این شاخص به روشCSGT محاسبه می شود(34). منفی تر بودن این شاخص نشانه خصلت آروماتیسیتی بیشتر است.
1-4-3تاثیر پذیری مغناطیسی(35):این شاخص تفاوت تاثیر پذیری مغناطیسی سیستم و یک سیستم مرجع ناشی از افزایش اتم یا پیوند است:
=-(1-2)
این شاخص نیز به روش CSGT محاسبه می شود. منفی تر بودن این شاخص نشانه خصلت آروماتیسیتی بیشتر است.
1-4-4 شاخصهای ناشی از نطریه اتم در مولکول:نظریه اتمها در مولکولها در شکلهای زیر برای مطالعه آروماتیسیتی به کار رفته است(36).
درجه عدم استقرار الکترون پای (DI):Bader و همکارانش عدم استقرار چگالی بیشتری را در هیدروکربنهای سیر نشده حلقوی نسبت به گونه های مشابه ناحلقوی پیدا نمودند.درجه عدم استقرار الکترون پای (DI) به طور کمی بر اسای این نظریه با استفاده از شاخص عدم استقرار تعیین می شود. این شاخص با انتگرال دوگانه چگالی همبستگی- تبادل حول حوزه هایاتمهای A و B به دست می آید. حوزه یک اتم در نظریه AIM به صورت گستره ای در فضای واقعی محدود به سطوح گرادیان شار صفر در یک چگالی الکترونی (r) یا تا بی نهایت تعریف می شود(37) به طور کمی تعداد الکترونهای نامستقر بین A و B تعیین می شود(38).
برای مثال برای بنزن می توان نوشت:
جدول (1-3) درجه عدم استقرار الکترون پایبرای بنزنE(atom) DI
B3LYP/6-311++G** 3.8102745332e+001 1.3965407413e+000
شاخص عدم استقرار پارا (PDI): Sola و همکارانش شاخص عدم استقرار را با معیارهای آروماتیک دیگر مرتبط کردند(39). آنها یک معیاری آروماتیک موضعی نوینی را معرفی نمودند: شاخص عدم استقرار پارا (PDI) .
Hernandez-Trujillo و Matta نیز معیار هندسی را پیشنهاد نمودند که DI را به عنوان اندازه تناوب اشتراک الکترون در نظر می گیرد.
D3BIA :Caio L. Firme و همکارانش معیار نوینی برای آرماتیسیتی در نظر گرفتند(40). نظریه ها بر اساس:
چگالی الکترونی در حلقه
درجه یکسانی عدم استقرار
درجه همترازی اتمها در حلقه
استوار بود و آن را D3BIA نامیدند. فرمول آن عبارت است از:
D3BIA=[RDF] [DIU] (1-3)
که در این رابطه:
RDF=(1+2)RCP (1-4)
2 مقدار ویژه میانگین ماتریکس Hessian چگالی از BCP به RCP ، وRCP مقدار چگالی الکترونی در نقطه بحرانی حلقه است.(1-5)
انحراف میانگین و <DI> میانگین DI حلقه است.
(تعداد اتمهای حلقه)/(تعداد اتمهای همتراز)=(1-6)
برای مثال برای بنزن می توان نوشت:
جدول (1-4) انحراف میانگین و RDF و DIU و D3BIA برای بنزنRCP 2 RDF DIU D3BIA
B3LYP/6-311++G** 0.021479650957751 0.538176419309952 0.00992 1 1.00 0.00992
1-4-5 مدل هماهنگ کروی آروماتیسیتی:در بین تعریفهای کمی به کار رفته برای آروماتیسیتی بر اساس معیار شکل هندسی، HOMA بیشترین اطمینان را دارد(41). مطابق نظر Krygowski و همکارانشبه صورت سهم دو عبارت تعریف می شود:
HOMA=1-EN-GEO(1-7)
در این رابطه EN اندازه طویل شدن طول پیوند میانگین نسبت به یک مقدار بهینه است:
EN= (Ropt - Rav)2(1-8)
در این رابطه Ropt طول پیوند بهینه برای یک مولکول کامل آروماتیک است( برای پیوندهای CCبرابر Å 388ر1 است). Rav طول پیوند میانگین گونه های در نظر گرفته شده است.یعنی:
Rav =(1-9)
عبارت GEO نشانه افزایش یک در میان طول پیوند است و برابر است با:
GEO=(1-10)
Rav دلالت بر طول پیوند میانگین سیستم در نظر گرفته شده و n تعداد پیوندهای فاصله ای بین هسته ای Ri است. برای پیوندهای CC مقدار برابر 7ر257 است.
به صورت جمع نرمال شده انحراف مربعهای طول پیوندها از مقدار بهینه تعریف می شود. یک سیستم آروماتیک HOMA=1 و پاد آروماتیک HOMA=0 دارد.
مقدارهای Ropt و برای پیوندهای CN, CO, CP, CS, NN, NO نیز گزارش شده اند.
برای مثال برای مولکول بنزن می توان نوشت چون Ri=1.3946 پس Rav=1.3946 در نتیجه:
جدول (1-5) مقادیر HOMO و GEO و EN برای بنزنEN= (Ropt - Rav)2 GEO= HOMO
B3LYP/6-311+G** =(257.7)(1.388-1.3946)2=0.0112254 (1.3946-1.3946)*6(257.7/6)=0 0.9887746
کمیت قابل اندازه گیری دیگر جابه جایی شیمیایی یونهای لیتیم در کمپلکسهای آن است. از آن جا که لیتیم تمایل به اتصال به وجه آروماتیک حلقه ها دارد، خود سبب آروماتیک شدن می شود. در نتیجه از جا به جایی شیمیایی آن می توان برای این منظور استفاده کرد. برای مثال این مقدار در کمپلکسهای CpLi و Cp2Li- به ترتیب ppm 6ر8- و 1ر13- است.
1-5ترکیبهای X3Y3H6
s-triphosphatriborin Borazine

alumazine

شکل (1-1) ترکیب های X3Y3H6 را نشان می دهد.1-6بورازین:بورازین ترکیب معدنی است که از عنصرهای بور، نیتروژن و هیدروژن تشکیل شده است. در این ترکیب حلقوی سه واحد هیدروبوران(BH) و سه واحد آمینو (NH) به طور یک در میان قرار دارند. این ترکیب در سال 1926 به وسیله ی Alfred Stock و Pohlandاز واکنش دی بوران و آمونیاک تهیه شد(42). ساختار این ترکیب هم الکترون و یکسان با بنزن است و به همین دلیلی بنا به پیشنهاد Nils Wibergبنزن معدنی نامیده می شود. این ترکیب همچنین به نام Borazol نیز نامیده می شود که از نام آلمانی بنزن که بنزول است ناشی می شود.

شکل (1-2) بورازین1-6-1سنتزبورازین از واکنش دی بوران و آمونیاک در نسبت یک به دو در دمای 300-250 با بهره 50% تهیه می شود:
3 B2H6 + 6 NH32 B3N3H6+3 LiCl + 9 H2
مسیر موثر دیگر از واکنش لیتیم بوروهیدرید و آمونیوم کلرید با بهره ای بهتر می باشد:
3 LiBH4 + 3 NH4Cl → B3H6N3 + 3 LiCl + 9 H2
در یک فرآیند دو مرحله ای، بور تری کلرید نخست به تری کلروبورازین تبدیل شده :
3 BCl3 + 3 NH4Cl → Cl3B3H3N3 + 9 HClسپس پیوندهای B-Cl به پیوندهای B-H تبدیل می شوند:
Cl3B3H3N3 + 3 NaBH4 → B3H6N3 + 3/2 B2H6 + 3 NaCl1-6-2ویژگیهابورازین مایعی بیرنگ با بوی ویژه ترکیبهای آروماتیک است. این ترکیب در آب به بوریک اسید، آمونیاک و هیدروژن تجزیه می شود. بورازین با تغییر آنتالپی استاندارد تشکیل kJ/mol 531- از نظر گرمایی بسیار پایدار است. برخی از خواص فیزیکی این ترکیب در جدول 1 ارایه شده است.
جدول(1-6) برخی از خواص فیزیکی بورازیننقطه جوش ، C نقطه ذوب، C چگالی، gr.cm-3 ظاهر جرم مولی، gr.mol-1
55 58- 81ر0 بی رنگ 50ر80
1-6-3ساختاربورازین هم ساختار بنزن است و همانند آن دارای پیوندهایی با طول یکسان است. فاصلهی بین نیتروژن و بور در حلقه pm 6ر143 و فاصله کربن-کربن در بنزن pm7ر139 است. پیوند بور-نیتروژن بین طول پیوند بور-نیتروژن یگانه (pm151) و پیوند بور-نیتروژن دوگانه (pm131) است. این داده ها نشان دهنده ی عدم استقرار الکترونهای جفت تنهای نیتروژن هستند.
1-6-4مزومرهاالکترونگاتیوی بور (04ر2 در مقیاس پاوولینگ) از نیتروژن (04ر3) کمتر است. از سوی دیگر کمبود الکترونی اتم بور و جفت تنهای نیتروژن امکان ساختارهای مزومری متنوع را ممکن می سازد:

شکل (1-3) ساختارهای مزومری بورازین.بور اسید لوییس و نیتروژن باز لوییس است.
1-6-5واکنشهابورازین واکنشپذیرتر از بنزن است. این ترکیب با HCl واکنش می دهد.اگر آروماتیسیتی بورازین نیز مانند بنزن بود، این واکنش بدون کاتالیست ممکن نبود:
B3N3H6 + 3HCl → B3N3H9Cl3
واکنش افزایشی بدون کاتالیزور رخ نمی دهد. در بورازینها حمله هسته دوستی در بور و حمله الکترون دوستی در نیتروژن رخ می دهد. گرما دادن بورازین تا C 70 هیدروژن را آزاد کرده و سبب تشکیل بسپار بورازنیل یا پلی بورازین می شود که واحدهای تکپار با تشکیل پیوندهای بور-نیتروژن نوین به صورت پارا جفت می شوند.

شکل(1-4)تشکیل بسپار بورازنیل1-6-6کاربردها:بورازین و مشتقهای آن پیشماده های مناسبی برای سرامیکهای بورنیترید هستند. بورنیترید می تواند با گرما دادن پلی بورازیلن تا C 1000 تهیه شود(42). بورازینها همچنین ماده اولیه ای برای سرامیکهای دیگر مانند بورکربونیتریدها نیز هستند(43).

شکل (1-5)تشکیل سرامیک بورکربونیترید از بورازین1-7فوق قطبش پذیریافزون بر گشتاور دوقطبی ناشی از توزیع نامتقارن بار در یک مولکول ممکن است توزیع الکترونی با وارد شدن یک فقدان الکتریکی تغییر شکل دهد. از این راه یک گشتاور دوقطبی القایی در مولکل ایجاد می شود. مطزان تاثیر گذاری میدا الکتریکی در قطبی ساختن مولکول با قطبش پذیری مولکول تعیین می شود. قطبش پذیری بنا به تعریف گشتاور دوقطبی القا شده از سوی میدان التریکی به شکل یک واحد است.
برهم کنش نور با ماده سبب تغییر وابسته به زماندر توزیع چگالی الکترونی در مولکولها می شود (قطبش). در این صورت گشتاور دوقطبی القایی به گشتاور دوقطبی ذاتیo افزوده می شود:
= o + Eloc + Eloc Eloc + ElocElocEloc +… (1-11)
در این رابطه:
Eloc = میدان الکتریکی موضعی اعمال شده به مولکول
= قطبش پذیری خطی مرتبه نخست
= فوق قطبش پذیری مربعی (نخست)مرتبه دوم
= فوق قطبش پذیری مکعبی (دوم)مرتبه سوم
قطبش پذیری اتم همسانگرد است، یعنی راستای میدان الکتریکی هرچه باشد، واپیچش یکسان است. قطبش پذیری بیشتر مولکول ها ناهمسانگرد است، یعنی بستگی به راستای میدان دارد. یعنی در راستاهای مختلف مقدارهای مختلف دارد. لذا مانند دیگر خواص ناهمسانگرد (مانند گشتاور لختی یک مولکول و رسانایی یک بلور) یک خاصیت تنسوری است.
(1-11)
و چون xy=yx،xz=zx ،yz=zy است، پس دارای شش مولفه است.
در حالی که تنها قطبش پذیری خطی در میدان های E ضعیف موثر است، سهم های ناخطی ، و .. در میدان های قوی مانند تابش لیزر آشکار می شوند. هر اثری ناشی از جمله های دوم یا بالاتر این سری را اثرهای ناخطی نامند. زیرا از جمله هایی ناشی می شود که نسبت به E ناخطی اند. آن دسته از ماده هایی رفتار نور در اثر تابش به آنها نسبت به میدان الکتریکی ناخطی است را ماده های نوری ناخطی(NLO) می نامند.
ماده های با ویژگی نوری ناخطی (NLO) توجه زیادی را به خود جلب نموده اند و برنامه های گسترده ای را در علم مواد دربرگفته اند. آنها در گستره ی پردازش پیام نورو سوییچ ها، تبدیل فرکانس های نوری و نیز ذخیره داده های نوری مواد موثری اند.
بیشترین کاربرد در دو برابر کردن فرکانس نور لیزر است. ماده های بررسی شده گستره کامل شیمی را در برمی گیرند از جامدهای معدنی مانند LiNbO3 تا گونه های آلی فلزی مانند مشتق های فروسن تامولکول های آلی.
قطبش می توان به صورت اختلاط حالت های برانگیخته بالاتر با حالت پایه در نظر گفته شود. پس یک مولکول با قطبش پذیری ناخطی بالا شرایط زیر را می تواند داشته باشد:
حالت های برانگیخته کم انرژی، برای نمونه یک شکاف اوربیتال های جبهه ای کوچک
قدرت نوسانگر بالای جهش الکترونی
تفاوت بزرگ بین گشتاور دوقطبی حالت پایه و برانگیخته نشان داده شده با حلالپوشی رنگ.
فقدان مرکز تقارن: ماده ای که مرکز تقار دارد خواص برداری نمی تواند نشان دهد. در نتیجه تمام مولفه ای تنسور فوق قطبش پذیری در گروه نقطه ای مرکز دار دار صفرند.
از سال 1987 که ماردر و همکارانش ثابت کردند که مشتق هایی از فروسن کارایی تولید هارمونیک دوم بزرگی دارند(44)(SHG) مطالعه های نظری و تجربی زیادی به درک رابطه های ساختاری و ویژگی ها و بهینه کردم خواص نوری مرتبه دوم رنگ سازهای فلز دار اختصاص یافته است(45).
دو دسته ار کمپلکس هایی که در گستره ی زیادی بررسی شده است عبارتند از:
متالوسن ها: که لیگاند به شدت با فلز جفت می شود
کمپلکس های پیریدین دار که جفت شدن ضعیفی با فلز مرکزی وجود دارد.
با این وجود طراحی کمپلکس ها نوین با فوق قطبش پذیری بالا موضوعی جذاب و رقابت برانگیز است.
متالابنزن ها طبقه ی از کمپلکس های آلی فلزی اند که فلز بخشی از یک سیستم - آروماتیک است. دو تا از شش الکترون اوربیتال های d فلزند که حول سیستم نامستقرند و پس انتظار می رود از الکترونهای d دیگر کمپلکسهای آلی فلزی قطبش پذیرتر باشند.چندین کمپلکس متالابنزن جداسازی شده اند مانند اسمابنزن ها، ایریدابنزن ها و پلاتینابنزن ها. واکنشپذیری و پایداری این کمپلکس ها به صورت نظری مطاله شده است. آروماتیسیتی کمتر متالابنزن ها نسبت به بنزن و حلقه های ناجور اتم نفش مهمی در خواص نوری ناخطی (NLO) این کمپلکس ها دارد. جایگزینی حلقه های فنیل در رنگسازهای دهنده- -پل- پذیرنده (D--A) با حلقه های ناجور اتم دار مانند تیوفن یا تیازول به صورت تجربی و نظری نشان داده است که فوق قطبش پذیری به گونه ی موثری افزاپش می یابد. این افزایش فوق قطبش پذیری توجیه می شود با:
انرژی عدم استقرار آرواتیک کمتر ناجور آروماتیک نسبت به بنزن که شکاف انرژی بین حالت پایه و حالت برانگیخته انتقال بار (CT) را کاهش می دهد.
اثرهای القایی حلقه های پر الکترون یا کم الکترون در به ترتیب دهندگی یا پذیرندگی.
چگالی الکترونی بپشتر پل.
مواد NLO آلی کاربردها خوبی در گستره هایی مانند الکترواپتیک و فوتونیک دارند(46). این مواد با میدان های الکترومغناطیس برهمکنش کرده و میدان های الکترومغناطیس نوینی ایجاد می کنند که فرکانس و فاز آنها تغییر کرده است.
فصل دوم: شیمی محاسباتی2-1مقدمهشیمی محاسباتی، پدیده های شیمیایی را بدون انجام آزمایش های تجربی امکان پذیر می کند. این روش نه تنها مولکولهای پایدار را مورد بررسی قرار می دهد بلکه مولکول هایی با طول عمر کوتاه حد واسط های ناپایدار و حتی حالت های گذار را نیز مورد بررسی قرار می دهد.همچنین از این طریق می توان اطلاعاتی راجع به مولکول ها و واکنش هایی که بررسی آن ها از طریق تجربی غیر ممکن است، بدست آورد. برای شروع یک مطالعه محاسباتی جنبه های زیادی باید در نظر گرفته شود از جمله اینکه روشهای محاسباتی باید با توجه به اندازه سیستم مورد مطالعه و خاصیت هایی که مورد نظر است انتخاب شوند.
2-2نیروهای بین مولکولیموضوع اصلی بیان نیروی بین دو مولکول توسط یک تابع انرژی پتانسیل است. در فاصله بی نهایت بین 2 اتم، هیچگونه برهمکنشی وجود ندارد و انرژی کل سیستم دو اتمی با مجموع انرژی های دو اتم مجزا برابر است.
اگر دو اتم به اندازه جزئی از هم فاصله داشته باشند، برهمکنش بین آنها بر انرژی کل سیستم تاثیر می گذارد و آن را افزایش می دهد.با توجه به متقارن بودن اتمها، انرژی برهمکنش بین آنها فقط به فاصله r بستگی دارد و مستقل از جهت گیری نسبی آنها می باشد.تغییر انرژی کل که ناشی از برهمکنش بین دو اتم است به عنوان تابع انرژی پتانسیل بین دو مولکول شناخته شده است .
بر این اساس، پتانسیل بین مولکولی عبارت است از تفاوت انرژی کل سیستم دو اتمی در جدایی بی نهایت و هنگامی که دو اتم به فاصله r از یکدیگر قرار گرفته باشند این اختلاف انرژی از لحاظ عددی با کار لازم برای آوردن دو اتم از فاصله بی نهایت به فاصله r برابر است.
2-3انواع نیروهای بین مولکولیبر اساس دانش کنونی، نیروهای بین ذره ای را می توان به چهار دسته تقسیم بندی نمود:
1-گرانشی
2-الکترومغناطیسی
3-هسته ای قوی
4-هسته ای ضعیف
نیروهای هسته ای قوی عامل ایجاد پیوند بین نوترون های و پروتون های درون هسته بوده و محدوده عملکرد آنها در حدود nm 10 می باشد.از طرف دیگر امروزه معلوم شده نیروهای هسته ای ضعیف دارای منشا الکترومغناطیسی بوده و نظیر نیروهای هسته ای دارای برد کوتاه هستند.با توجه به اینکه ابعاد مولکولی معمولا از مرتبهnm10×5 هستند لذا این نیروهای هسته ای نمی توانند مشارکت مؤثری در نیروی بین مولکولی داشته باشند. بر عکس ، نیروهای گرانشی دارای برد بسیار بلند بوده و می توانند به عنوان منبع جاذبه بین مولکولی در نظر گرفته شوند. اما از لحاظ بزرگی در حدود 10 برابر کمتر از نیروهای بین مولکولی هستند بنابراین نیروهای بین مولکولی بایستی دارای یک منشا الکترومغناطیسی باشند.منبع برهمکنش می تواند ناشی از ذرات باردار، الکترون ها و پروتون هایی که یک اتم یا مولکول را تشکیل می دهند باشد. بر اساس ماهیت مولکول های برهمکنش دهنده سه عامل ممکن است بر نیروی جاذبه بین آنها مؤثر باشد که به صورت زیر خلاصه می شوند.
2-3-1نیروهای الکترواستاتیکیمعلوم شده که بعضی از مولکول ها نظیر HCl به علت توزیع غیر یکنواخت بار الکتریکی در مولکول، دارای ممان دو قطبی دائمی می باشند. بنابراین بخشی از انرژی برهمکنش برد بلند این نوع مولکول ها از برهمکنش الکترواستاتیکی بین ممان های دو قطبی آنها ناشی می شود.به خاطر اینکه انرژی الکترواستاتیکی بین دو دوقطبی ارتباط قوی با جهت گیری نسبی آنها دارد، لذا گاهی به آن انرژی جهت گیری می گویند.
2-3-2نیروهای القاییاگر برهمکنش بین یک مولکول با گشتاور دو قطبی دائمی و یک مولکول غیر قطبی را در نظر بگیریم میدان الکتریکی مولکول دو قطبی توزیع بار الکتریکی را در مولکول دیگر تغییر داده و یک گشتاور دو قطبی القایی را در آن به وجود آورد. دو قطبی القا شده با دو قطبی القا کننده برهمکنش انجام داده و یک نیروی جاذبه تولید می شود. به هنگام برهمکنش دو مولکول قطبی این سهم القایی همزمان با سهم الکترواستاتیکی وجود دارد.
2-3-3نیروهای پراکندگیاین نیرو با ارزیابی افت و خیز در مقدار دانسیته الکترونی قابل بررسی است. این نیرو برای مولکول ها در حالت پایه همواره مقدار منفی خواهد داشت و در واقع از نوع جاذبه است که به نیروهای واندروالس معروف است. در برهمکنش دو مولکول که هیچ کدام از آن ها گشتاور دو قطبی دائمی ندارند درک منشا انرژی جاذبه ممکن است تا حدودی مشکل به نظر برسد. با این وجود می توان تصور نمود که در یک مولکول فاقد گشتاور دو قطبی دائمی، الکترون ها دارای یک حرکت پیوسته بوده و دانسیته الکترونی در مولکول به طور پیوسته در زمان و مکان در حال نوسان است. بنابراین در هر لحظه از زمان هر مولکول دارای یک دو قطبی الکتریکی لحظه ای خواهد بود. دوقطبی لحظه ای ایجاد شده در یک مولکول، یک دوقطبی لحظه ای را در مولکول دوم القا می کند. دوقطبی القا شده در مولکول دوم و دوقطبی القا کننده در مولکول اول با هم برهمکنش انجام داده و حاصل آن انرژی جاذبه ای است که انرژی پراکندگی نامیده می شود.
تعیین اندازه انرژی برهمکنش بسیار مشکل است. بنابراین روشهای مبتنی بر اندازه گیریهای تجربی نمی توانند ماهیت نیروهای بین مولکولی به درستی بیان کنند لازم است روشهای محاسباتی به کار برده شوند.
2-4روشهای مدل سازی کامپیوتری2-4-1مکانیک مولکولیدر مکانیک مولکولی از قوانین مرتبط با فیزیک کلاسیک برای پیش گویی ساختار و خواص مولکول ها استفاده می شود.بسیاری از برنامه های کامپیوتری از قبیل گوسینو هایپرکمو در بر دارنده روش های مکانیکی مولکولی بوده و این روش ها به طرق مختلف و با توجه به میدان نیروی به کار برده شده قابل استفاده هستند.لازم به ذکر است که هر میدان نیرو دارای بخش های اساسی زیر است. دسته ای از روابط ریاضی که چگونگی تغییرات انرژی پتانسیل یک مولکول را با توجه به موقعیت اتم های تشکیل دهنده آن تعیین می کنند.
مجموعه ای از پارامترها که تعیین کننده ثابت های نیرو هستند،و از طریق آن ها ارتباط بین خواص اتمی با انرژی و اطلاعات ساختاری نظیر طول پیوند و زوایای پیوندی بیان می شود.مکانیک مولکولی در انجام محاسبات ،الکترون های سیستم را به وضوح منظور ننموده و اثرات الکترونی بطور ضمنی و از طریق پارامترهای تعریف شده بررسی می شوند.از محدودیت های این روش به موارد زیر می توان اشاره نمود.
هر میدان نیروی خاص فقط برای سری محدودی از مولکول ها نتایج خوبی را بدست می دهد.در نظر گرفتن اثرات الکترونی بطور ضمنی و پارامتری باعث می شود که تخمین های مکانیک مولکولی در مسائل شیمیایی نظیر تشکیل پیوند،پیشگویی خواص شیمیایی مولکولی و برهمکنش اوربیتال های مولکولی غیر قابل استناد و ناکارآمد باشد.
2-4-2مکانیک کوانتومیمحاسبات در بردارنده خواص الکترونی،بر پایه قوانین مکانیک کوانتومی استوار است.مکانیک کوانتومی بیان می کند که انرژی و سایر خواص وابسته به آن برای یک مولکول با حل معادله شرودینگر بدست می آید:
Hᴪ =Eᴪ(1-12)
از آنجایی که برای اکثر سیستم ها،و حتی کوچکترین سیستم ها دارای تقارن کامل نیز، حل دقیق معادله شرودینگر عملی نیست،روش های مکانیک کوانتومی تقریب های ویژه ای را برای حل معادله شرودینگر به کار می برند. محاسبات مولکول ها در شیمی کوانتومی می تواند بر اساس سه روش زیر انجام گیرد:
2-5 طبقه بندی روش هاروش نیمه تجربی
روش آغازین
تئوری تابع چگالی(DFT)
2-5-1روش های نیمه تجربیدر روش های نیمه تجربی فقط از الکترون های لایه ظرفیت استفاده شده و الکترون های داخلی به صورت یک پتانسیل مرکزی، در نظر گرفته می شود. استفاده از این روش و وارد کردن پتانسیل موثر، در مواردی که مولکول مورد بررسی، شامل اتم های سنگین(نظیر فلز در برابر پیوندهای آنزیمی) باشد، از نظر زمان و هزینه مقرون به صرفه خواهد بود. در این روش فقط از اربیتال های نوع اسلیتر (STO) و مجموعه های پایه حداقل برای توصیف اربیتال های اتمی استفاده شده و برای سادگی محاسبات از بعضی پارامترهای حاصل از اندازه گیری های تجربی نیز استفاده می شود. رایج ترین روش های محاسباتی نیمه تجربی، عبارتند از: MNDO PM3 AM1، MINDO. با توجه به استفاده از پارامترهای تجربی، روش های نیمه تجربی فقط آرایش الکترونی حالت پایه را توصیف می کنند. توضیحات مفصل تر را درباره این روش می توان در منابع مختلف یافت.
2-5-2روش های آغازینعبارت Ab initio از نظر لغوی به معنای آغازین است اما در اینجا به معنای حل دقیق و بدون تقریب معادله شرودینگر است. این تعریف نشان می دهد که نتایج محاسباتی، به طور مستقیم از اصول نظری بدست می آیند و داده های تجربی و آزمایشگاهی هیچ دخالتی در آن ندارند. در حقیقت این یک تقریب در محاسبات مکانیک کوانتومی است. تقریب ها معمولا از تقریب های ریاضی نشات می گیرند مانند استفاده از یک تابع پیچیده و یا پیدا کردن جوابهای تقریبی برای یک معادله دیفرانسیلی پیچیده در یک محاسبه ab initio، نقطه آغاز یک ساختار هندسی از ملکول است که در آن ماهیت و مختصات هر یک از اتمها تعریف شده است.همچنین با توجه به اتم های موجوددر ملکول مورد نظر یک مجموعه پایه از اوربیتالهای اتمی انتخاب می شود. بنابراین در این روش بر خلاف روش های نیمه تجربی ، پارامترهای تجربی وارد محاسبات نشده و محاسبات بر قوانین مکانیک کوانتومی و برخی ثوابع فیزیکی نظیر سرعت نور، جرم وبارالکترون، بار هسته ها و ثابت پلانک استوار است.
2-5-3 تقریب هارتری- فاکپایین ترین سطح و متداول تربن نوع از محاسبات ab initio، محاسبات هارتری- فاک نامیده می شود که در آن عملگر هامیلتونی شامل دو عبارت، انرژی پتانسیل و انرژی جنبشی است. تقریب اولیه در این نوع محاسبه، تقریب میدان مرکزی خودسازگار است. دافعه کلونی الکترون-الکترون با انجام انتگرال گیری از عبارت دافعه محاسبه می شود. این یک محاسبه متغیر است به این معنا که انرژی های تقریبی محاسبه شده همگی برابر یا بزرگتر از مقدار انرژی واقعی هستند. یکی از مزیت های این روش، تفکیک معادله شرودینگر به تعدادی معادله تک الکترونی است که نتیجه آن یک تابع موج تک الکترونی بوده که یک اوربیتال نامیده شده و مقدار ویژه حاصل از آن بیانگر انرژی یک اوربیتال است. تقریب دوم در محاسبات هارتری- فاک این است که یک تابع موج با تعدادی توابع ریاضی توصیف می شود. توابع استفاده شده اغلب اوقات ترکیبی خطی از اوربیتال های گوسینی است.به علت ترکیب خطی اوربیتال های اتمی انرژی محاسبه شده، بزرگتر از انرژی حدی هارتری فاک می باشد. به منظور بدست آوردن یک اوربیتال با تقارن p,s یا d توابع گوسینی در یک تابع زاویه ای ضرب می شوند و سپس این اوربیتال ها به صورت یک دترمینان اسلیتر و با در نظر گرفتن دو شرط اساسی آرایش داده می شوند. شرط اول عبارت است از اینکه، الکترون ها باید غیر قابل تمییز باشند، شرط دوم آن است که تابع موج باید نسبت به جابجایی دو الکترون نامتقارن باشند.
با وجود استفاده از یک بسط طولانی در اوربیتالهای ملکولی و رسیدن به حد نهایی هارتری-فاک، هنوز هم با نقص هایی در تابع موج که بر آمده از تقریب های معادله هارتری-فاک می باشند روبرو هستیم.دو منبع مهم خطا در معادلات اولیه وجود دارد، یکی اینکه کل تئوری بر مبنای معادله شرودینگر است که اثرات نسبیتی در آن لحاظ نشده است، حرکت الکترون های داخلی با سرعتی است که در مقایسه با سرعت نور قابل صرف نظر کردن نیست واین سهم اثرات نسبیتی و ثابت نبودن جرم را نشان می دهد.ولی از آنجائیکه اکثر تغییرات شیمیایی و بیولوژیکی مولکول مربوط به الکترون های ظرفیتی اند، این خطا معمولا ثابت بوده و مشکل بزرگی را ایجاد نمی کند. منبع خطای دوم که جدی تر و با اهمیت تر است خطای مربوط به انرژی همبستگی نامیده می شود.
2-5-3-1تئوری اختلال مولر- پلستاثرات همبستگی الکترونی را می توان به صورت یک عبارت اختلال به تابع موج هارتری- فاک اضافه نمود. این روش، تئوری اختلال مولر- پلست نامیده می شود. بر مبنای این تئوری، روش HF معادل با اختلال مرتبه اول می باشد. یک مقدارکوچک از اثرات همبستگی با استفاده از اختلال مرتبه دوم از روش مولر پلست (MP2)، در محاسبات منظور می شود. محاسبات مرتبه سوم(MP3) و مرتبه چهارم (MP4) نیز عموما مورد استفاده قرار می گیرند. اما اختلال مرتبه پنجم(MP5) و درجات بالاتر از آن به دلیل مقرون به صرفه نبودن از نظر زمان محاسباتی به ندرت مورد استفاده قرار می گیرند. در تئوری اختلال، همخوانی یا عدم همخوانی نتایج انرژی محاسبه ای با مقدارواقعی، بستگی به ماهیت سیستم تحت بررسی دارد. یکی از مزیت های این روش دامنه کاربردی وسیع آن می باشد که محاسباتی با دقت را ایجاد می کند اما زمان محاسبات بسیار بالایی را نیاز دارد.
2-5-3-2روش بر همکنش های پیکربندیدر روش برهمکنش های پیکربندی برای وارد کردن اثرات همبستگی ترکیبات خطی بیشتری از حالتهای پایه و برانگیخته را در بدست آوردن تابع موج استفاده می کنند. محاسبات برهمکنش پیکربندی دارای صحت خیلی بالایی هستند. محاسبات برهمکنش پیکربندی بر اساس نحوه و تعداد حالت های برانگیخته در تشکیل هر دترمینان تقسیم بندی می شوند.
2-5-3-3روش میدان خودسازگار چند پیکربندیدر روش میدان خودسازگار چند پیکربندی در مقایسه با روش برهمکنش های پیکربندی تعداد کمتری از حالتهای برانگیخته در نظر گرفته می شود.حالتهای برانگیخته ای مدنظر هستند که سهم بیشتری را در انرژی همبستگی دارند ولی به کار بردن این روش مستلزم به کارگیری دقت زیادی در انتخاب حالتهای برانگیخته است و نتایج صحیح تری را می دهد.
2-5-4تئوری تابع چگال(DFT)تئوری تابع چگال(DFT) در سالهای اخیر شهرت زیادی پیدا کرده است. بر مبنا مشاهدات علمی نشان داده شده این روش از نظر سرعت محاسباتی پایین تر از روشهای دیگر با دقت و صحت مشابه می باشد. این تئوری نسبت به روشهای دیگر ab initio در سال های اخیر توسعه بیشتری یافته است.در این روش به منظور محاسبه انرژی یک مولکول به جای استفاده از یک تابع موج از دانسیته الکترونی استفاده می شود. از مزایای بزرگ DFT، اعمال انتگرال های دافعه کولمبی روی یک تابع سه بعدی و منظور کردن اندکی از اثرات همبستگی الکترونی در حین محاسبه می باشد. این روش از نظر محاسباتی و صحت نتایج، سریع تر و دقیق تر از روش HFمی باشد. امروزه اکثر محاسبات DFT ،با مجموعه پایهGTOبهینه شده HF انجام می شوند. البته صحت و درستی نتایج در صورت استفاده از مجموعه های پایه کوچک به میزان زیادی کاهش می یابد.از این رو با توجه به دقت وصحت نتایج، کوچکترین مجموعه پایه مورد استفاده G31-6 می باشد. با به کار بردن توابع پایه بهتری در محاسبات DFT می توان نتایج با حد دقت و صحت نتایج روش های محاسباتی MP2 بدست آورد. روش DFT به روش متعدد دیگری تقسیم می شود که ساده ترین آن روش، Xa نامیده می شود. در این روش محاسباتی اثر تعویض الکترونی در نظر گرفته می شود ولی از اثرات همبستگی الکترونی چشم پوشی می شود. در یک سری روش های ترکیبی توابع به دست آمده از روش های دیگر با اجزایی از محاسبات هارتری- فاک که معمولا انتگرال های تعویضی هستند تلفیق می شوند. عموماً روش های ترکیبی و تصحیح گرادیانی از نقطه نظر صحت و درستی بهترین نتایج را می دهند. از جمله این روشها می توان B3LYP، PBE، B3PW91،PW91 ، MPW1PW91 و ....را نام برد که روشهای ،PW91،PBE،MPW1PW91 برای محاسبات انرژی بر همکنش از نظر دقت و صحت مشابه MP2 می باشند ولی زمان محاسباتی خیلی کمتری را نیازمند هستند.
2-6مجموعه های پایهبعد از انتخاب روش محاسباتی، باید مجموعه های پایه به منظور ساختن اوربیتال های مولکولی فراگیر تعیین گردند تا روند محاسبات به مسیر مناسبی هدایت شود. این نکته باید در نظر گرفته شود که ممکن است یک روش و مجموعه پایه برای یک کاربرد، کاملاً به جا و منحصر به فرد باشد در حالیکه در سایر موارد غیر قابل استفاده باشد.اوربیتال های مولکولی ترکیب از اوربیتال های اتمی هستند که امروزه ترجیحاً مجموعه های پایه نامیده می شود. به دو طریق می توان از مجموعه پایه استفاده نمود. در روش اول اوربیتال های اتمی به عنوان توابع در نظر گرفته می شوند.در این روش از مجموعه های پایه حداقل استفاده و نتایج آن معمولاً برای مولکول های حجیم یا به منظور انجام پیش بینی های کیفی مورد استفاده قرار می گیرند. در روش دوم توابع تشکیل دهنده مجموعه پایه، شامل یک سری توابع ریاضی هستند که حداکثر انعطاف پذیری را متناسب با اوربیتال های مولکولی دارند. در این روش، مجموعه های پایه مورد استفاده از توابع گوسی تشکیل و با توجه به دقت لازم برای انجام محاسبات نوع و تعداد توابع گوسی مورد استفاده تعیین می شود. افزودن توابع قطبش پذیر و نفوذی به مجموعه های پایه یکی از راهکارهای ارتقاء و بهبود نتایج این روش محسوب می شود. همچنین استفاده از توابع پایه ظرفیتی شکافته ای، که در آن اوربیتال های ظرفیتی به دو یا سه تابع شکافته می شوند، متداول وکارساز است.به عنوان مثال در مجموعه پایه G311-6 اوربیتال های ظرفیتی به سه تابع شکافته می شوند.
2-6-1مجموعه پایه حداقلکوچکترین مجموعه های پایه، مجموعه پایه حداقل نامیده می شوند. از جمله مجموعه های پایه حداقل که بطور گسترده مورد استفاده قرار می گیرد، مجموعه پایه STO-nG است. معروف ترین مجموعه پایه حداقل، STO-3G است که ترکیب خطی از سه اوربیتال گوسینی تطبیق داده شده با یک اوربیتال اسلیتری می باشد. البته همانطور که در بخش قبل اشاره شد، مجموعه های پایه حداقل معمولاً برای مولکول های خیلی بزرگ و نتایج کیفی استفاده می شوند.
2-6-2مجموعه پایه ظرفیتی شکافتهمتداولترین مجموعه های پایه شکافته که توسط گروه پاپل مطرح شدند، عبارتند از:
7-41G, 6-311G, 6-21G, 4-22G, 6-31G, 3-21G
در 6-31GT، هر لایه مرکزی متشکل از شش تابع اولیه GTO و هر اوربیتال ظرفیتی آن با دو حالت انقباضی، یکی با سه تابع اولیه و دیگری با یک تابع اولیه گوسینی توصیف می شود. این نوع مجموعه های پایه بیشتر برای مولکول های آلی استفاده می شوند. برای اتم ها، سری پایه 3-21G برای همه اتم ها تا Xe و سری پایه 6-31G قابل کاربرد است.
برای اینکه اجازه دهیم شکل اوربیتال ها تغییر کند می توانیم سهم هایی را از اوربیتال ها با اندازه حرکت زاویه ای بالاتر در نظر آورد، به عنوان نمونه می توان از یک و دو اوربیتال d مربوط به هر اتم کربن استفاده نمود. نماد گذاری لازم برای نشان دادن این موضوع عبارت است از اضافه کردن یک حرف برای نوع اوربیتال در نظر گرفته شده در انتهای نام اختصاری ، به عنوان مثال 6-31G(2d,p) که معنی آن این است که دو اوربیتال d مربوط به اتم های سنگین و یک اوربیتال p مربوط به اتم های هیدروژن را در محاسبات وارد می کند.
2-6-3توابع پایه نفوذیتوابع پایه نفوذی، توابعی با نمادهای کوچک می باشند که شکل تابع موج را در فاصله دورتر از هسته توصیف می کنند. این نوع توابع برای آنیون های دارای توزیع دانسیته الکترونی بالا و همچنین برای برهمکنش های با دامنه بلند مورد استفاده قرار می گیرند. لازم به ذکر است که توابع نفوذی می توانند همراه با توابع پلاریزه، استفاده شده و به ایجاد سری های پایه 6-31+G و 6-31++G منتهی شوند.
2-6-4 مجموعه های پایه قطبش پذیرمجموعه پایه بهبود یافته با اضافه کردن یک یا دو علامت ستاره نظیر 6-31G**, 6-31G* مشخص می شوند. یک ستاره بیانگر این است که مجموعه ای از توابع اولیه d به اتم های غیر هیدروژنی اضافه می شود. دو ستاره مجموعه ای توابع p را به اتم های هیدروژن اضافه می کند. این نوع توابع، توابع پایه قطبش پذیر نامیده می شوند، زیرا به تابع موج قابلیت انعطاف پذیری بیشتری برای تغییرشکل می دهند.
2-7نرم افزارهای به کار رفته در این مطالعهHyperchem 8.0.3:

شکل (2-1) نمایی از نرم افزار هایپرکم.ساختار تمام مولکول های مورد نظر با استفاده از نرم افزارHyperchem 8.0.3رسم شده است.
Gaussian Viewer Version 5.0.8 :

شکل(2-2) نمایی از نرم افزار گوس ویو.برای رسم ساختارهای مورد نظر جهت اماده کردن فایل های ورودی نرم افزار محاسباتی از Gaussian Viewer Version 3.07 استفاده شده است.
Gaussian 2003 Version:

شکل (2-3) نمایی از نرم افزار گوسیین.به منظور بهینه کردن ساختارهای مورد نظر، تمامی ساختارها با استفاده از نرم افزار(48) Gaussian 2003 Version B.03با مجموعه پایه ها و سطح مناسب بهینه شده اند. مجموعه پایه 6-311G(d,p)(49.50.51) برای تما اتمها به کار رفته است. بهینه کردن ساختار کمپلکسها با استفاده از روش تابعگان چگالی B3LYPانجام شدهاست(52.53.54). آنالیز ارتعاشی نیز برای اطمینان از قرار داشتن کمپلکسها بر روی کمینه انرژی منحنی انرژی پتانسیل یعنی حالت پایه انجام شده است.
تمام داده های خروجی انرژتیک، ساختاری، ویژگی های و دیگر ویژگی ها با استفاده از این نرم افزار صورت گرفت. پس از بهینه کردن ساختارهای مورد نظر داده های طول ها و زوایای پیوندی با استفاده از نرم افزار Gaussian Viewer 3.07 خوانده شده اند. سیمای اوربیتالهای مولکولی نیز با استفاده از این نرم افزار رسم شده‌اند.
Chem Draw Version 9.0.1:

شکل (2-4) نمایی از نرم افزار کم دراو.برای رسم گرافیکی شکل تمام مولکولهای بررسی شده از نرم افزار Chem Draw Version 9.0.1 استفاده شده است.
ویژگی های سخت افزاری
تمام این نرم افزارهاتحت سیستم عامل Windows 7 Ultimateنصب شده اند. محاسبه ها با استفاده از رایانه Intel(R)Core(TM) 2Duo CPU 2.53GHzبا 4GB رم انجام شده است.
فصل سوم: بحث و نتیجه گیری3-1جنبه های پر انرژی (انرژتیک )شکل 3-1 بررسی بنزن و رنگسازهای دارای بورازین را در این پروژه - ریسرچنشان می دهد.

شکل (3-1)فرم رزونانسی رنگسازهای دارای بورازین با گروه های مختلف x .جدول 3-1 محاسبه انرژی، انرژی های نسبی برای تمام مولکول ها را نمایش می دهد. انرژی نسبی نشان می‌دهد که ایزومرB پایدارتر از ایزومر N در تمام گونه ها ست.
جدول (3-1) انرژی مطلق(هارتری)انرژی نسبی(E)ثابت هامت آنها (p)گشتاور دوقطبی رنگسازهای دارای بورازین با گروه های مختلف .xE(N) E(B) E p tot(N) tot(B)
H -551.2612 -551.2867 16.0114 0.00 1.6170 1.1312
F -650.5254 -650.5510 16.0681 0.15 1.5716 0.3888
Cl -1010.883 -1010.9086 15.7131 0.24 2.0451 1.0524
Br -3124.8041 -3124.8291 15.6812 0.23 1.9662 0.9264
OH -626.5042 -626.5308 16.7007 -0.38 3.2086 2.2789
NH2 -606.6340 -606.6614 17.1915 -0.57 3.8899 3.8318
Me -590.5887 -590.6147 16.2763 -0.14 1.9659 1.7426
CN -643.5280 -643.5516 14.8121 0.70 5.2518 4.3900
CF3 -888.4017 -888.4258 15.1485 0.53 5.2419 2.4079
CHO -664.6178 -664.6416 14.9093 - 4.3992 2.9788
COOH -739.8939 -739.9179 15.1083 0.44 3.0916 1.5469
NO2 -755.8200 -755.8431 14.4770 0.81 5.6899 4.6521
یک رابطه خطی خوب بین مقادیر انرژی های نسبی همراه با ثابت هامت آنها((p) ( ADDIN EN.CITE <EndNote><Cite><Author>March</Author><Year>1985</Year><RecNum>82</RecNum><DisplayText><style face="superscript">19</style></DisplayText><record><rec-number>82</rec-number><foreign-keys><key app="EN" db-id="xafwx29p8rax5cefev2vfv0w5d5fedpzzwwv">82</key></foreign-keys><ref-type name="Book">6</ref-type><contributors><authors><author>J. March </author></authors></contributors><titles><title>Advanced Organic Chemistry</title></titles><edition>3rd ed</edition><section>244</section><dates><year>1985</year></dates><pub-location>New York </pub-location><publisher>John Wiley &amp; Sons</publisher><urls></urls></record></Cite></EndNote>19 وجود دارد (شکل 3-2)

شکل (3-2) رابطه انرژی نسبی با ثابت هامت آنها (p).3-2گشتاور دو قطبیمقادیر گشتاور دو قطبی در جدول 1-1 جمع آوری شده است. در حال حاضر مقادیر ایزومر N گشتاور دو قطبی بیشتری از ایزومرB دارند. ارتباط خوبی بین و ثابت هامت آنها (p) نشان داده شده. شکل 3-3 را ببینید.

شکل (3-3) رابطه گشتاور دوقطبی با ثابت هامت(p).3-3قطبش پذیری قطبش پذیری واکنش یک سیستم در میدان الکتریکی اعمال شده را توصیف می کند(20).آن ها نه تنها قدرت فعل و انفعالات مولکولی را تعیین می کنند(21) (همانند القا بلند مدت بین مولکولی، نیروهای پراکندگی و غیره.) بلکه به عنوان مقطع پراکندگی های مختلف و فرایندهای برخورد و همچنین خواص نوری غیر خطی سیستم را تعیین می کند.
قطبش همسانگرد<α> به عنوان مقدار متوسط در معادله زیر محاسبه می شود:
(3-1)
و قطبش پذیری ناهمسانگردی هست:
Δα=(αXX- αYY)2+(αYY- αZZ)2+(αZZ- αXX)2212(3-2)
محاسبه مقادیر قطبش همسانگرد و ناهمسانگرد نشان می دهد این مقادیر در کمپلکس های پایدار کاهش می یابد، همان طور که انتظار می رود از اصول حداقل انرژی و حداقل قطبش پذیری در اکثر موارد (به جز OH، NH2 = x ، جدول(3-2))(22).
جدول (3-2)قطبش همسانگرد و نا همسانگرد رنگسازهای دارای بورازین با گروه های مختلف xB-isomer
xx yy zz <>
H 255.71 146.88 69.02 157.21 162.42
F 257.31 146.22 69.06 157.53 163.91
Cl 298.59 150.04 72.49 173.71 199.00
Br 314.96 153.43 75.96 181.45 211.20
OH 278.63 149.43 70.21 166.09 182.22
NH2 304.09 152.91 72.38 176.47 203.75
ME 289.33 155.58 78.54 174.49 184.74
CN 317.68 150.19 75.19 181.03 215.03
CF3 278.75 153.74 79.25 170.59 174.61
CHO 310.82 158.57 74.32 181.24 207.62
COOH 312.53 160.04 75.68 182.75 207.93
NO2 307.25 160.32 74.23 180.60 204.08
N-isomer
X xx yy zz <>
H 260.78 139.70 73.94 158.14 164.16
F 260.85 139.05 74.10 158.00 164.22
Cl 304.18 144.03 76.04 174.75 202.87
Br 320.34 147.51 79.45 182.44 215.10
OH 277.67 141.71 76.15 165.18 178.03
NH2 297.11 144.44 79.75 173.77 193.31
ME 292.30 148.75 83.39 174.82 185.10
CN 335.43 147.45 74.20 185.70 233.39
CF3 292.31 150.50 78.86 173.90 188.15
CHO 331.83 155.85 73.32 187.01 228.70
COOH 330.59 156.57 75.49 187.56 225.76
NO2 334.72 158.12 72.08 188.31 231.91
از سوی دیگر یک ارتباط خوب بین مقادیر قطبش همسانگرد و ناهمسانگرد با مقادیر نسبی انرژی وجود دارد.(شکل 3-4)

شکل (3-4)رابطه قطبش همسانگرد و نا همسانگرد (iso)N-isomer-(iso)B-isomer and(aniso)N-isomer-(aniso)B-isomer با ثابت هامت(p).3-4آنالیز اوربیتال جبهه اییک ویژگی جالب برای این مولکول ها شکاف انرژی Eg بین بالاترین اوربیتال مولکولی اشغال شده(HOMO) و کمترین اوربیتال مولکولی خالی (LUMO)است. شکاف انرژی به عنوان بازتابی از فعالیت های شیمیایی مولکول در نظر گرفته شده است. مقادیر انرژی اوربیتال جبهه ای در جدول 3-3 جمع آوری شده است.
جدول (3-3)انرژی اوربیتال جبهه ای (هارتری) انرژی شکاف (E) و سختی (S)و پتانسیل شیمیایی رنگسازهای دارای بورازین با گروه های مختلف xB-isomer
HOMO LUMO E S
H -0.2307 -0.0586 4.6814 2.3407 0.2136 -3.9372 3.3113
F -0.2316 -0.0606 4.6529 2.3264 0.2149 -3.9773 3.3999
Cl -0.2345 -0.0670 4.5582 2.2791 0.2193 -4.1036 3.6944
Br -0.2333 -0.0673 4.5193 2.2596 0.2212 -4.0909 3.7032
OH -0.2158 -0.0514 4.4735 2.2367 0.2235 -3.6357 2.9548
NH2 -0.2004 -0.0451 4.2273 2.1136 0.2365 -3.3414 2.6412
ME -0.2242 -0.0553 4.5965 2.2982 0.2175 -3.8044 3.1488
CN -0.2483 -0.0873 4.3799 2.1899 0.2283 -4.5666 4.7612
CF3 -0.2460 -0.0758 4.6327 2.3163 0.2158 -4.3801 4.1412
CHO -0.2444 -0.0893 4.2194 2.1097 0.2369 -4.5416 4.8884
COOH -0.2418 -0.0813 4.3685 2.1842 0.2289 -4.3973 4.4264
NO2 -0.2545 -0.1051 4.0651 2.0325 0.2459 -4.8930 5.8895
N-isomer
HOMO LUMO E S
H -0.2092 -0.0381 4.6550 2.3275 0.2148 -3.3653 2.4330
F -0.2109 -0.0401 4.6477 2.3238 0.21515 -3.4161 2.5109
Cl -0.2140 -0.0471 4.5407 2.2703 0.2202 -3.5542 2.7820
Br -0.2135 -0.0475 4.5171 2.2585 0.2213 -3.5516 2.7925
OH -0.1976 -0.0312 4.5255 2.2627 0.2209 -3.1142 2.1430
NH2 -0.1853 -0.0256 4.3456 2.1728 0.2301 -2.8719 1.8979
ME -0.2041 -0.0351 4.5968 2.2984 0.2175 -3.2554 2.3054
CN -0.2252 -0.0695 4.2360 2.1180 0.2360 -4.0116 3.7991
CF3 -0.2223 -0.0569 4.5007 2.2503 0.2221 -3.8009 3.2098
CHO -0.2212 -0.0735 4.0202 2.0101 0.2487 -4.0109 4.0017
COOH -0.2188 -0.0645 4.1990 2.0995 0.2381 -3.8562 3.5415
NO2 -0.2301 -0.0918 3.7628 1.8814 0.2657 -4.3816 5.1021
این مقادیر نشان می دهند مقادیر انرژی HOMOو LUMO در استخلاف های مولکولی کاهش می یابد، به جز OH,NH2،Me = x. همچنین این مقادیر درایزومر پایدارتر کاهش می یابد. شکل 3-5رابطه خطی بین انرژی اوربیتال مرزی و مقادیر ثابت هامت را ارائه می دهد.

شکل (3-5)رابطه اوربیتال جبهه ای با انرژی نسبی.جدول 3-3 شکاف HOMO-LUMO تمامی ساختارها را نمایش می دهد. این مقادیر جایگزینی از علل کاهش شکاف انرژی را از سوی دیگر محاسبات شکاف مقادیری را نشان می دهد، که این مقادیر افزایش پیدا می کند در ایزومر پایدارتر، همانطور که انتظار می رود از اصول انرژی حداقل و حداکثر سختی در اکثر موارد انتظاری می رود (به جز OH، NH2 = x و جدول 3-3) ارتباط خوبی در میان مقادیر سختی نسبی با مقادیر ثابت وجود دارد. (شکل3-6)

شکل (3-6)رابطه بین مقادیر سختی و ثابت هامت (به جز OH,Me,NH2 )به منظور ارزیابی پتانسیل شیمیایی ()از این کمپلکس ها، این مقایر را می توان از انرژی های اوربیتال HOMOو LUMO با استفاده از بیان تقریبی زیر محاسبه کرد(23)و(24):
=(HOMO + LUMO)/2
این مقادیر نشان می دهد که ایزومر پایدارتر دارای پتانسیل شیمیایی کمتری است.
برای محاسبه الکترو فیلیسیتی از این کمپلکس ها، شاخص، با استفاده از عبارت زیر محاسبه می شود:
ω=μ22ηمقادیر شاخص الکترو فیلیسیتی در جدول 3-3 نشان می دهد ایزومر پایدارتر بزرگترین الکترو فیلیسیتی را دارد.
3-5تجزیه و تحلیل ساختاریشکل هندسی بهینه سازی شده رنگسازی های دارای بورازین مورد مطالعه در کار با برچسب زدن اتم در شکل3-1 نشان داده شده است. همه مولکول های مورد مطالعه اساساً غیر مسطح هستند. جدول 3-4 نشان می دهد داده های ساختاری انتخاب شده برای ساختارهای بهینه شده با گروه های مختلف x.
این مقادیر نشان می دهد که باندهای C1C2، C3C4، C5C6 بلندتر هستند در حالی که باندهای B1N2 و B3N3 کوتاه ترند. این تغییرات در طول باند نشان می دهد سهم بیشتر ساختار رزونانسی یونی ناآروماتیک را نشان می دهد.
جدول (3-4)حداکثر طول موج جذب شده(max)،قدرت نوسانگر رنگسازهای دارای بورازین با گروه های مختلف xB-isomer
X B1 N1 N1B2 B2N2 N2B3 B3N3 N3B1 B1C2’ C1’C2’ C1’C1 C1C2 C2C3 C3C4 C4C5 C5C6 C6C1
H 1.439 1.428 1.429 1.430 1.427 1.438 1.559 1.345 1.469 1.404 1.391 1.392 1.396 1.388 1.406
F 1.438 1.428 1.429 1.430 1.427 1.438 1.559 1.345 1.469 1.404 1.391 1.385 1.389 1.387 1.406
Cl 1.438 1.428 1.429 1.430 1.427 1.438 1.560 1.345 1.469 1.403 1.391 1.389 1.393 1.387 1.405
Br 1.438 1.428 1.429 1.430 1.427 1.438 1.560 1.345 1.469 1.403 1.391 1.390 1.394 1.388 1.405
OH 1.440 1.427 1.430 1.430 1.426 1.440 1.557 1.346 1.466 1.402 1.390 1.395 1.400 1.384 1.408
NH2 1441 1.426 1.430 1.431 1.425 1.441 1.555 1.348 1.463 1.405 1.387 1.403 1.407 1.383 1.407
ME 1.439 1.427 1.429 1.430 1.426 1.439 1.558 1.346 1.468 1.402 1.392 1.396 1.403 1.386 1.406
CN 1.436 1.429 1.429 1.430 1.428 1.436 1.563 1.345 1.469 1.405 1.387 1.401 1.405 1.384 1.406
CF3 1.437 1.429 1.429 1.430 1.428 1.437 1.562 1.344 1.470 1.403 1.390 1.393 1.398 1.385 1.406
CHO 1.437 1.429 1.429 1.430 1.428 1.437 1.562 1.345 1.468 1.405 1.389 1.397 1.403 1.382 1.410
COOH 1.437 1.429 1.429 1.430 1.428 1.437 1.562 1.345 1.469 1.405 1.388 1.398 1.401 1.384 1.407
NO2 1.436 1.480 1.429 1.430 1.429 1.436 1.564 1.345 1.469 1.406 1.388 1.390 1.393 1.388 1.407
N-isomer
X N1 B1 B1N2 N2B2 B2N3 N3B3 B3N1 N1C2’ C1’C2’ C1’C1 C1C2 C2C3 C3C4 C4C5 C5C6 C6C1
H 1.445 1.424 1.428 1.429 1.425 1.447 1.417 1.340 1.468 1.405 1.391 1.393 1.395 1.389 1.406
F 1.445 1.424 1.428 1.429 1.425 1.447 1.417 1.340 1.468 1.405 1.391 1.385 1.388 1.389 1.406
Cl 1.446 1.423 1.428 1.429 1.424 1.448 1.415 1.341 1.466 1.405 1.390 1.389 1.392 1.388 1.406
Br 1.446 1.423 1.428 1.429 1.424 1.448 1.415 1.341 1.466 1.405 1.391 1.390 1.392 1.389 1.406
OH 1.444 1.425 1.428 1.428 1.426 1.446 1.420 1.340 1.467 1.403 1.391 1.394 1.398 1.386 1.408
NH2 1.443 1.425 1.428 1.428 1.427 1.445 1.421 1.340 1.466 1.404 1.388 1.402 1.404 1.386 1.406
ME 1.444 1.425 1.428 1.429 1.425 1.446 1.418 1.340 1.467 1.402 1.392 1.396 1.402 1.387 1.407
CN 1.448 1.422 1.428 1.430 1.422 1.450 1.411 1.343 1.463 1.407 1.386 1.402 1.405 1.384 1.409
CF3 1.447 1.423 1.428 1.430 1.423 1.449 1.413 1.342 1.465 1.405 1.389 1.393 1.397 1.386 1.408
CHO 1.448 1.422 1.428 1.430 1.423 1.450 1.412 1.343 1.462 1.407 1.388 1.397 1.404 1.381 1.413
COOH 1.447 1.423 1.428 1.430 1.423 1.449 1.413 1.342 1.464 1.407 1.387 1.398 1.401 1.383 1.409
NO2 1.449 1.422 1.428 1.430 1.422 1.451 1.410 1.343 1.462 1.409 1.386 1.391 1.394 1.384 1.410
3-6طیف های الکترونیشدیدترین انتقال الکترونی (max) از مولکولها را یافتیم. طول موج، مقاومت نوسانگر، ترکیب انتقالات توسط محاسبات TD-DFT به دست آمده در جدول 3-5داده شده است. این محاسبات نشان دهنده کاهش max در ایزومر B هست.
جدول (3-5)مقادیر اجزا و tot(10-30 esu) رنگسازهای دارای بورازین با گروه های مختلف xN-isomer B-isomer
Character max f max F
H HOMOLUMO 286.95 0.6877 277.81 0.8117
F HOMOLUMO 288.60 0.5803 279.87 0.7579
Cl HOMOLUMO 294.37 0.7667 286.60 0.8986
Br HOMOLUMO 296.29 0.8082 290.02 0.9224
OH HOMOLUMO 296.39 0.5979 290.45 0.8057
NH2 HOMOLUMO 308.24 0.6218 306.66 0.8390
ME HOMOLUMO 290.82 0.7622 283.37 0.9175
CN HOMOLUMO 309.30 0.9708 295.71 0.9774
CF3 HOMOLUMO 294.60 0.8166 281.36 0.8660
CHO HOMOLUMO 323.59 0.9312 306.52 0.9179
COOH HOMOLUMO 313.42 0.9459 298.05 0.9504
NO2 HOMOLUMO 352.16 0.6839 326.03 0.6617
یک ارتباط خوب بین pوmax(=max, N-isomer -max, B-isomer) وجود دارد برای تمامی استخلاف ها، به جز Br و CN و Cl = x (شکل 3-7) شدیدترین انتقال الکترونی برای همه مولکول ها به انتقالات HOMO-LUMO نسبت داده می شود.

شکل (3-7)رابطه بینmax(=max, N-isomer -max, B-isomer) و ثابت هامت(p)،به جز (Cl, CN, Br).3-7فوق قطبش پذیریاولین مقادیر فوق قطبش پذیری استاتیک(tot) برای همه مولکول ها در جدول 3-6 نشان داده شده است.
جدول (3-6) اجزاء و مقادیر tot(10-30 esu) برای رنگسازهای دارای بورازین با گروهای مختلف X-B-isomer
X H F Cl Br Me NH2 CN COOH CHO NO2 CF3 OH
βXXX 27.92 26.61 21.49 20.99 29.33 57.02 15.42 4.93 68.14 3.67 10.33 48.85
βXXY -9.91 -13.85 -11.08 -10.08 -33.26 -24.01 -6.88 -1.79 -25.08 -4.08 -7.31 -21.73
βXYY 4.12 1.54 -0.66 0.10 10.95 7.76 -1.39 3.56 14.93 3.49 1.20 4.83
βYYY 4.43 7.11 10.78 9.09 16.90 10.21 7.00 0.90 -5.81 3.09 3.94 3.26
βXXZ -42.46 -46.68 -19.80 -7.01 -63.98 -78.85 -6.25 20.84 -24.35 22.80 0.61 -65.60
βXYZ 22.02 30.45 21.38 13.69 22.40 35.23 14.20 0.84 23.86 -1.27 14.17 39.39
βYYZ 17.17 21.99 33.30 37.40 -13.14 32.28 43.58 47.38 30.67 47.21 41.22 24.84
βXZZ -73.27 -125.84 -127.38 -144.89 -119.27 -341.15 49.14 127.63 158.15 247.97 -0.65 -214.01
βYZZ 44.32 74.29 86.67 94.46 76.66 298.37 -25.12 -83.97 -92.64 -156.04 -0.49 96.98
βZZZ 702.19 1222.74 1411.03 1642.97 1291.75 3344.65 -265.34 -959.81 -1360.79 -2515.21 192.77 2159.49
βtot 5.87E-30 1.04E-29 1.24E-29 1.45E-29 1.05E-29 2.87E-29 2.06E-30 7.83E-30 1.19E-29 2.13E-29 2.03E-30 1.84E-29
βtot10-30 5.87 10.4 12.36 14.52 10.53 28.7 2.06 7.83 11.93 21.28 2.03 18.37
X H F Cl Br Me NH2 CN COOH CHO NO2 CF3 OH
βXXX 247.31 -62.44 -70.46 -71.57 -72.78 -52.44 -78.01 -84.23 -28.74 -83.25 -73.97 -54.15
βXXY 56.14 1.42 8.41 10.24 -10.93 0.55 19.91 25.08 1.05 23.13 18.90 -7.18
βXYY -118.15 6.78 -0.60 -1.83 14.06 10.16 -6.89 -4.92 5.59 -2.67 -7.83 9.90
βYYY 10.69 1.80 9.41 11.30 14.80 10.00 4.63 1.12 -4.83 2.69 5.99 1.17
βXXZ -16.83 130.47 168.08 183.09 121.68 124.45 205.88 231.36 196.48 2.22 191.36 124.20
βXYZ 55.60 32.42 15.30 6.60 15.46 46.48 -19.69 -35.69 -19.04 -47.56 -14.32 48.57
βYYZ -4.49 -3.04 16.05 20.13 -32.96 -17.82 33.65 33.20 21.67 41.72 31.66 -9.35
βXZZ -24.05 -10.19 13.26 10.97 -1.53 -104.13 152.54 207.31 219.93 324.39 81.17 -56.11
βYZZ 1.08 10.43 -1.62 -0.20 1.07 172.54 -117.38 -169.26 -174.82 -266.02 -73.68 27.66
βZZZ 7.03 234.41 79.71 157.52 59.52 1848.99 -2007.88 -2856.46 -3397.78 -5040.28 -1030.40 979.37
βtot 1.09E-30 3.18E-30 2.34E-30 3.17E-30 1.38E-30 1.70E-29 1.53E-29 2.25E-29 2.76E-29 4.33E-29 6.99E-30 9.50E-30
βtot10-30 1.09 3.18 2.34 3.17 1.38 17.02 15.31 22.45 27.57 43.27 6.99 9.5
N-isomer
نتایج نشان می دهد که بزرگی اولین تنسور فوق قطبش پذیری همه مولکول ها نسبتاً متوسط است و NO2 و NH2 بیشترین مقدار ایزومر N و B را به ترتیب دارند. همچنین این مقادیر نشان می دهد اولین مقدار فوق قطبش پذیری ایزومر بیشتر از ایزومر B با خروج استخلافات هستند. از سوی دیگر این مقادیر ایزومر N کمتر از ایزومر β با استخلافات دهنده هستند.
یک ارتباط خوب بین tot و max در ایزومر N برای همه استخلافات نشان داده شده است (شکل 3-8). اما ارتباط مشابهی در ایزومر B برای استخلاف های دهنده و خارج کردن استخلاف ها وجود دارد.

شکل (3-8)رابطه بین اولین قطبش پذیری(tot) و max.
نتیجه کلی:مطالعه خواص الکتریکی، ساختاری، اسپکتروسکوپی و همچنین به عنوان اولین فوق قطبش پذیری استاتیک رنگسازها دارای بورازین نشان داد پایداری ایزومر B از گونه N بیشتر است. کاهش مقادیر قطبش همسانگرد و ناهمسانگرد و افزایش مقادیر شکاف HOMO-LUMO در کمپلکس های پایدار ناسازگار با اصول انرژی حداقل و قطبش حداقل در اکثر موارد بود (به جز OH،NH2 = x).
محاسبات نشان داد که شدیدترین جهش الکترونی با توجه به انتقال HOMOLUMO در همه مولکول هاست.
مطالعات تئوری نشان داد استخلاف های گیرنده (پذیرنده) باعث افزایش مقادیر اولین فوق قطبش پذیری در ایزومر N نسبت به ایزومر B می باشد، این مقادیر در ایزومر N کمتر از ایزومر B با استخلاف دهنده است.

کارهای آیندهبر اساس مطالعه انجام شده و نتیجه های به دست آمده می توان کارهای زیر را در ادامه این مطالعه پیشنهاد نمود:
بررسی اثر نوع مجموعه پایه،روش محاسباتی بر روی ساختارهای مورد نظر.
بررسی اثر حلال بر روی خواص و ساختار گونه های بررسی شده.
بررسی ساختارو خواص دیگر رنگسازهای دارای حلقه آروماتیک معدنی.
بررسی اثر طول زنجیر کربن-کربنی بر روی ساختار و خواص رنگساز.

مراجع ADDIN EN.REFLIST (1) C. D.Dimitrakopolous,; P.Malenfant, Adv. Mater.14(2002)pp 99-114.
(2) D. R.Kanis,; M. A.Ratner,; T. J.Marks, Journal of Organometallic Chemistry 614–615 (2000) pp 309–313(3) P. J.Mendes,; T. J. L.Silva,; A. J. P.Carvalho,; J. P. P.Ramalho, Journal of Molecular Structure: THEOCHEM (2010)pp 33–42.(4) D.Avcı,; A.Basoglu,; YAtalay, Struct Chem (2010)pp227-234.(5) M.Medved,; S.Budzák,; I. Cernušák, Journal of Molecular Structure: THEOCHEM ,961 (2010),pp194-201.
(6) W.Bartkowiak,; K.Strasburger, Journal of Molecular Structure: THEOCHEM 960 (2010) pp 93–97 .
(7) Souza, L. A. D.; Jr., A. M. D. S.; Junqueira, G. M. A.; Carvalho, A. C. M.; Santos, H. F. D. Journal of Molecular Structure: THEOCHEM (2010), 92-101.(8) A.Karton,; M. A.Iron,; M. E. v. d.Boom,; J. M. LMartin,. J. Phys. Chem. A (2005)pp109-113.
(9) P. C.Ray, Chemical Physics Letters (2004)pp, 354-359.(10) A.Hameed,; A.Rybarczyk-Pirek,; J.Zakrzewski, Journal of Organometallic Chemistry (2002)pp 315-317.
(11) M. J.Frisch,; G. W.Trucks,; H. B.Schlegel,; G. E.Scuseria,; M. A.Robb,; J. R.Cheeseman, Gaussian, Inc., Pittsburgh PA, (2003).(12) J. S.Dewar, M.; C. H.Reynolds, J. Comp. Chem.(1986),pp141-146.(13) K.Raghavachari,; J. A.Pople,; E. S.Replogle,; M.Head-Gordon, J. Phys. Chem. A (1990)pp 94-101.(14) A. D.McLean,; G. S.Chandler, J. Chem. Phys. (1980)pp 72-77.(15) R.Krishnan,; J. S.Binkley, R.Seeger, J. A.Pople, J. Chem. Phys. (1980)pp645- 650.(16) A. D.Becke, J. Chem. Phys (1993)pp 98-104.(17) D. A.Keleiman, Phy. Rev. (1962) pp 126-129.
(18) E.Runge, E. K. UGross,. Phys. Rev. Lett. (1984)pp 52-59.(19) J.March, Advanced Organic Chemistry; 3rd ed ed.; John Wiley & Sons: New York 1985.(20) C. R.Zhang,; H. S.Chen,; G. H.Wang, Chem. Res. Chinese (2004)pp 20-28.(21) Cheng, H.; Feng, J.; Ren, A.; Liu, J. Acta Chim. Sin. 2002, 60, 830.(22) Roy, D. R.; Chattaraj, P. K. r. J. Phys. Chem. A 2008, 112, 1612.(23) Pearson, R. G. Chemical Hardness; Wiley-VCH: Oxford, 1997.(24) Parr, R. G.; Yang, W. Density-Functional Theory of Atoms and Molecules; Oxford University Press: New York, 1989.(25) M. Hofmann, P.v.R. Schleyer, Inorg. Chem. 1999, 38, 652; (b) M. Unverzagt, H.J. Winkler, M.Brock, M. Hofmann, P.v.R. Schleyer, W. Massa, A. Berndt, Angew. Chem., Int. Ed. Engl. 1997, 36, 853.(26)P . von R. Schleyer, C. Maerker, A. Dransfeld, H. Jiao, N. J. R. Van Eikema-Hommes, J. Am. Chem. Soc. 1996, 118, 6317.
(27)K.Michatl .Cyrañski, M.Tadeusz. Krygowski, M. Wisiorowski, Nicolaas J. R. van Eikema Hommes, Paul von Ragué Schleyer, Angewandte Chemie internl. Ed., (1998) pp 37-41.
(28) P. Von, R. Schleyer, H. Jiao, N. J. R. Van Eikema-Hommes, V. G.Malkin, O. L. Malkina, J. Am. Chem. Soc. (1997)pp 119-224.
(29)C. Corminboeuf, Th. Heine, G.Seifert, P.von Ragué Schleyer and Jacques Weber,  Phys. Chem. Chem. Phys., (2004)pp 273-284.
(30) C. Corminboeuf, Th. Heine, G.Seifert, P.von Ragué Schleyer and Jacques Weber,  Phys. Chem. Chem. Phys., (2004)pp 273-284.
(31) C R. Miao, G. Yang, C. Zhao, J. Hong, L. Zhu, J. Mol. Struct.:(THEOCHEM), (2005)pp 715-722.
(32)V. G.Malkin,; O. L.Malkina, L. A.Eriksson,; D. R. Salahub, J .Am. Chem. Soc. (1994)pp 116-124.
(33) (a)W. H. Flygare, Chem. Rev. 1974, 74, 653. (b)D. H. Hutter, W. H. Flygare, Top. Curr. Chem. (1976)pp 63-69.
(34) T. A. R. FKeith,. W. Bader, Chem. Phys. Lett. (1993)pp 210-223.
(35) H. J. Dauben, Jr., J. D.Wilson, J. L. Laity, J. Am. Chem. Soc. (1968)pp 90-95.
(36) The delocalization index is a measure of the number of electrons that are shared or exchanged between two atoms or basins. Integration of the Fermi hole density leads to the localization index (LI) and delocalization index. For more information see F--era, X.; Austen, M. A.; Bader, R. F. W.; J. Phys. Chem. A 1999, 103, 304; Merino, G.; Vela, A.; Heine, T.; Chem. Rev. (2005)pp 105-114.
(37) (a)R. W. F. Bader. Atoms in molecules: A quantum Theory; Claredon: Oxford, 1990.(b) R. W. F. Bader. Acc. Chem. Res. 1985,18, 9.(c) R. W. F. Bader. Chem. Rev. (1991)pp 91-98.
(38)J.Poater,; Solà, M., Duran, M.; F--era, X.; J. Chem.Phys.A (2001)pp 105-111.
(39) J.Poater,; X.F--era,; M.Duran,; M.Solà,; Chem. Eur. J. (2003)pp 422-426.
(40)density, degeneracy and delocalization-bases index of aromaticity
Caio L. Firme, Sergio E. Galembeck, O. A. C. Antunesa and Pierre M. Esteves J. Braz. Chem. Soc., (2007)pp 18-24.
(41)(a) P.v.R. Schleyer. Chem. Rev 2001,101,1115.(b)T.M. Krygowski, B. T. Stepiern, Chem. Rev., (2005) pp105-109.
(42)Stock A., Pohland E (1926). "Boric acid solution, VIII Regarding knowledge of B2H6 and B5H11".HYPERLINK "http://en.wikipedia.org/wiki/Berichte"Berichte (59): 2210–2215.
(43)Polymeric precursors to boron based ceramics Larry G. Sneddon, Mario G. L. Mirabelli, Anne T. Lynch, Paul J. Fazen, Kai Su, and Jeffrey S. Beckdon, Pure & Appl. Chem., 63, (1991)pp 407-413.
(44)Jong-Kyu Jeon, Yuko Uchimaru, and Dong-Pyo Kim Inorg. Chem., 43 ,(2004)pp 479-488.
(45)M. L. H.Green,; S. R.Marder,; M. E.Thompson,; J. A.Bandy,;Bloor, D.; P. V.Kolinsky,; R. J. Jones, Nature (London) (1987)pp 360-362.
(46)A. Karton, A.Mark Iron, E.Milko. van der Boom,* and Jan M. L. M J. Phys. Chem. A 2005, 109, 5454-5462, and references in it
(47) R. W. Boyd, Nonlinear Optics, 2nd ed.; Academic Press: SanDiego, CA, 2003.(53) Dalton, L. R. J. Phys.: Condens. Matter 2003, 15, R897-R934.(54) van der Boom, M. E. Angew. Chem., Int. Ed. 2002, 41, 3363-3366.(55) van der Boom, M. E.; Marks, T. J. Layer-by-Layer Assembly of
Molecular Materials for Electrooptical Applications. In Polymers forMicroelectronics and Nanoelectronics; Lin, Q., Ed.; ACS Symposium Series
874; American Chemical Society: Washington, DC, 2004; pp 30-43.
(48)risch, M. J.; Trucks, G. W.; Schlegel, H. B.; Scuseria, G. E.; Robb, M. A.; Cheeseman, J. R.; Montgomery, J. A.; Jr.; Vreven, T.; Kudin, K. N.; Burant, J. C.; Millam, J. M.; Iyengar, S. S.; Tomasi, J.; Barone, V.; Mennucci, B.; Cossi, M.; Scalmani, G.; Rega, N.; Petersson, G. A.; Nakatsuji, H.; Hada, M.; Ehara, M.; Toyota, K.; Fukuda, R.; Hasegawa, J.; Ishida, M.; Nakajima, T.; Honda, Y.; Kitao, O.; Nakai, H.; Klene, M.; Li, X.; Knox, J. E.; Hratchian, H. P.; Cross, J. B.; Adamo, C.; Jaramillo, J.; Gomperts, R.; Stratmann, R. E.; Yazyev, O.; Austin, A. J.; Cammi, R.; Pomelli, C.; Ochterski, J. W.; Ayala, P. Y.; Morokuma, K.; Voth, G. A.; Salvador, P.; Dannenberg, J. J.; Zakrzewski, V. G.; Dapprich, S.; Daniels, A. D.; Strain, M. C.; Farkas, O.; Malick, D. K.; Rabuck, A. D.; Raghavachari, K.; Foresman, J. B.; Ortiz, J. V.; Cui, Q.; Baboul, A. G.; Clifford, S.; Cioslowski, J.; Stefanov, B. B.; Liu, G.; Liashenko, A.; Piskorz, P.; Komaromi, I.; Martin, R. L.; Fox, D. J.; Keith, T.; Al-Laham, M. A.; Peng, C. Y.; Nanayakkara, A.; Challacombe, M.; Gill, P. M. W.; Johnson, B.; Chen, W.; Wong, M. W.; Gonzalez, C.; Pople, J. A. Gaussian 03, Revision B.03; Gaussian, Inc., Pittsburgh PA,: 2003.
(49)R. Ditchfield, W. J. Hehre, J. A. Pople, J. Chem. Phys 54 (1971) pp 724-733.
(50)P. C. Hariharan, J. A. Pople, Mol. Phys 27 (1974) 209-212.
(51)M. S. Gordon, Chem. Phys. Lett. 76 (1980) pp 163-175.
(52) C. C. J. Roothan, "New Developments in Molecular Orbital Theory," Rev. Mod.Phys. 23, (1951).pp69-77.(53) J. A. Pople and R. K. Nesbet, "Self-Consistent Orbitals for Radicals," J. Chem. Phys. 22, (1954) pp571-584.
(54) R. McWeeny and G. Dierksen, J. Chem. Phys., (1968)pp49-56.

نمونههایی از فایلهای ورودی فایل ورودی برای بهینه کردن ساختار و محاسبه فرکانسهای ارتعاشی و فوق قطبش پذیری
%chk=o1-OH.chk
%mem=6MW
%nproc=1
# rb3lyp/6-311g(d,p) opt freq
Title Card Required
0 1
B
N 1 B1
B 2 B2 1 A1
N 3 B3 2 A2 1 D1 0
B 4 B4 3 A3 2 D2 0

–371

1-5-1- عوامل موثر بر تبلور زئولیت ZSM-5................................................................................21
1-5-1-1-نسبت سیلیس به الومینیوم در ژل....................................................................................22
1-5-1-2- نسبت تمپلت به سیلیس در ژل......................................................................................23
1-5-1-3-نسبت آب به سیلیس در ژل...........................................................................................24
1-5-1-4-نسبت فلز به سیلیس در ژل.............................................................................................24
1-5-1-5- نسبت هیدروکسی به سیلیس در ژل...............................................................................25
1-5-1-6 منبع سیلیس ...................................................................................................................25
1-5-2- تاثیر پارامترهای مختلف بر مورفولوژی زئولیت...................................................................26
1-5-3-سنتز ZSM-5 در حضور آمین ..........................................................................................26
1-5-4- سنتز زئولیت ZSM-5 در حضور الکل .............................................................................27
1-6-طیف بینی جذب مادون قرمز ...............................................................28
1-6-1- ناحیه مادون قرمز .............................................................................................................29
1-6-2- طیف بینی مادون قرمز تبدیل فوریه....................................................................................31
1-6-3- نمونه گذاری در طیف سنجی مادون قرمز.........................................................................32
1-7- طیف سنجی انعکاسی پخشی...............................................................33
1-8- طیف سنجی رزونانس مغناطیسی هسته NMR.......................................34
1-8-1- طیف سنجی رزونانس مغناطیسی هسته ای تبدیل فوریه تپشی ..............................................37
1-8-2- قاعده شکاف اسپین- اسپین...............................................................................................37
1-8-2-1- هسته کربن -13 .........................................................................................................38
1-8-2-2- تغییرات مکانی کربن -13...........................................................................................38
1-9 شیمی سنجی ......................................................................................39
1-9-1- طراحی ازمایش...............................................................................................................40
1-9-1-1- تعریف فرایند .............................................................................................................40
1-9-1-2- غربال کردن................................................................................................................40
1-9-1-3- انواعی از روش های طراحی فاکتورها ........................................................................41
1-9-1-4- بهینه سازی..................................................................................................................41
1-9-1-5- کاهش زمان بری......................................................................................................... 41
1-9-1-6- مدل سازی کمی ..........................................................................................................42
1-9-1-7-روش سطح پاسخ..........................................................................................................42
1-9-2- پردازش های چند متغیره....................................................................................................43
1-9-2-1- آنالیز فاکتوری............................................................................................................. 44
1-9-2-2- آنالیز فاکتوری تکاملی (EFA) .....................................................................................44
1-9-2-3- روش های انالیز نرم.......................................................................................................45
1-9-2-4- تکنیک منحنی چند متغیره –حداقل مربعات متناوب MCR-ALS..................................45
1-9-2-5- الگوریتم اجرای تکنیک MCR-ALS...........................................................................47
فصل دوم : بخش تجربی
2-1 مواد مورد استفاده .........................................................................................49
2-1-1- مواد مورد استفاده برای سنتز سورفکتنت متقارن و نامتقارن.................................................49
2-1-2- مواد مورد استفاده برای سنتز نانو شیت زئولیت ZSM-5....................................................49
2-1-3- مواد مورد استفاده برای اصلاح نانو شیت زئولیت با نافلزی نظیر فسفر ................................50
2-3-نرم افزارها .........................................................................................................................................51
2-4- سنتز سورفکتنت نامتقارن..............................................................................52
2-5- سنتز سورفکتنت متقارن...........................................................................................53
2--6 سنتز نانو شیت ZSM-5.................................................................................54
2-7- اصلاح نانوشیت ZSM-5 با فسفر ...................................................................58
2-8- روش های خصوصیت سنجی نانو شیت های سنتز شده ................................61
2-8-1-تجزیه و تحلیل به وسیله پراش پرتو -X.............................................................................61
2-8 -2-میکروسکوپ الکترونی روبشی .......................................................................................62
2-8-3- میکروسکوپ الکترونی عبوری........................................................................................63
2-8-4- انالیز ساختارتخلخل ها و اندازه گیری مساحت سطح از طریق جذب گاز N2 ...................64
2-8-5-خصوصیت سنجی با طیف سنجی مادون قرمز ...................................................................64
فصل سوم : نتایج و بحث
3-1- نتایج CNMR13 سورفکتنت های سنتز شده ............................................65
3-2- نتایج انالیز XRD وSEM برای نانو شیت سنتز شده با سورفکتنت متقارن و نامتقارن...................69
3-3- نتایج خصوصیت سنجی نانو شیت زئولیت با میکروسکوپ الکترونی روبشی ...........................71
3-4 نتایج خصوصیت سنجی نانو شیت زئولیت با میکروسکوپ الکترونی عبوری ..............................76
3-5 نتایج خصوصیت سنجی با پراش پرتو -X.............................................................................77
3-6- نتایج طراحی آزمایش .......................................................................................................82
3-6-1- آنالیز واریانس ...........................................................................................................................82
3-6-2- نمودار پارتو ..............................................................................................................................83
3-6-3- تاثیر فاکتورهای اصلی ...............................................................................................................84
3-6-4- ضریب رگرسیون بر اورد شده ..................................................................................................85
3-6-5- پاسخ بهینه ..................................................................................................................................87
3-7- نتایج انالیز نانو شیت سنتز شده با شرایط بهینه ............................................................92
3-8- نتایج جذب فسفر .....................................................................................................95
3-9- استفاده از طیف سنجی IR و روش تفکیک منحنی چند متغیره با کمترین مربعات تناوبی برای تحلیل روند سنتز نانو شیت زئولت ZSM-5................................................................96
3-10-نتیجه گیری ...........................................................................................................100
3-11-پیشنهادها ...............................................................................................................101
فهرست منابع و ماخذ.................................................................................................................................103
فهرست جدوال ها
عنوانصفحه
جدول 1-1: مثال های نانو مواد و اندازه ی آن ها ......................................................................5
جدول 2-1: مقدار بیشینه و کمینه فاکتورهایدر طراحی آزمایش................................................56
جدول 2-2: نتایج طراحی آزمایش ..........................................................................................57
جدول 3-1: نتایج ضخامت لایه های بدست امده به روش نرم افزاری .......................................76
جدول 3-2:آنالیز واریانس برای پاسخ.......................................................................................83
جدول 3-3 : ضریب رگرسیون براورد شده برای پاسخ ..............................................................86
جدول 3-4: شرایط بهینه محاسبه شده توسط نرم افزار.................................................................91
فهرست شکل ها
عنوان صفحه
1-1: انواع سیلیکا بر اساس اندازه .................................................................................................8
1-2: دسته بندی آیوپاک بر اساس اندازه حفره ............................................................................8
1-3: نوع تخلخل ها براساس شکل و موقعیت ..............................................................................9
1-4:نانو حفره های تولید شده در الومینا ......................................................................................10
1-5: محصولات قابل تولید با فرایند سل ژل................................................................................11
1-6: شمایی از سنتز هیدروترمال ................................................................................................13
1-7: سنتز زئولیت ZSM-5 به روش فضای محبوس ...................................................................15
1-8: شمایی از روند سنتز نانو ذرات با استفاده از روش میکرو امولسیون ......................................16
1-9: برخی از زئولیت های رایج ................................................................................................18
1-10: ساختار کانالی زئولیت ZSM-5.......................................................................................20
1-11: مکانیسم هسته زایی زئولیت ZSM-5 ..............................................................................21
1-12: طرز قرار گرفتن سورفکتنت در کانال های زئولیت ..........................................................23
1-13:مکانیسم عمومی سنتز زئولیت ..........................................................................................28
1-14: شمایی از یک طیف مادون قرمز .....................................................................................30
1-15: تصویر طیف سنجی تبدیل فوریه ....................................................................................31
1-16: شمایی از بازتابش ها در مادون قرمز ...............................................................................33
1-17: مکانیسم ایجاد بازتابش انعکاسی – پخشی .......................................................................34
1-18: حالت های اسپین انرژی..................................................................................................35
1-19:شمایی از یک میدان مغناطیسی ثانویه در اتم ....................................................................36
1-20: نمونه ای از شکاف اسپین –اسپین ...................................................................................37
1-21: تغییرات مکان شیمیایی کربن ..........................................................................................38
2-1: مکانیسم سنتز سورفکتنت نامتقارن ................................................................................... 53
2-2:مکانیسم سنتز سورفکتنت متقارن .......................................................................................54
2-3: نحوه ی تبادل سورفکتنت با سطح زئولیت .........................................................................60
2-4: نمونه ای از طیف XRD برای نانو شیت زئولیت ZSM-5....................................................62
2-5 : برهمکنش پرتوی الکترونی و نمونه...................................................................................63
3-1: ساختار دابکو ....................................................................................................................65
3-2: ساختار C6-D ...................................................................................................................66
3-3: ساختار سورفکتنت نامتقارن ..............................................................................................66
3-4: طیف CNMRبرای سورفکتنت نامتقارن ...........................................................................67
3-5: ساختار سورفکتنت متقارن ................................................................................................68
3-6: طیف CNMRبرای سورفکتنت متقارن .............................................................................69
3-7: الگوی پراش X برای نانو شیت زئولیت با استفاده از سورفکتنت نامتقارن ............................69
3-8: تصویر SEM برای سورفکتنت نامتقارن ............................................................................70
3-9: الگوی پراش X برای نانو شیت زئولیت با استفاده از سورفکتنت متقارن...............................70
3-10: تصویر SEM برای سورفکتنت متقارن.............................................................................71
3-11: تصویر SEM برای Run1...............................................................................................72
3-12: تصویر SEMبرای Run2...............................................................................................72
3-13: تصویر SEMبرای Run3...............................................................................................73
3-14: تصویر SEM برای Run5...............................................................................................73
3-15: تصویر SEMبرای Run6...............................................................................................74
3-16: تصویر SEMبرای Run7...............................................................................................74
3-17: تصویر SEMبرای Run9...............................................................................................75
3-18: تصویر SEMبرای Run14............................................................................................75
3-19: تصویر MET برای Run1.............................................................................................76
3-20:الگوی پراش پرتو Xاستاندارد...........................................................................................77
3-21:الگوی XRDبرای Run1.................................................................................................78
3-22:الگوی XRDبرای Run2.................................................................................................78
3-23:الگوی XRDبرای Run3.................................................................................................79
3-24:الگوی XRD برای Run5.................................................................................................79
3-25:الگوی XRDبرای Run6.................................................................................................80
3-26:الگوی XRD برای Run7.................................................................................................80
3-27:الگوی XRDبرای Run9................................................................................................81
3-28:الگوی XRDبرای Run14..............................................................................................81
3-29:تصویر SEMبرای نانو شیت سنتز شده با شرایط اصلاح شده .............................................92
3-30: تصویرTEM برای نانو شیت زئولیت سنتز شده با شرایط اصلاح شده................................93
3-31:نمودار جذب فسفر ................................................................................................ ........96
3-32: شمای از مکانیسم زئولیت ZSM-5................................................................ ..............97
3-33: طیف IRنانو شیت زئولیت ZSM-5..............................................................................98
3-34: پروفایل طیفی و غلظتی به دست آمده از روش MCR-ALS.......................................99
نمودار ها
عنوان صفحه
نمودار 1-1: تاثیر الومینیوم موجود در ژل سنتزی بر کریستال شدن ZSM-5 ................................22
نمودار 3-1 : نمودار پارتو .......................................................................................................... 84
نمودار 3-2:نمودار فاکتور های اصلی برای پاسخ ....................................................................................85
نمودار3-3: نمودار باقی مانده برای پاسخ .....................................................................................87
نمودار 3-4: نمودار سطح مربوط به متغیر های --plate/SiO2 و SiO2/Al2O3....................88
نمودار 3-5: نمودار سطح مربوط به متغیر های --plate/SiO2 و H2O/SiO2.......................88
نمودار 3-6: نمودار سطح مربوط به متغیر های --plate/SiO2 و زمان (aging time)...........89
نمودار 3-7: نمودار سطح مربوط به متغیر های SiO2/Al2O3و H2O/SiO2...............................89
نمودار 3-8: نمودار سطح مربوط به متغیر های SiO2/Al2O3و زمان واکنش........................ .....90
نمودار 3-9: نمودار سطح مربوط به متغیر های H2O/SiO2 و زمان واکنش.................... ...........90
نمودار3-10: نمودار BET .........................................................................................................94
نمودار3-11: نمودار جذب N2 که از انالیز BETبدست امده ............................................ ..........94
نمودار3-12: نمودار BJHاز انالیز BETبدست امده ...................................................................95
این پایان نامه را ضمن تشکر و سپاس بیکران و در کمال افتخار و امتنان تقدیم می نمایم به:
محضر ارزشمند پدر و مادر عزیزم به خاطر همه ی تلاشهای محبت آمیز ی که در دوران مختلف زندگی ام انجام داده اند و بامهربانی چگونه زیستن را به من آموخته اند.
به همسر مهربانم که در تمام طول تحصیل همراه و همگام من بوده است.

به استادان فرزانه و فرهیخته ای که در راه کسب علم و معرفت مرا یاری نمودند.

به آنان که در راه کسب دانش راهنمایم بودند .
به آنان که نفس خیرشان و دعای روح پرورشان بدرقه ی راهم بود.
الها به من کمک کن تا بتوانم ادای دین کنم و به خواسته ی آنان جامه ی عمل بپوشانم .
پروردگارا حسن عاقبت ، سلامت و سعادت را برای آنان مقدر نما .
نخستین سپاس و ستایش از آن خداوندی است که بنده کوچکش را در دریای بیکران اندیشه، قطره ای ساخت تا وسعت آن را از دریچه اندیشه های ناب آموزگارانی بزرگ به تماشا نشیند. لذا اکنون که در سایه سار بنده نوازی هایش پایان نامه حاضر به انجام رسیده است، بر خود لازم می دانم تا مراتب سپاس را از بزرگوارانی به جا آورم که اگر دست یاریگرشان نبود، هرگز این پایان نامه به انجام نمی رسید.
ابتد ا از استاد گرانقدرم آقای دکتر امیر باقری گرمارودی که زحمت راهنمایی این پایان نامه را بر عهده داشتند، کمال سپاس را دارم.
از استاد عالی قد رم جناب آقا ی دکتر محمد رضا خانمحمدی خرمی که زحمت مشاوره این پایان نامه را متحمل شدند، صمیمانه تشکر می کنم.
سپاس آخر را به مهربانترین همراهان زندگیم، به پدر، مادر و همسر عزیزم تقدیم می کنم که حضورشان در فضای زندگیم مصداق بی ریای سخاوت بوده است
s
فصل اول
مروری بر منابع
1-1-نانو مواد
هنگامی که گروهی از اتم ها تجمع کرده و چند خوشه نانو متری را تشکیل دهند‍، زمینه تشکیل ذرات نانو فراهم شده و از هم پیوستن چند خوشه نانو متری ذرات نانو تشکیل می گردند. مقیاس نانو به هر ماده ای با اندازه مشخص گفته شده، که در علم نانو و فناوری نانو استفاده می شود. چشم غیر مسلح قادر به دیدن اجسام نانو متری نمی باشد؛ بنابراین به فناوری خاصی برای مشاهده این اجسام نیاز است. پیشوند نانو در اصل کلمه ای یونانی است. معادل لاتین این کلمه دوارف است که به معنی کوتوله و کوتاه قد است. قطر تار موی انسان تقریبا 75000نانو متر است، اگر 10 اتم هیدروژن به دنبال هم قرار گیرند،برابر یک نانو متر می شود.در طول سال های 1996تا 1998موسسه بین المللی تحقیقات فناوری2 حمایت از مطالعات و تحقیقات گسترده ای را در باره نانو ذرات و مواد نانو ساختار و نانو دستگاه ها به عهده گرفت. نتایج این تحقیقات و مطالعات نشان داد که پیشرفت در سه زمینه علمی و تکنولوژی، نانو را به زمینه تحقیقاتی منسجمی تبدیل کرده است این سه زمینه عبارتند از:
1- روش های سنتز جدید و پیشرفته که امکان کنترل اندازه و دستکاری واحدهای ساختاری نانومتری را ایجاد می کند.
2- ابزار شناسایی جدید و پیشرفته که امکان مطالعه در مقیاس نانو را ایجاد می کند.
3- بررسی و درک ارتباط بین نانو ساختارها و خواص آن ها و چگونگی مدیریت برآن.
جدول 1-1 مثال های نانو مواد و اندازه آن ها
نانو مواد اندازه
نانو بلورها و کلاسترها(نقاط کوانتومی) قطرnm 10-1 فلزات، نیمه هادی ها، مواد مغناطیسی
نانو ذرات دیگر قطر nm 100-1 اکسیدهای سرامیکی
نانو سیم ها قطر nm 10-5/0 اکسیدها،سولفیدها،نیتریدها
نانو لوله ها قطرnm 100-1 کربن،کالکوژنیدهای لایه ای
فلزات
نانو پروس های های جامد قطر منفذ nm10-5/0 زئولیت ها، فسفات ها و غیره
آرایه های دو بعدی (از نانو ذرات) µm 2 – nm2 فلزات،نیمه هادی ها،مواد مغناطیسی
سطح ها و فیلم های نازک ضخامت nm1000 -1 تعداد زیادی از مواد
1-2-انواع مواد نانو
1-2-1-نانو ذرات
نانو ذرات رایج ترین مواد در فناوری نانو می باشند. از آنجا که دارای ابعادی کمتر از طول موج مرئی اند، شفافند. افزایش نسبت سطح موثر به حجم این ذرات باعث می شود، تا زمانی که به عنوان کاتالیزور استفاده می شوند، موثر واقع شوند؛ چرا که سطح برخوردشان افزایش می یابد. خواص جالب نانو ذرات باعث شده تا کاربردهای زیادی در زمینه های زیست پزشکی، دارویی، صنایع شیمیایی، الکترونیک و صفحات خورشیدی، صیقل دهنده ها و رنگ ها داشته باشند، همچنین در شیشه های اتومبیل و پنجره ها استفاده می شوند.خواص خود تمیز شوندگی نانو اکسیدهای فلزی خاصی نظیر تیتانیوم اکسید، روی، آلومینیوم و آهن سیلیکات موجب استفاده آن ها در روکش های دیوارها و سرامیک ها می شوند. با توجه به رویه که این پژوهش مبتنی بر مطالعه نانو شیت های زئولیت، صرفا در این بخش نانو ذرات مرتبط با این مقوله بررسی می شوند.
1-2-2-مواد نانومتخلخل
مواد نانومتخلخل دارای حفره هایی در ابعاد نانو هستند و حجم زیادی از ساختار آن ها را فضای خالی تشکیل می دهد. نسبت سطح به حجم (سطح ویژه) بسیار بالا، نفوذپذیری یا تراواییزیاد، گزینش پذیری خوب و مقاومت گرمایی و صوتی از ویژگی های مهم آن ها می باشد.
با توجه به ویژگی های ساختاری، این مواد به عنوان تبادلگر یونی, جداکننده 2، کاتالیزور، حس گر، غشا 3و مواد عایق استفاده می شوند. به موادی که تخلخل آنها بین 2/0 تا 95/0 نانومتر باشد نیز مواد متخلخل4می گویند. حفره ای که متصل به سطح آزاد ماده است حفره ی باز نام دارد که برای صاف کردن 5 غشا، جداسازی و کاربردهای شیمیایی مثل کاتالیزور و کروماتوگرافی (جداسازی مواد ) با استفاده از رنگ آن ها مناسب است. به حفره ای که دور از سطح آزاد ماده است حفره ی بسته  می گویند که وجود آن تنها سبب افزایش مقاومت گرمایی و صوتی و کاهش وزن ماده شده و در کاربردهای شیمیایی سهمی ندارد. حفره ها دارای اشکال گوناگونی همچون کروی، استوانه ای، شیاری، قیفی شکل و یا آرایش شش گوش 6هستند. هم چنین تخلخل ها می توانند صاف یا خمیده یا همراه با چرخش و پیچش باشند [1[
مواد نانومتخلخل بر اساس اندازه ی حفره ها، مواد سازنده  و نظم ساختار به سه گروه تقسیم بندی می شوند: 1-2-2-1-دسته بندی بر اساس اندازه ی حفره1- میکرومتخلخل7: دارای حفره هایی با قطر کم تر از 2 نانومتر.2- مزومتخلخل 8: دارای حفره هایی با قطر 2 تا 50 نانومتر.3- ماکرومتخلخل9 :دارای حفره هایی با قطر بیش تر از 50 نانومتر.
بر اساس تعریف نانوفناوری، دانشمندان شیمی در عمل عبارت نانومتخلخلرا برای موادی که دارای دارای حفره هایی با قطر کم تر از 100 نانومتر هستند به کار می برند که ابعاد رایجی برای مواد متخلخل در کاربردهای شیمیایی است.

(1-1)-انواع سیلیکا بر اساس اندازه ی حفره: الف: ماکرومتخلخل، ب: مزومتخلخل، ج: میکرومتخلخل [2]

(1-2)-دسته بندی آیوپاک بر اساس اندازه حفره
1-2-2-2-نوع تخلخل
بر اساس شکل و موقعیت حفره ها نسبت به یکدیگر در داخل مواد متخلخل، حفره ها به چهار دسته زیر تقسیم می شوند:
حفره های راه به در2
حفره های کور3
حفره های بسته
حفره های متصل به هم 2

(1-3)-نوع تخلخلها بر اساس شکل و موقعیت
1-2-3-نانوبلورها
در یک بلور، با کوچک تر شدن ذره، نسبت اتم های موجود در سطح به اتم های داخلی، افزایش می یابد. اتم های موجود در سطح رفتار متفاوتی از خود بروز و رفتار ماده را تحت تاثیر قرار می دهند. در فلزات این تغییر رفتار موجب افزایش استحکام، مقاومت الکتریکی و ظرفیت حرارتی ویژه و کاهش رسانایی حرارتی می شود.فلرات نانو بلوری در صنایع خودرو سازی، هوا فضا و صنایع ساختمانی کاربردهای متفاوتی دارند.
1-2-4-نانو حفره ها
این ذرات حفراتی کوچک تر از 100 نانومتر دارند. زئولیت ها دسته ای طبیعی از نانو حفره هاست. سطح ویژه این مواد بالاست( در حد چند صد مترمربع بر گرم)، به همین دلیل با قرار گرفتن مواد در حفره آن ها، خصلت کاتالیزوری آن ها به دلیل افزایش مساحت سطح، افزایش می یابد. خصلت جالب توجه این ذرات، انتخاب پذیری آن هاست که به دلیل اندازه ثابت حفره، اجازه عبور را تنها به برخی از مواد می دهند. از روش های ساخت آن ها، می توان به روش سل ژل و سوزاندن میسل های آلی درون دیواره های معدنی اشاره کرد. فیلتر کردن آب، خالص سازی آنزیم ها و داروها و تولید نیمه هادی ها، از جمله کاربردهای آن هاست.

(1-4)-نانوحفره‌های تولید شده در آلومینا، به روش آندایز خود نظم یافته
1-3-روش های تولید نانو ذرات
به طور کلی واکنش های شیمیایی برای تولید مواد می تواند در هر یک از حالت های جامد، مایع و گاز صورت گیرند. در اینجا به طور خلاصه به انواع روش های متداول سنتز نانو مواد زئولیت پرداخته میشود [3].
1-3-1-سل ژل
روش سل- ژل برای تولید ذرات سرامیکی و اکسیدهای فلزی همگن با خلوص بالا به کارمی رود. این روش شامل تشکیل یک سوسپانسیون کلوئیدی (سل) است که به ژل های ویسکوز با مواد جامد تبدیل می گردد. پراکنده شدن ذرات با اندازه های کمتر از 100 نانو متر در داخل زمینه سیال را در اصطلاح سل یا کلوئید می گویند. روش سل- ژل فقط برای تولید اکسیدهای فلزی مفید است. این امر به دلیل وجود پیوندهای فلز- اکسیژن در پیش ماده های آلکوکسید است و ژل های تولیدی هیدروکسید یا اکسید خواهد بود. این فرآیند نسبت به
دیگر روش های تولید نانو ذرات اکسید فلزی، مزیت های ممتازی دارند که عبارتند از تولید پودرهای فوق العاده خالص به علت مخلوط شدن همگن مواد خام در مقیاس مولکولی و حجم تولید صنعتی نانو ذرات. از عیب های این روش، هزینه بالای پیش سازهای آلکوکسید و سمی بودن مواد اولیه مورد نیاز است [4و5].

(1-5)-محصولات قابل تولید با فرایند سل ژل
1-3-2-فرایندهای شیمیایی مرطوب
فرآیندهای تولید نانو ذرات برپایه ی محلول شامل رسوب جامد از یک محلول اشباع، تبدیل و احیای شیمیایی فاز مایع و تجزیه پیش سازهای شیمیایی به کمک انجام ماورای صوت است. این عملیات به دلیل سادگی، تنوع و تطبیق پذیری و قابلیت استفاده با مواد پیش ساز ارزان قیمت مورد توجه می باشند. احیای نمک، یکی از روش
های مورد تایید برای تولید ذرات کلوئیدی فلزی است. این فرآیند شامل تجزیه نمک های فلزی در محیط های آبی یا غیر آبی و احیای کاتیون های فلزی است.


1-3-3-فرآیند هیدروترمال
فناوری هیدروترمال می تواند در زمینه سنتز، رشد، دگرگونی و تبدیل مواد شیمیایی کاربرد داشته باشد. همچنین بسیاری از فرآیندهای دهیدراسیون، تخریب شیمیایی، استخراج و فرآیند های سونوشیمیایی و الکتروشیمیایی، و … می توانند با روش هیدرو ترمال صورت بگیرند. تقریبا سنتز تمامی ترکیبات معدنی با ساختارهای عنصری، اکسید، سیلیکات، ژرمانات، فسفات، کلکوژناید، نیترید، کربنات و … می توانند تحت روش های هیدروترمال صورت پذیرند. در زمینه سنتز مواد پیشرفته، بزرگترین ترکیبات تک بلوری کوارتز و زئولیت3 تاکنون بصورت مصنوعی با تکنولوژی هیدروترمال ساخته شده اند. روش هیدروترمال می تواند برای سنتز مواد کاربردی نظیر مواد مغناطیسی، اپتیکی پیزوالکتریک، سرامیک و .. در مقیاس بالا (تجاری) به صورت تک بلوری و چند بلوری به کار گرفته شود. تک بلورهای ایجاد شده با این روش بسیار خالص، بزرگ و فاقد نقص های بلوری (خصوصا نقص های جابجایی)هستند. پودرهای تهیه شده با فرآیند هیدروترمال دارای مزایای مقابل هستند: دارای ذرات مجزا، خلوص بسیار بالا (فاقد آلودگی)، غیرکلوخه ای، و با ریخت شناسی و ترکیب بلوری مشخص (معمولا تک بلوری) و بصورت تک پخش می باشند و به راحتی در حلال بازپخش می شوند. فرآیند هیدروترمال می تواند به صورت سازگار با محیط زیست در زمینه تخریب ضایعات و همچنین مونومریزاسیون بسیاری از ترکیبات پایدارو آلاینده طبیعت، جایگزین روش های ناکارآمد حاضر باشد. تمامی این کاربردها فناوری هیدروترمال را به یک رویکرد اساسی و کارا در زمینه های آزمایشگاهی، صنایع شیمیایی نوین و تولید مواد پیشرفته مبدل ساخته اند. از مزایای این روش می توان به تولید مواد پیشرفته با خلوص بالا، تجهیزات نسبتا ارزان قیمت، دمای پایین فرآیند، مصرف پایین انرژی و سازگاری کامل با محیط زیست اشاره نمود [6و7]. همچنین از ماکروویو نیز می توان استفاده کرد در هیدروترمال این روش برای سنتز مواد نانومتخلخل، ژل آبی شامل مواد اولیه و
مواد کمکی واکنش مانند عامل های هدایت ساختار ، محیط واکنش را تشکیل داده و گرمای واکنش توسط امواج ریزموج تأمین می شود [6].

(1-6)-سنتز هیدروترمال زئولیت
1-3-4-سنتز به روش محلول شفاف
معمولا نانوزئولیتها از یک محلول آبی قلیایی حاوی منابع Si و Al و یونهای فلزات قلیایی (سدیم یا پتاسیم ) تهیه میشوند . در سنتز برخی از انواع زئولیت، یک "عامل هدایت کننده ی ساختاری آلی3" نظیر کاتیونهای آلکیل آمونیوم برای تشکیل ساختارهای ثانویه ی زئولیت نیاز است .این محلول شفاف اولیه میتواند تحت شرایط هیدروترمال قرار داده شود یا در فرآیند سل- ژل به کار گرفته شود. همانطور که گفته شد، محلولهای پیشران شفاف با یک مقدار اضافی از طاق سازهای آلی معمولابرای تهیه زئولیتهای
در سایز نانو استفاده میشوند. این سیستمها در طول فرآیند کریستاله شدن به هسته زایی سریع با کمترین میزان تجمع ذرات نیاز دارند. وابسته به ساختار زئولیت، تجمع ذرات میتواند با کاهش محتوای کاتیونهای قلیایی در سیستم پیشران یا با جایگزینی کامل باز معدنی به وسیله ی هدایت کننده ی ساختاری آلی نظیر تتراآلکیل-آمونیومها، بازداری شود. برای تهیه کریستالهای نانوزئولیت، سیستم پیشران باید درجه ی بالایی از فوق اشباعیت داشته باشد، زیرا فوق اشباعیت باعث افزایش سرعت هسته زایی، افزایش تعداد هسته ها و اندازه ی ذرات کوچکتر میشود. در ژلهای آلومینا سیلیکات، فوق اشباعیت به شدت تحت تاثیرHp است. علاوه براین Hp بالا باعث کاهش دمای سنتز میشود [8و9].
1-3-5-سنتز به روش بازدارنده ی رشد
در این روش، یک افزودنی آلی غیر از هدایت کننده های ساختاری وارد سیستم میشود. این افزودنی با بازداری کردن از فرآیند رشد کریستالها منجر به تشکیل کریستالهای کوچکتر میشود. واکنش پذیری ماده ی بازدارنده و مقدار آن در مخلوط آغازین دو عامل تاثیرگذار میباشند. ماده ی افزودنی باید توانایی جذب سطحی و واکنش با سطح ذرات سیلیکات را داشته باشد تا از تراکم اضافی جلوگیری کند. غلظت بالای ماده ی بازدارنده باعث می شود اجزای آزاد آلومیناسیلیکات به میزان کافی برای تشکیل ساختار زئولیت در سیستم وجود نداشته باشد و در نتیجه کریستالی به دست نمی آید. از طرفی غلظت بسیار پایین بازدارنده اثر بازدارندگی کافی را نخواهد داشت [10].
1-3-6-سنتز به روش فضای محبوس2
اولین مورد از چنین سنتزی توسط ژاکوبسین و مادس 3 برای سنتز نانوکریستالهای زئولیتZSM-5 گزارش شده است. آنها در سال 1999 یک روش جدید برای سنتز زئولیت با توزیع اندازه ی کریستالهای کنترل شده تشریح نمودند. اصول سنتز به روش فضای محبوس این است که کریستالها در داخل فضاهای نیمه
متخلخل یک ماتریکس بی اثر سنتز میشوند. اندازه یحداکثر کریستالها توسط قطر خلل و فرج محدود میشود. بخش دشوار این روش نیاز به یک ماتریکس بی اثر و پایدار در طول شرایط انجام واکنش و نیاز
به توزیع سایز خلل و فرج مشخص در ماتریکس، برای داشتن توزیع سایز کریستال های همسان می باشد [10].

(1-7)-سنتز زئولیت ZSM-5 به روش فضای محبوس
1-3-7-سنتز به روش میکروامولسیون
استفاده از میکروامولسیون‌ها و خصوصا مایسل‌معکوس یکی از راه‌های سنتز کنترل شده نانوذرات است. بسیاری از نانوذرات در نانوراکتورهای مایسلی و تحت واکنش‌هایی نظیر فرآیندهای رسوبی، کاهش و هیدرولیز سنتز می‌شوند. روش‌های تولید نانومواد به‌صورت تک‌پخش 2 و با پخش اندازه 3 محدود منجر به افزایش کیفیت محصول می شوند. یکی‌ از راه‌کارهای سنتزی جهت نیل به این هدف، استفاده از نانوراکتورها جهت سنتز نانوذرات می‌باشد. از جمله ساده‌ترین نانوراکتورهای مولکولی مایسل ها هستند. این اجتماعات مولکولی حاصل خود آرایی مولکول‌های سورفکتنت در حدفاصل فاز آبی و آلی است. میکروامولسیون‌ها مخلوط‌های همگن و تک پخش از مایسل‌ها هستند که از مخلوط کردن فاز آلی
(روغنی)، فاز آبی و پایدار کننده ها (سورفکتانت‌ها) با نسبت مشخصی تهیه می‌شوند. به طور عمومی سنتز نانوذرات در ساختارهای مایسلی به دو روش صورت می پذیرد. روش اول شامل مخلوط کردن دومحصول با ساختار مایسل معکوس اما حاوی واکنش‌گرهای مختلف است. واکنش با برخورد نانورآکتورها به یکدیگر، تلفیق آن ها و تبادل مواد بین دو مایسل صورت می‌پذیرد. در روش دوم، تنها از یک محلول مایسل معکوس استفاده می‌شود. در این حالت واکنش بین واکنش‌گر حل شده در مایسل و واکنشگر حل شده در حلال آلی اتفاق می‌افتد [11].

(1-8)-شمایی از روند سنتز نانوذرات با استفاده از روش میکروامولسیون
1-4-زئولیت
نخستین بار در سال 1756 بلورهای خاصی که در زیر شکاف های صخره ها تشکیل شده بودند توسط یک معدن شناس سوئدی به نام الکس فرودریک کرونستدت کشف شد او مشاهده کرد هنگام گرما دادن به بلورها مقدار زیادی آب به صورت بخار از آن خارج می شود بنابراین با توجه به دو لغت یونانی زین به معنای جوشیدن و لیتوس به معنای سنگ این بلور زئولیت (سنگ جوشان ) نامگذاری شد. خواصی از زئولیت ها مانند دهیدراسیون بدون تخریب ساختمان کریستال زئولیت ها، عبور نکردن برخی از مایعات مانند بنزین، الکل، کلروفرم و جیوه از زئولیت های دهیدراته، جذب سطحی گازهای هیدروژن، آمونیاک، سولفید هیدروژن و هوا
روی زئولیت و جذب سطحی مولکول های الی کوچک و دفع مواد آلی بزرگتر توسط زئولیت های دهیدراته محققان را بسوی این علم جذب نمود، زئولیت ها به طور کلی به دو دسته تقسیم میشوند .
1-4-1-زئولیت های طبیعی
حدود 40 نوع زئولیت در طبیعت شناخته شده است که برخی از آن ها استفاده صنعتی دارند. زئولیت های طبیعی نتیجه غیر مستقیم فعالیت های آتشفشانی بوده و از طریق دگرگونی هیدروترمال بازالت، خاکستر اتشفشانی و سنگ پا تولید میشوند. اکثر زئولیت های طبیعی دارای نسبت Si/Alکم می باشند. زئولیت های با تخلخل زیاد مانند FAU که نمونه ی مصنوعی آن XوY میباشد در طبیعت بسیار کمیاب هستند دو نوع زئولیت طبیعی با ارزش ،کلینوپتیلولیت (HEU)2 و موردینت ها (MOR)3برای تعویض یون رادیو اکتیو ،کاربردهای کشاورزی و جاذب استفاده می شوند. فعالیت کاتالیستی زئولیت ها ی طبیعی بدلیل خلوص و سطح تماس کم آنها محدود می باشد .
1-4-2-زئولیت های مصنوعی
زئو لیت های مصنوعی در مقایسه با زئولیت های طبیعی از خلوص بالایی برخوردا بوده و دارای دامنه ی کاربردی وسیع تری می باشند محققین پیش ازسال 1950جهت تولید زئولیت ها درصدد ساخت ژئوکانی های طبیعی شناخته شده بودند و تصور می کردند که تشکیل زئولیت ها مستلزم درجه حرارتی در حدود 200تا400 درجه سانتیگراد و ده ها فشار اتمسفری می باشد ولی در سال 1975موفق شدند زئولیت ها را در دمایی پایین تر (100>) در مقیاس صنعتی تهیه نمایند از لحاظ منبع Si و نسبت Si/Al زئولیت ها به سه دسته زیر تقسیم بندی میشوند :
1-زئولیت ها با مقدار کم سیلیکا
2-زئولیت ها با مقدار متوسط سیلیکا
3 -زئو لیت ها با مقدار زیاد سیلیکا
از مهم ترین و پر کابردترین زئولیت ها ی مصنوعی می توان به CHA3 ,MFI ,MEL2 ,FER و AFI4 اشاره نمود که زئولیت MFI که کاربرد صنعت فراوان دارند.

(1-9)- برخی از زئولیت های رایج
1-3-4-ساختار و خواص زئولیت ها
زئولیت ها آلومینو سیلیکات های کریستاله با خلل و فرج های ریز شامل واحدهای چهار وجهی سازنده ی ساختار اسکلت می باشند که سیستمی از خلل وفرج و حفرات در اندازه ی مولکول تولید می کنند [12] . ساختار آن ها آنیونی بوده و شامل کانال ها و حفراتی است [13]. زئولیت ها از چهاروجهی AlO4 و SiO4که از اتصال اتم اکسیژن تشکیل می شوند .برای یک ساختار کامل سیلیسی ، واحدهای SiO4گرایش به سمت
تشکیل SiO2با چهار بار منفی دارند با مشارکت آلومینیوم در ساختار سیلیکا وجود سه بار مثبت Al کل ساختار دارای یک بار منفی می شود و برای اینکه از لحاظ بار الکتریکی خنثی باشد نیازمند یک ساختار کاتیونی آلی- معدنی می باشد . ترکیب شیمیایی زئولیت که تعیین کننده ی خواص آن می باشد را می توان به صورت زیر بیان کرد
My/mm+. [(SiO2) x. (AlO2-) y] .zH2O
در فرمول M نشانگر کاتیون اضافه شده با بار m است این کاتیون توسط پیوند الکترواستاتیکی به ساختار متصل شده و در شبکه ی کریستال سیار می باشد ، xوy اعداد صحیح هستند و z تعداد مولکول آب را نشان می دهد. ساختار زئولیت ها توسط واحدهای سازنده ،چیدمان ،اندازه و شکل هندسی حفرات تعیین میشود. ساختار بدنه ای زئولیت می تواند با رشد منظم واحدهای ساختاری بلوک های چهار وجهی TO4 که (T=Si ,Al) ساخته شوند در ساختار زئولیت ها پیوند Si-O-Al و Si-O-Siشبکه و چیدمان سه بعدی چهار وجهی های که واحده های سازنده ی پایه UBB است را تشکیل میدهند. در برخی موارد زئولیت ها از ترکیب واحد های سازنده ی مرکب (CBU) و (BBU) ها تشکیل می شود. این CBU ها می توانند حلقه های تک یا زنجیره های تک باشند و یا ساختارهای پیچیده تر مانند زنجیره های شاخه دار یا ساختارهای چندوجهی بسازند.برای اکثر زئولیت ها اندازه ی حفره یک ویژگی کلیدی به شمار می آید. محدوده ی دهانه ی کانال ها یا حفره ها از 3/0 تا ۱ نانو متر بسته به ساختار زئولیت متغیر می باشد[14]
1-5-زئولیت ZSM_5
یکی از انواع زئولیت ها،ZSM-5 می باشد که به عنوان کاتالیست کاربرد وسیعی در صنعت و محیطی دارد. طراحی کاتالیست زئولیت نقش معنی داری در توسعه فرایندهای جدید و پیشـرفته تکنولـوژی در آینده خواهد داشت. به دلیل کاربردهای کاتالیتیکی زئولیـتZSM-5، در تعـداد زیـادی از فراینـدهای شیمیایی و پتروشیمی، این نوع زئولیت ماده ای بسیار مفید در صـنعت مـی باشـد. زئولیت MFI در سال۱۹۷۰ توسط شرکت تحقیقاتی موبایل کشف شد. استفاده از زئولیت ZSM-5) MFI و سـیلیکات) در فرایندهای جداسازی گازها و مایعات، فرایندهای غـشایی و کاتالیـستی گـزارش شـده اسـت. این زئولیت با مقدار زیاد سیلیکا در بـیش از ۵۰ فراینـد بـه عنـوان جـزء اصـلی کاتالیـست اسـتفاده می شود. این زئولیت بعد از زئولیتY، پرکاربردترین زئولیـت کاتالیـستی مـی باشـد. غـشاهای ZSM-5) MFI و سیلیکات) در میان غشاها به دلیل پایداری حرارتی، شیمیایی و مکانیکی بالا، ویژگـی آب گریـزی، عمـر دراز مدت، و ظرفیت جذب سطحی بالا بسیار مورد توجه می باشد. مقالات بسیاری برای سنتز آن هـا بـر روی انـواع پایه های متخلخل، و اثر دما و فشار بر روی سنتز آنها ارئه شده است. این زئولیـت از حلقـه هـای ۵ عضوی تشکیل شده و به یکدیگر متصل می شـوند. ایـن سـاختار کاملا انعطاف پذیر بوده و تقارن دقیق کریستالوگرافی آن به ترکیب، دما، و مولکول های جـذب شـده بـستگی دارد. زئولیت MFI از دو نوع کانال مختلف با روزنه حلقـو ی۱۰ عـضوی تـشکیل شـده اسـت. یـک کانـال مستقیم با دهانه دایره ای با قطر ۰٫۵۴ نانومتر و یک کانال سینوسی بـا دهانـه بیـضوی بـا قطـر ۰۵۱× ۰٫۵۵دارند . این کانال ها بـا نـسبت متغیـر در MFI افزایش مـی یابـد و زئو لیت با نسبت Si/Al از ۵ به بالا قابل تهیه می باشد. با افزایش میزان Al ویژگی آب دوستی سیلیکات (فرم سیلیسی خالص) کاهش یافته و پایـداری حرارتـی بـالایی مشاهده می شود. زئولیـت MFI ظرفیت بالایی در جذب دی اکسیدکربن در مخلوط های مختلف گازی حتی با وجود بخار آب دارد [15-18].

(1-10)-الف:ساختار کانالی زئو لیت MFI ب: ساختار اسکلنی زئولیت MFIنشان دهنده حفرات سینوسی و مستقیم ,تقاطع انها یک نما ازساختار کامل در گوشه پایین سمت چپ دیده می شود[18].
1-5-1-عوامل مؤثر بر تبلور ساختار MFI
در این قسمت تأثیر غلظت اجزای سازنده مختلف موجود در فرایند در سنتز زئولیتهای ZSM-5 را بررسی می کنیم . عامل های زیر می تواند بر سرعتهای هسته زایی و رشد بلور تأثیر بگذارند:
مقدار آلومینیم ژل یا نسبت SiO2/Al2O3 آن ؛
درجه رقت ( نسبت H2O /SiO2 ) :
خصلت قلیایی محیط (نسبتهای OH/SiO2 / , TPA /SiO2, Na/Si2 )؛
طبیعت منبع سیلیسی با درجه بسپارش آن .
حال باید دید که این عاملها چگونه در شرایطی که فاز خالص به دست می آید ، سرعت بلوری شدن را تحت تأثیر قرار می دهند.

(1-11)-مکانیسم هسته زایی ZSM-5 را به صورت شماتیک نشان می دهد [18].
1-5-1-1- نسبت SiO2/Al2O3 در ژل
می توان انتظار داشت که غلظت آلومینادر ژل ، سرعت تبلور ZSM-5 از ژل را تغییر دهد. از این رو، Al/(Al +Si) بهتر از نسبت مولی Si/Al2 به عنوان عامل فیزیکی با مفهوم تری می تواند مورد استفاده قرار گیرد . برخی از پژوهشگران تأثیر مقدار آلومینیم در ژل را بر سرعت تبلور ZSM-5، با ثابت نگه داشتن سایر عاملها، بررسی کرده اند. نمودار زیر تاثیر Alموجود در ژل سنتزی برکریستال شدن ZSM-5 را نمایش میدهد. : a برای ژل سنتزی 2O) 1(Na2O) 1(SiO2)18(H2O) 270(TPA)), b: 2O) 1(Na2O) 3(SiO2)5(H2O) 200(TPA))
c: 2O)1(Na2O)0.2(SiO2)7(H2O)250(TPA)).

نمودار1-1 تاثیر Alموجود در ژل سنتزی بر کریستال شدن ZSM-5را نمایش می دهد.
کلیه داده ها نشان داد که سرعت تبلور ZSM-5 وقتی سریع تر می شود که با ثابت نگه داشتن تمام عاملهای دیگر مقدار آلومینیم ژل پایین تر باشد. وضیعت بر خلاف عملکرد هیدروترمال طبیعی یک چنین سیستمهایی است: نسبتهای si/Al بالاتر، سیستمی با گرانروی بالاتر و سرعت واکنش پایین تری می دهند. نمودار 1-1 نشان می دهد که شرکت آلومینیم در نوع ساختار MFI، ماهیتی از هم گسیخته است و هنگامی که سیستم آلومینیم بیشتری داشته باشد مشکل فزونی می گیرد [19و20] .
1-5-1-2-نسبت --plate/SiO2 در ژل
معلوم شده است که کاتیونهای قادرند با سیلیکات یا گونه های آلومینیم سیلیکات تشکیل کمپلکس دهند و با یونهای Na+ برای جبران بار گونه های سیلیکات و آلومینوسیلیکات رقابت کنند. این کاتیونها می تواند تشکیل واحدهای فرعی معین را پایدار کنند و آنگاه همتاسازی این واحدهای ساختمانی اولیه را از طریق پیوند هیدروژنی فضا ویژه بین یون تمپلت و آنیونهای اکسیژن موجب شوند از این رو، حضور تمپلت می تواند برای تشکیل ساختاری خاص ضروری باشد یا ممکن است جهت دهنده ساختاری باشد. این اثر اینک به عنوان اثر طاق ساز در سنتز زئولیت شناخته شده است[21]. واقعیتهای زیر مؤید چنین اثری در جریان سنتز زئولیت ZSM-5 هستند :
سرعت تبلور با افزایش نسبت --plate /SiO2، دست کم تا مقدارهای معینی افزایش می یابد .
دیده شده است که افزایش سرعت وقتی مقدار --plate /SiO2 به حد معینی برسد به حالت سیر شدگی می رسد[22-24].

(1-12)-طرز قرار گرفتن سورفاکتنت TPA و HDA در کانال های مستقیم و سینوسی در زئولیت ZSM_5 Si- 48 Si-ZSM_[18]
1-5-1-3- درجه رقت یا نسبت H2O/SiO2
نسبت H2O /SiO2 در مخلوط سنتزی ZSM-5‌ تأثیر ناچیزی بر سرعت تبلور دارد [25].
1-5-1-4-نسبت M/SiO2
طبق اظهارات رولمن و والیوسیک [25] ، نسبت M/SiO2 نیز هیچ عملکرد تعیین کننده سرعتی در سنتز ZSM-5 ندارد و ساختار نوع MFI‌ در گستره وسیعی از مقدارهای این نسبت (از 07/0 تا 18/1 ) به دست می آید . لکن شواهد نشان می دهد افزایش کاتیون فلز قلیایی دوم یا فلز قلیایی خاکی و به کارگیری منبع دیگرفلز قلیایی سرعتهای هسته زایی و تبلور را به طور قاطع تحت تأثیر قرار می دهد. در مقابل، نباید فراموش کرد که افزایش قلیا قدرت بازی سیستم را افزایش می دهد و در نتیجه اثرهای پارامترهای مختلف همیشه به آسانی قابل تفکیک نیست. نقشهای کاتیونهای فلز قلیایی در ژل شامل ‌آلومینوسیلیکات چنین پیشنهاد شده است :
در مقدارهای کم، کاتیونهای فلز قلیایی ممکن است تبلور ZSM-5 را کاتالیز کنند ( با روشی که بیش از این آشکار نشد ) .
در غلظت ثابت OH-، اولین نتیجه افزایش کاتیونهای عریان فلز قلیایی، که در کره ای ثابت آبپوش می شوند، آن است که درجه اَبَر سیر شدگی افزایش می یابد و هسته زایی سریع تر می شود.
کاتیونهای فلز قلیایی آبپوش شده با ذرات سُل آلومینو سیلیکات آبگریز بر هم کنش می کنند، در نتیجه، پایداری آنها کاهش می یابد و آنها انباشته می شوند و به صورت ژل رسوب می کنند. که اثر نمک زدایی نامیده می شود. بازده آن به چگالی بار و در نتیجه به ماهیت فلز قلیایی وابسته است.
کاتیونهای فلز قلیایی بسته به اندازه شان قابلیت طاق سازی یا شکل دهی ساختاری (Na, Li) یا اثر شکست ساختاری (Cs , Rb , K و همچنین NH4 ) را دارند. در واقع، کاتیونهای بزرگ با قدرت کمتری آبپوش می شوند و احتمالاً ساختار آب را با شکستن پیوندهای هیدروژنی از هم می گسلند .
کاتیونهای فلز قلیایی بسته به پتانسیل الکتروستاتیکی شان (متناسب با 1/r )) قادر خواهند بود با کارایی کمتر یا بیشتری با بارهای نقطه ای بر هم کنش کنند و با یکدیگر و با TPA‌ برای جبران بار آنیونهای آلومینوسیلیکات رقابت کنند [27-28].
1-5-1-5-نسبت OH/Sio2
تأثیر خصلت قلیایی بر سرعت هسته زایی ZSM-5 به دفعات مطالعه شده است. بارر [32] در حالت کلی تأکید می کند که یک افزایش غلظت OH-، درجه ابر سیرشدگی را افزایش می دهد و رشد بلور را تسریع می کند. افزایش غلظت OH- همچنین حلالیت زئولیتها را در مادر آب آنها افزایش می دهد. از این تحلیل ها کلی چنین نتیجه می شود که برای اینکه زئولیتی معین، در دوره زمانی کوتاهی به صورت فاز واحد هسته زایی شود ، غلظت بهینه OH- یا نسبت بهینه OH/SiO2 باید وجود داشته باشد. این نسبت بهینه OH/SiO2 برای سنتز ZSM-5 , برای یک نسبت SiO2/Al2O3 برابر 90، یک نسبت H2O/SiO2 برابر 40، نسبت Na/SiO2 برابر 59/0 و یک نسبت Template/SiO2 برابر 1/0، نسبت بهینه OH/SiO2 برابر 05/0 است . خصلت قلیایی برای نگهداری کانی گونه های هیدروکسی سیلیکات و آلومینات حل شده باید بالا باشد ولی نه آن قدر بالا که از هسته زایی و رشد این گونه ها جلوگیری کند .
1-5-1-6- ماهیت منبع سیلیسی
هم اکنون مستندات پژوهشی وجود دارد که به روشنی نشان می دهد که ماهیت منبع سیلیسی نیز در بین عوامل دیگر بلوری شدن ZSM-5 از ژل متداول وجود دارد. منابع سیلیسی که ذاتاً محتوی مقدارهای بالایی از تکپار سیلیکات، سریع تر از ژلهایی که در آنها سیلیکات در حالت بسپاری بالاتری وجود دارد متبلور می شوند . بنابراین می توان نتیجه گرفت که سرعت انحلال یا وابسپارش سیلیسی که معلوم شده آهسته است در مرحله تعیین کننده سرعت در هسته زایی ZSM-5 دخالت دارد. چون رشد بلور نیز به همین روش تحت تاثیر قرار دارد ، این امر نشان می دهد که سرعت آن نیز با غلظت سیلیکات تکپاری تعیین می شود. بنابراین، لازم به یادآوری است که تغییر منبع سیلسی ( به عنوان مثال ، به کارگیری سُل سیلیسی به جای سدیم سیلیکات ممکن است گرانروی ژل را تغییر دهد. با سدیم سیلیکات، معمولاً ژلهای بسیار سفت به دست می آیند که به منظور رسیدن به تبلور نسبتاً سریع لازم است خیلی رقیق شوند. بنابراین در گرانرویهای یکسان، ژل حاصل از سُل سیلیسی شامل جامدهای بیشتری است و در همان مدت زمان تبلور، بهره بیشتری به دست می آید . در
نسبتهای H2O/SiO2 یکسان، سرعت تبلور ژل با استفاده از سُل به عنوان منبع سیلیسی دو مرتبه سریع تر از هنگامی است که ژل با سدیم سیلیکات ساخته می شود .
1-5-2-تأثیر پارامترهای مختلف بر مورفولوژی زئولیتی
هنگامی که یونهای با خاصیت شکست ساختاری به ژل افزوده می شود، اندازه های بلوری درشت تر به دست می آیند، که ریخت آنها از توده های کروی تا بلورهای منشوری تک یا دو قلو تغییر می یابد . این اثر با ماهیت کاتیون به ترتیب زیر افزایش می یابد : Li<Na<K<Rb<Cs<Ba<Sr .
غلظتهای بالای تمپلت به طور طبیعی بلورهای ریز می دهد. در حالی که در حضور مقدارهای پایین تمپلت تک بلورهای تمپلت‌ به طور طبیعی بلورهای ریز می دهد. در حالی که در حضور مقدارهای پایین تمپلت تک بلورهای درشت به آسانی به دست می آیند.
از بیشتر ژلهای پرسیلیس، بلورهای درشت تر به دست می آیند هنگامی که در یک مخلوط معین، آلومینیم کمپلکس شده باشد باز هم افزایش در اندازه بلور مشاهده می شود.
افزایش نمکها (آنیونها با کاتیونها )، مخلوط سنتز را به تشکیل بلورهای غالباً درشت تر هدایت می کند، که ریخت آن با ماهیت یون خارجی تغییر می کند. در حال حاضر، با داده های موجود مشکل می توان استدلال منطقی کرد و نسبت دادن ایجاد ریختی ویژه به خصلت خاص یون امکان پذیر نیست .
ماهیت و درجه بسپارش منبع سیلیس، ریخت را تعیین می کند و همان طوری که انتظار می رود، منابع سیلیس تکپار بلورهای ریزتر یا توده های آنها را می دهد، در حالی که از منبع سیلیسی بسپاری بلورهای درشت به دست می آید .
نسبت OH/SiO2 ( یا خصلت قلیایی سیستم ) اندازه و درجه انباشتگی را تحت تأثیر قرار می دهد در قدرت بازی بالا، بلورهای ریز اما پخش شده به دست می آید، در حالی که در نسبتهای OH/SiO2 پایین (01/0 ) بلورهای درشت کاملاً مشخص به دست می آیند .
1-5-3- سنتز ZSM-5 در حضور آمینها
آمینهای افزوده شده به یک مخلوط سنتز قلیایی در اختلاف با یونهای آمونیوم نوع چهارم، می تواند اثرهای متعددی داشته باشند :
مخلوط واکنش را بافر می کنند به طوری که افزایش pH طی سنتز کاهش می یابد [29] .اگر مقدارکافی آمین در فاز بلوری زئولیت جذب شده باشد مواد آلی باقیمانده در ژل یا محلول، موجب افزایش ضعیف pH طی تبلور خواهد شد.
موجب خالی شدن Na ، محصول نهایی می شوند.
در مخلوط آبی سنتزی، آمین به طور جزئی پروتون دار می شود :
(1-1)
(2-1)
غلظت نهایی آمین (A) در مخلوط واکنش به صورت زیر خواهد بود [25]:
(3-1) |A|=|RNH3+|+|RNH2|
(4-1) |A|=|RNH3+|.(1+ka|H+|-1)
و در نتیجه، pH بسیار پایین تر از سیستم بدون آمین وابسته خواهد بود بنابراین موجب افزایش بهره تبلور خواهد شد.
1-5-4-سنتز زئولیت ZSM-5 در حضور الکلها
اگر الکلها به عنوان طاق دهنده در سنتز ZSM-5 استفاده شوند و اگر قدرت بازی محلول ابر سیر شده با منبع کانی فلز قلیایی فراهم شده باشد، لازم است سنتز زئولیت بر حسب الگوی پرکننده حفره تفسیر شود .
در استفاده از الکل برای سنتز ZSM-5 نکات زیر حائز اهمیت است :
قدرت بازی لازم برای رسیدن به اَبَر سیر شدگی با بازهای کانی فراهم شود .
وقتی NH4OH به عنوان باز کانی همراه با الکل مورد استفاده قرار می گیرد ، در نهایت زئولیتی به دست می آید که می تواند بدون حرارت دادن نمونه عاری از هر گونه ترکیب آلی یا باز باشد که برای کاربردهای اسیدی با دمای پایین اهمیت فراوانی دارد .
با بعضی الکلها (مثلاً پینانوکول ) ، ZSM-5 فاز نیم پایداری است که با قرار گرفتن طولانی در معرض هوا به کنیاییت تبدیل می شود؛ به نظر می رسد مقدارهای زیاد از دیول عملاً مانع تشکیل کنیاییت می شود.

(1-13)-مکانیسم عمومی سنتز زئولیت [30]
1-6-طیف بینی جذب مادون قرمز
فرکانس تشعشع الکترومغناطیس در ناحیه مادون قرمز (IR) مطابق با فرکانس ارتعاش طبیعی اتم‌های یک پیوند است و پس از جذب امواج مادون قرمز در یک مولکول، باعث ایجاد یک سری حرکات ارتعاشی در آن می‌شود که اساس و مبنای طیف‌سنجی مادون قرمز را تشکیل می‌دهد. ساده‌ترین نوع حرکات ارتعاشی در یک مولکول، حرکات خمشی و کششی است. تقریبا تمامی ترکیباتی که پیوند کوالانسی دارند، اعم از آلی یا معدنی، فرکانس‌های متفاوتی از اشعه الکترومغناطیس را در ناحیه مادون قرمز جذب می‌کنند. ناحیه مادون قرمز، ناحیه‌ای از طیف الکترومغناطیس است که طول موجی بلندتر از نور مرئی (۴۰۰ تا ۸۰۰ نانومتر) و کوتاه‌تر از امواج مایکرو ویو (طول موج بلندتر ازmm۱) دارد. طیف بینی مادون قرمز معمولا در سه ناحیه طیفی بررسی میشود:
ناحیه مادون قرمز نزدیک 2 (NIR) :که ازcm-1 4000 - 12500 بوده و در برگیرنده باندهای ارتعاشی ترکیبی و اورتون می باشد.
ناحیه مادون قرمز میانی(RIM): که ازcm-1 400-4000 بوده و شامل باندهای ارتعاشی اصلی است
ناحیه مادون قرمز دورcm-1 :(FIR)2 30-400 که در برگیرنده ی باندهای ارتعاشی مربوط به شبکه و برهم کنش است.
این طیف بینی به صورت یک ابزارمهمی برای اندازه گیری روزمره ی اجزای تشکیل دهنده جامدات به نرمی پودر شده، درآمده است. گسترده ترن زمینه استفاده از این فن در اندازه گیری پروتئین، رطوبت، نشاسته، روغن، لیپیدهاو سلولزدر محصولات کشاورزی مانند غلات و دانه های روغنی است.
1-6-1-ناحیه مادون قرمز میانی :
پرکاربردترین محدوده ی طیفی زیر قرمز برای آنالیزهای شیمیایی، ناحیه ی مادون قرمز میانی (MIR) میباشد. این ناحیه محدوده ی فرکانسی را cm-1 400-4000 پوشش می دهد. این ناحیه میتواند به دو زیر ناحیه تقسیم شود:
الف) ناحیه ی فرکانس گروهی 4000-1300 cm-1
ب ( ناحیه ی اثر انگشتی 1300-500 cm -1
در ناحیه ی فرکانس گروهی باندهای جذبی عمدتا به حالتهای ارتعاشی گروههای عاملی نسبت داده میشود. وجود و عدم وجود این باندهای فرکانس گروهی میتواند برای تشخیص ساختار مولکولی مفید باشد. باندهای جذبی در ناحیه ی اثر انگشتی، برای هر ترکیب کاملا منحصر به فرد است اما شلوغ بودن زیاد این ناحیه، تفسیر و بررسی آن را مشکل میساز. ولی مجموعه ی الگوی این ناحیه وقتی با الگوهای مرجع تطبیق داده میشود، برای شناسایی ماده، منحصر به فرد، تکرار پذیر و مفید می باشد.

(1-14)-شمای از یک طیف ریز قرمز میانی
1-6-2- طیف سنجی مادون قرمز تبدیل فوریه :
درسیستم دستگاهیFTIR با شکافتن تابش منبع به دو باریکه، طول مسیر آن متناوباً تغییر کرده و الگوهای تداخل متفاوت را سبب میگردد. در واقع، طیف سنجی تبدیل فوریه بر اساس تداخل دو پرتو با استفاده از یک تداخل سنج پایه گذاری شده است و در آن یک سیگنال وابسته به تغییر طول مسیر بین دو پرتو حاصل میشود. دو حوزه ی مسافت و سیگنال توسط روشهای ریاضی تبدیل فوریه به یکدیگر تبدیل میشوند.تابش از منبع به تداخل سنج وارد می شود و قبل از اینکه به آشکارساز 2 برسد وارد نمونه میشود. پس از تقویت سیگنال، که در آن ترکیباتی با فرکانس بالا توسط یک فیلتر حذف میشوند، داده ها توسط یک مبدل آنالوگ به دیجیتال، به فرم دیجیتال تبدیل میشوند و به کامپیوتر برای تبدیل فوریه، انتقال می یابند.[31] مهمترین مزایای طیف سنجی تبدیل فوریه سرعت و حساسیت بالاتر (مزیت فلگت3),افزایش میزان عملکرد نوری دستگاه (مزیت جکوئینوت4)، بالا رفتن قدرت تفکیک( مزیت کانز5) , طراحی ساده تر، زمان اسکن کمتر و عدم تأثیر نور هرز و تابش حاصل از نشر نمونه میباشد.

(1-15)-تصویر طیف سنج تبدیل فوریه
1-6-3-نمونه گذاری در طیف سنجی مادون قرمز:
طیف سنجی زیر قرمز یکی از تکنیک هایی است که برای شناسایی تمامی حالات (ماده جامد، مایع وگاز)کاربرد دارد. تکنیک های نمونه گذاری به هدف آنالیز )تشخیص کیفی یا اندازه گیری کمی آنالیت) سایز نمونه و ترکیب نمونه بستگی دارد. به طور عمده میتوان روشهای نمونه گذاری در طیف سنجی زیر قرمز را به دو دسته ی عبوری (جذبی)و انعکاسی تقسیم بندی کرد، که هریک از این روشها نیز خود به چندین شاخه تفکیک می شوند.از تکنیکهای عبوری نمونه گذاری میتوان به روش قرص KBr, روش mull روشهای مخصوص مایعات و محلول ها و سل های گازی اشاره کرد. نمونه های ضخیم، جامدات کدر، الیاف، پوشش ها، پلیمرها و نمونه های محلول آبی را نمیتوان با استفاده از تکنیک های عبوری آنالیز کرد، در این زمان از تکنیک های انعکاسی استفاده میشود. به طور کلی اندازه گیریهای انعکاسی به سه دسته تقسیم می شوند.
انعکاس خارجی: این تکنیک انعکاسی شامل دو نوع بازتابش است : بازتابش مسطح یا آینه ای و انعکاس– جذب2
انعکاس درونی: که نوعی از آن بازتابش کلی کاهش یافته 3 است.
بازتابش انعکاس-پخش4

(1-16)-الف(بازتابش آینه ای، نوعی از انعکاس خارجی ب( بازتابش انعکاس-پخش ج( بازتابش کلی کاه شیافته، نوعی از بازتابش درونی
1-7-طیف سنجی انعکاس-پخش:
زمانی که پرتو تابشی به نمونه برخورد می نماید، مقداری از پرتو انعکاس آینه ای می دهد، مقداری از پرتوی تابشی توسط نمونه جذب شده ومقدار باقی مانده ی پرتو تابشی از نمونه عبور می نماید و فقط قسمتی از پرتو تابشی از نمونه به تمام جهات باز تابیده و پخش میشود که این انرژی، توسط لوازم جانبی جمع شده و به سمت آشکارساز هدایت میشود. تکنیک طیف سنجی تبدیل فوریه زیر قرمز انعکاس پخشی ، برای یک سطح غیر آینه ای و کدر و سطوح رنگی و پودرها که پرتو برخوردی در تمام جهات انعکاس مییابد و سطح ناهموار دارند، هم در ناحیه ی طیفی RIN وهم MIRمناسب میباشد. در این روش پرتوی تابیده شده به نمونه ی پودری در تمام جهات بازتابیده و پخش میشود. طیف سنجی انعکاس- پخش با
موفقیت برای تحلیل کمی نمونه های پودری بکارمی رود. در حالت ایده آل پرتو به اندازه ی mμ100 به درون نمونه نفوذ میکند و نور بازتابش شده درزوایای زیادی از نمونه پراکنده می شود، سپس این پرتوهای پراکنده شده با استفاده از آینه های بزرگ جمع میشوند. در این طیف سنجی باندهای کوچکتر بطور قابل ملاحظه ای نسبت به باندهای قویتر رشد می کنند. در اغلب موارد نمونه با یک ماتریکس غیر جذبی مانند پتاسیم برماید مخلوط میشود. نسبت نمونه به ماتریکس 1 تا 5 در صد وزنی می باشد. این رقیق سازی نفوذ عمیق پرتوی برخوردی را به داخل نمونه تضمین مینماید، که موجب افزایش سهم پراکنش در طیف میشود و سهم انعکاس آینه ای را به حداقل مقدار می رساند. انعکاس آینه ای ترکیب شده در طیف انعکاس– پخش در برخی موارد موجب تغییرات در شکل باند و شدت نسبی آنها میگردد.[ 33-35].

(1-17)-مکانیسم ایجاد بازتابش انعکاس-پخش از سطوح پودری و ناهموار
1-8-طیف سنجی رزونانس مغناطیسی هسته :
رزونانس مغناطیسی هسته ای (NMR)یک روش طیف سنجی است که برای شیمیدانان آلی از اهمیتی والا نسبت به طیف سنجی مادون قرمز برخوردار است . بسیاری از هسته ها را می توان با فنون NMR مطالعه کرد ، ولی هیدروژن و کربن بطور معمول مورد استفاده قرار می گیرند . بسیاری از هسته های اتمها دارای خصلتی هستند که اسپین خوانده می شود : هسته ها به گونه ای رفتار می کنند که گویی در حال چرخش هستند . در
حقیقت اتمهایی که عدد جرمی فرد ، عدد اتمی فرد یا هر دو را دارند ، دارای گشتاور زاویه اسپین کوانتایی و گشتاور مغناطیسی هستند .شاخص ترین هسته هایی که دارای اسپین هستند ، عبارتند :

در یک میدان مغناطیسی ، حالات اسپین انرژی یکسانی را نخواهند داشت ، زیرا یک هسته ذره ای باردار بوده و هر ذره باردار متحرک خود تولید میدان مغناطیسی می کند . بنابراین ، یک هسته دارای گشتاور مغناطیسی ( μ ) است که به وسیله بار و اسپین آن تولید می شود . یک هسته هیدروژن می تواند اسپینی موافق جهت عقربه های ساعت (2/1+)یا مخالف جهت عقربه های ساعت (2/1-)داشته باشد و در این دو حالت ̦گشتاورهای مغناطیسی خود را یا در جهت میدان و یا در خلاف جهت آن قرار می دهند.

(1-18) حالت های اسپین انرژی
-314960710565هنگامی که یک میدان مغناطیسی خارجی به کار برده شود ، حالت اسپین دژنره به دو حالت ، با ترازهای انرژی نابرابر شکافته می شوند.
اهمیت رزونانس مغناطیسی هسته ای از آن جا آشکار می شود که در یک مولکول ، تمام پروتون ها در یک
فرکانس رزونانس نمی کنند . این بدین دلیل است که پروتون های مولکول توسط الکترونها احاطه شده و محیط الکترونی هر یک از پروتونها بطور جزیی با دیگر پروتونها فرق می کند . به عبارت دیگر ، پروتونها توسط الکترونهایی که آنها را احاطه کرده اند پوشیده یا محافظت می شوند . در یک میدان معناطیسی ، الکترونهای ظرفیتی پروتونها می چرخند . این چرخش که جریان دیامغناطیس محلی خوانده می شود ، تولید میدان مغناطیسی متضادی می کند که در جهت مخالف میدان مغناطیسی اعمال شده عمل می نماید . این اثر که مانع دیامغناطیسی یا آنیزوتروپی دیا مغناطیسی نامیده میشود. در یک اتم ، جریان مغناطیسی محلی تولید یک میدان مغناطیسی ثانویه می نماید که دارای جهتی مخالف میدان مغناطیسی اعمال شده است . در نتیجه آنیزوتروپی دیا مغناطیس ، پروتون در مولکول بسته به دانسیته الکترونی اطراف آن از جانب میدان مغناطیسی اعمال شده محافظت می شود . هر قدر دانسیته الکترونی اطراف یک هسته بیشتر باشد میدان مغناطیسی تولید شده توسط الکترونها ، که در جهت عکس میدان اعمال شده است ، بیشتر خواهد بود.

(1-19) شمای از یک میدان مغناطیسی ثانویه در یک اتم
1-8-1- طیف سنج رزونانس مغناطیسی هسته ای تبدیل فوریه تپشی
این روش استفاده از یک انفجار انرژی قدرتمند ولی کوتاه به نام تپ است که کلیه هسته های مغناطیسی در مولکول را بطور همزمان تهییج می کند . وقتی تپ متوقف شد ، در آن صورت هسته های تهییج شده شروع به از دست دادن انرژی تهییج خود می کنند و به حالت اسپینی اولیه خود باز می گردند . آنگاه که هسته برانگیخته شده آسایش می کند ، شروع به تابش اشعه الکترومغناطیس می نماید . چون مولکول حاوی هسته های مختلف بسیار است لذا ، فرکانسهای گوناگون بسیاری از اشعه الکترومغناطیسی بطور همزمان تابش خواهند نمود . این تابش را زوال القای آزاد (FID) می نامند .
1-8-2-قاعده (N+1) شکاف اسپین – اسپین
طبق این قاعده هر نوع ، پروتون تعداد پروتونهای معادل (n) بر روی اتم (اتمهای ) کربن مجاور آن کربنی که خود به آن متصل است را احساس کرده و قله رزونانس آن به (n+1) جزء تقسیم می شود.

(1-20)-نمونه ی از شکاف اسپین –اسپین دی کلرو اتان
1-8-2-1-هسته کربن -13
مطالعه هسته های کربن از طریق طیف سنجی رزونانس مغناطیسی هسته ای (NMR) ، تکنیک مهمی برای تعیین ساختمانهای مولکولهای آلی است . استفاده از آن به همراه NMR پروتون و نیز طیف سنجی مادون قرمز ، شیمیدانان آلی را قادر می سازد تا به تعیین ساختمان کامل یک ترکیب مجهول بپردازند ، بدون اینکه دستهای خود را در آزمایشگاه آلوده کنند . دستگاههای جدید NMR تبدیل فوریه (FT-NMR) امکان بدست آوردن طیفهای کربن را آسان می کند.
1-8-2-2-تغییرات مکان شیمیایی کربن –13
پارامتر مهم در طیفهای کربن -13 ، تغییر مکان شیمیایی است . به دلیل محدوده بسیار وسیع مقادیر تغییر مکان شیمیایی ، تقریبا هر اتم کربن نامعادل در یک مولکول آلی ، یک قله با تغییر مکان شیمیایی متفاوت می دهد .
جدول ارتباطی به چهار بخش تقسیم شده است . اتمهای کربن اشباع شده در بالاترین میدان و نزدیک به TMSظاهر می شوند ( 8- 60ppm) . قسمت دوم تاثیر اتمهای الکترونگاتیو را نشان می دهد ( 40-70ppm) . سومین بخش شامل اتمهای کربن آلکن و حلقه آروماتیک است . ( 100-150ppm ). چهارمین بخش جدول حاوی کربنهای کربونیل است که در پایین ترین میدان ظاهر می شوند ( 155-200ppm) .

(1-21)-تغییرات مکان شیمیایی کربن
1-9-مقدمه ای بر کمومتریکس
توسعه ی کمومتریکس مربوط به استفاده ی کامپیوترها در شیمی می باشد . واژه ی کمومتریکس اولین بار در سال 1972 به وسیله ی وُلد2 و کوالسکی3 معرفی شد . اولین انجمن بین المللی کمومتریکس4 (ICS) در سال 1974 تشکیل شد و به دنبال آن ها یک سری سمینارها و کنفرانس هایی تحت عناوین مختلف مانند کاربردهای کامپیوتر در شیمی تجزیه ، شیمی تجزیه بر پایه ی کامپیوتر و یا کمومتریکس در شیمی تجزیه برگزار گردید . برخی از مجلات بخشی از مقالات خود را کمومتریکس اختصاص دادند . سپس مجلات کمومتریکس شروع به کار کردند . روش های کمومتریکس ، در هر مرحله ای از انالیز ، از طراحی یک آزمایش گرفته تا زمانی که داده ها رو به زوال می روند ( بسته به نوع سیستم ) قابل کاربرد است . اولین تعریفی که به صورت جامع از کمومتریکس بیان شد توسط کوالسکی و فرانک5 ارائه گردید . بر این اساس کمومتریکس را شاخه ای از علم شیمی معرفی کردند که در ان با بکارگیری آمار و ریاضی و کامپیوتر می توان روش هایی را ارائه داد که از طریق آن بتوان حداکثر اطلاعات مفید را از یک سیستم شیمیایی استخراج نمود.
1-9-1-طراحی ازمایش6:
روش تعریف و بررسی تمامی شرایط ممکن در یک آزمایش شامل چند فاکتور”طراحی آزمایش ها نامیده می شود. این روش در بعضی نشریات طراحی فاکتوریلی نامیده می شود. در طراحی فاکتوریلی تعداد کامل آزمایشات ممکن N عبارتست از: N=Lm که در آن L تعداد سطوح انتخاب شده در هر فاکتور و m تعداد فاکتورهای تحت بررسی است. در اینگونه آزمایشات دقت آزمایش با استفاده از تحلیل آماری ( ANOVA ) تعیین می شود.طراحی آزمایشها یکی از قوی ترین فنون بهبود کیفیت و افزایش بهره وری است. در این شیوه از طریق انجام برخی آزمایش ها ، آگاهانه تغییراتی در فرایند یا سیستم اعمال می شود تا تاثیر آنها در ویژگی های عملکردی یا پاسخ فرایند یا سیستم به آنها، مورد بررسی قرار گیرد.طراحی آزمایش ها ، دستکاری سیستماتیک تعدادی از متغیرهاست که در آن، تاثیر این دستکاری ها ارزیابی می گردند و از
روی آنها نتیجه گیری شده، نتایج بدست آمده پیاده سازی می شوند.همچنین DOE یکی از ابزارهای بهبود کیفیت در تولید ناب  Lean Production است. دانشمندان آزمایشات زیادی را انجام می دهند تا بتوانند به نتایج دلخواه خود برسند که این آزمایشات مستلزم هزینه و زمان بسیاری است در واقع DOE نوعی روش انجام آزمایش است که به صورت کاملا سیستماتیک عمل می کند و با صرف کمترین منابع ،هزینه و زمان ،بیشترین اطلاعات را از نتایج آزمایش استخراج می کند.
1075690165735
1-9-1-1-تعریف فرایند مورد مطالعه
طراحی آزمایش ها ابزاری مناسب برای درک صحیح فرآیندها و عوامل مؤثر بر آنها چندین را وجود دارد که یک شیمیدان بتواند با دانستن پایه طراحی ازمایش های شیمیایی کارایی بهتری داشته باشد این مسیر شامل ،غربال کردن ،بهینه سازی کردن ،کاهش زمان بری و مدل سازی کمی است.
1-9-1-2-غربال کردن
در این مرحله باید بررسی کرد که کدامیک از فاکتور ها برای موفقیت فرایند از اهمیت بیشتر ی برخوردار است کدام فاکتور ها را می توان حذف کرد و کدامیک باید با جزئیات مطالعه شوند برای چنین بررسی هایی می توان از مسیر های مانند طراحی فاکتور ها 2و طراحی پلاکت بورمن 3استفاده نمودد.
1-9-1-3-انواعی از روش های طراحی فاکتورها:
طرح فاکتوریل کامل4
در این طرح ها، هر سطح از هر عامل با تمام سطوح عوامل دیگر در اجرا ظاهر می شود.
طرح فاکتوریل دو سطحی1
طرح فاکتوریل با سطوح مرکب2
در این طرح ها، عوامل دارای سطوح متفاوتی هستند.
طرح فاکتوریل جزیی3
1-9-1-4-بهینه سازی 4
بهینه سازی یکی از پرکاربردترین روش های طراحی آزمایش در شیمی است .مسیر هایی مانند طراحی مخلوط5و طراحی ترکیب مرکزی 6 می تواند برای بهینه سازی مورد استفاده قرار گیرد .
1-9-1-5- کاهش زمان بری 7
درصنعت پرکابردترین شاخه ی طرحی آزمایش کاهش زمان بری می باشد در برخی مواد میان ساختار مواد و خواص ان ها یک ارتباط کمی وجود دارد برای مثال با بررسی داده ی ساختاری (مانند طول پیوند ،قطبیت ،خواص فضایی ،گروه های عاملی ،واکنش پذیری و...)چند مولکول محدود و یافتن یک ارتباط کمی بین این داده ها و خواص مشاهده شده در ان می توان این ارتباط را به دسته ی بزرگی از مولکول ها تعمیم داد و از این رو کاهش چشمگیری در زمان بری انجام واکنش ها با دسته گسترده ای از مولکول ها ایجاد نمود برای چنین بررسی هایی از مسیرهای مانند تاگوچیو طراحی پلاکت بورمن می توان بهره برد .
1-9-1-6-مدل سازی کمی
در طراحی آزمایش، اغلب آزمون ها، از کالیبراسیون خطی ساده در شیمی تجزیه گرفته تا پروسه های فیزیکی پیچیده ،نیازمند مدل سازی ریاضی هستند برای مدل سازی ریاضی روش های مختلف طراحی ترکیب مرکزی و همچنین طراحی کالیبراسیون 2 می توانند مفید واقع شوند .
1-9-1-7-روش سطح پاسخ 3
این روش شامل گروهی از تکنیک های ریاضی و آماری است که بین تابع پاسخ و یک تعداد از متغیرهای کنترل شده رابطه برقرار می کند طراحی های سطح پاسخ برای بدست اوردن اطلاعات دقیق در مورد اثرات فاکتور شامل بزرگی و جهت ان ها استفاده می شوند تعداد فاکتورها نوعا بین 2یا 6 می باشدکه طراحی 3سطحی دارند و به ما اجازه می دهند اثرات خطی ،غیر خطی و برهمکنش دو فاکتور مورد مطالعه را تخمین بزنیم. این طراحی پیش بینی دقیقی از پاسخ در ناحیه ازمایش ها فراهم می کند و در تشخیص شرایط بهینه مفید می باشد اولین مرحله در استفاده از این روش اندازه گیری رابطه ریاضی بین متغیر پاسخ و متغیرهای مستقل می باشد که با رابطه زیر نشان داده می شود .
Y=f(x) β+ε
x : متغیرها
F(x): تابع پاسخ که کمی بوده و تمام محدوده ی ازمایشات را می پوشاند و شامل برهمکنش ها ی احتمالی می باشد
β : بردار ضریب ناشناخته مربوط به پارامترها
ε: خطای تصادفی آزمایش که انتظار می رود میانگین صفر داشته باشد
مدل های ریاضی می توانند برای محاسبه یک یا همه فاکتورها و اثرات آن ها در گستره آزمایش استفاده شوند. مدل های رگرسیون درجه 1و2 می توانند برای آنالیز پاسخ به عنوان تابعی از متغیرهای مستقل استفاده شوند اگر رابطه پیچیده ای بین متغیر پاسخ و متغیرهای مستقل وجود داشته باشد مدل های درجه 1 قادر نیستند به خوبی پاسخ را پیش بینی کنند اما روابط درجه 2از نظر ریاضی پیچیده تر بوده و در یک ناحیه نسبتا کوچک بسیار قابل انعطاف می باشد و می توانند به گستره متفاوتی از اشکال توابع بپردازند یک معادله درجه بالاتر به صورت زیر نشان داده شده است.
Y= β0 + β1 X1+β2 X2+….+β k X k +β11X21 +….+β k k X2k + β12X1X2 +β13X1 X3+…. + βk-1, X k-1Xk+ ε
Yپاسخ است و β0 ثابت معادله است و β1 و β2ضریب فاکتور های اصلی X1 و X2 وβ12 و β13ضریب برهمکنش های دوتایی است. X12 درجه دوم X1 است.ε خطای تصادفی می باشد.
اهداف مدل ریاضی فراهم شده با پاسخ سطح عبارتنداز:
تعیین ویژگی آماری تمام فاکتورها که سطح آن ها با X1,X2,…,Xk نشان داده می شود.
تعیین یک رابطه بین y و متغیرها که می تواند برای پیش بینی مقادیر پاسخ برای یک سری از متغیرها استفاده می شود
تعیین بهینه ترین مجموعه متغیر ها که منجر به پاسخ بیشترین (یا کمترین) در یک محدوده موردنظر بوسیله بهینه سازی همزمان متغیرهای پاسخ انتخاب شده می شود و اطلاعاتی در مورد جهت و بزرگی تاثیر فاکتورها و اثرات ترکیب آن ها بر روی خصوصیات فرایند می دهد.
1-9-2-پردازش داده های چند متغیره
1-9-2-1- آنالیز فاکتوری
آنالیز فاکتوری یکی از کارآمدترین روش های کمومتریکس است که از طریق آن می توان بردارهایی را که فاقد مفاهیم فیزیکی یا شیمیایی بوده و برای ما نامفهوم می باشند را به مفاهیم ی چون غلظت یا طیف تبدیل نمود .
1-9-2-2- آنالیز فاکتوری تکاملی2 (EFA)
هنگامی که پارامتری با یک فرآیند منظم و منطقی تغییر می کند ، دارای فرآیند تکاملی است . تیتراسیون pH متری اسید – باز که توسط روش های اسپکتروفتومتری اندازه گیری می شود مثال خوبی از فرآیندهای تکاملی است . مثلاً در تیتراسیون اسید دو عاملی H2A ، با افزایش pH گونه های HA- , A2- ظاهر می شوند ، یعنی پارامتر دارای تغییرات منظم pH می باشد . EFA از روش های آنالیز فاکتوری و یک ابزار مفید شیمی سنجی برای کنترل فرآیندهای شیمیایی است که توسط میدر3 و همکارانش ارائه شده است. در این روش آنالیز مرتبه به عنوان تابعی از پارامتر با تغییرات منظم (pH ، زمان و ....) صورت می گیرد . این روش به ترتیب از بالا به پایین ماتریس داده (EFA به سمت جلو ) و از پایین به بالا ( EFA به سمت عقب ) برای بررسی ظهور و زوال گونه ها در فرایند بکار می روند . نمودارهای به سمت جلو و عقب EFA با رسم مقادیر ویژه (یا لگاریتم مقادیر ویژه ) بر حسب تابعی از متغیر تکاملی به دست آید . بدین ترتیب با آنالیز متوالی داده های ماتریس می توان ظهور و زوال گونه ها را در فرآیند تکاملی تشخیص داده و تخمینی از پروفایل های غلظتی گونه ها به دست آورد . در آنالیز فاکتوری تکاملی اگر سیستم مورد مطالعه دارای نقصان مرتبه باشد از آنالیز فاکتوری تکاملی برای جبران نقص مرتبه5 (EFARD) استفاده می شود . یک ماتریس زمانی دارای نقص – مرتبه است که تعداد سهم های معنی دار برای واریانس داده ها ، که به وسیله ی SVD 6یا تکنیک های آنالیز فاکتوری مرتبط دیگری تخمین زده می شوند ، کمتر از تعداد واقعی اجزای شیمیایی موجود در سیستم باشند .
یک چنین حالتی غالباً اتفاق می افتد ، برای مثال ، در شروع یک واکنش شیمیایی یا یک فرآیند شیمیایی که بیش از یک گونه حضور دارد ، به جای تعیین تمام اجزای موجود در شروع واکنش ، تنها یکی از آن ها به
طور ریاضی مشتق شده و بقیه ترکیب خطی از آن باشند . تفکیک کامل چنین ماتریس نقص – مرتبه ای به طور کامل انجام نمی شود .
1-9-2-3-روش های آنالیز نرم
در این روش ها نیازی به داشتن اطلاعاتی درباره ی مدل شیمیایی سیستم نبوده و نیازی نیست که مدل سیستم در این روش ها شناخته شده باشد . حُسن این روش ها در این است که می توان حضور گونه هایی که در فرآیند مورد نظر شرکت ندارند ولی در سیستم مورد بررسی سیگنال دارند را شناسایی و پروفایل طیفی و غلظتی آنها را مدل نمود . همچنین خطای ناشی از فرض مدل غلط برای سیستم در این روش ها وجود ندارد و عیب این روش ها این است که معمولاً همراه با ابهامات شدتی یا چرخشی می باشند .
1-8-2-1-تفکیک منحنی چند متغیره – حداقل مربعات متناوب (MCR-ALS) 2
این روش اولین بار در سال 1993 توسط تالر3 و همکارانش ارائه شد. این روش جزو روش های آنالیز نرم می باشد که در آن فرآیندهای شیمیایی بدون نیاز به اطلاعاتی درباره ی مدل شیمیایی سیستم توصیف می شوند . این تکنیک از جمله تکنیک های مدل نرم است که بدون نیاز به اطلاعات زیاد از سیستم قادر است پروفایل های غلظتی و طیفی مورد نظر را از ماتریس داده ها استخراج نماید . با استفاده از روش نرم جهت آنالیز داده ها ، ماتریس داده به صورت حاصلضرب دو ماتریس طیف ST و غلظت C تبدیل می شود . E ماتریس باقیمانده هاست که مدل نتوانسته آنها را شناسایی کند و باید آن ها را جزو خطاهای آزمایشی به حساب آورد:
(1-5) Dm×n = C(m×r)ST(r×n)+E(m×n)
روش های زیادی برای تفکیک ماتریس D به ماتریس غلظت و طیف خالص اجزا وجود دارد که SVD یکی از این تکنیک هاست . اما همانطور که گفته شد تفکیک ماتریس داده ها با ابهامات شدتی و چرخشی همراه
است که باعث می شوند تعداد زیادی جفت ماتریس S*,C* از تفکیک ماتریس داده ی D بوجود آیند که S,C مد نظر نیستند . لذا باید از این تعداد زیاد زوج های s*,C* ، بتوان S,C واقعی را جدا کرد .
ابهام چرخشی ، از چرخش ماتریس های S,C توسط تبدیل T ایجاد می شود که همان ترکیب خطی ماتریس های S,C است :
(1-6) D(m×n)=C(m×r)T(r×r)-1ST(r×n)=C*S*T
(1-7)C*=CT
(1-8) S*T=T-1ST
این ابهام سبب ایجاد بردارهایی با شکل های متفاوت از حالت های مورد انتظار می شود ، لذا تشخیص این ابهام آسانتر است .
ابهام شدتی ، این ابهام در اثر ضرب یک اسکالر در ماتریس های S,C بوجود می آید . در نتیجه ی این ابهام ممکن است بردارهایی با شکل هایی دقیقاً یکسان ایجاد شوند بدون اینکه بردارهای واقعی باشند ، لذا تشخیص این ابهام به ظرافت بیشتری نیاز دارد .
(1-9)
(1-10)
(1-11) S*T = kST
1-9-2-5- الگوریتم اجرای تکنیک MCR-ALS
1) تشخیص تعداد گونه های موجود در ماتریس داده و بازسازی داده ها با استفاده از تعداد فاکتورهای معنی دار در سیستم .
(1-12)
2) محاسبه ی تخمین اولیه ، که می تواند غلظت یا طیف باشد .
3) محاسبه ی ماتریس طیف ( با فرض تخمین اولیه غلظتی ) و اعمال محدودیت بر روی آن.
(1-13)
4) محاسبه ی ماتریس غلظت و اعمال محدودیت بر روی آن
(1-14)
5) بازسازی ماتریس داده ی () با ضرب کردن ماتریس طیف و غلظت به دست آمده به ترتیب در مرحله ی 3 و 4
(1-15) =CS
بازگشت به مرحله ی 3 و تکرار مراحل بعدی تا زمانی که در طی فرآیند تکرار ، سیستم به همگرایی برسد . در هر تکرار ، مربع مجموع اختلاف بین قبلی و جدید به عنوان میزان همگرایی عدم برازش سیستم به این صورت محاسبه می شود :
(1-16)
در تکراری که lof 1به یک حداقل برسد و یا اینکه از مقدار مشخصی که قبلاً به عنوان عدم برازش مطلوب سیستم تعریف شده است کوچکتر باشد ، تکرار فرآیند متوقف شده و سیستم به همگرایی رسیده و پروفایل های طیفی و غلظتی به دست می آیند .
فصل دوم
بخش تجربی
2-1-مواد مورد استفاده :
2-1-1مواد مورد استفاده برای سنتز سور فاکتنت نامتقارن و متقارن :
تری اتیلن دی امین (1,4-diazabicyclo[2.2.2]octane)و فرمول آن C6H12N2 عنوان تجاری DABCO.(Merck)
- استونیتریل (Acetonitrile) و فرمول آن C2H3N (Merck )
- متانول(methanol) و فرمول آن CH4O (Merck)
-اتیل استات (Ethyl acetate) و فرمول آن C4H8O2 (Merck)
- دی اتیل اتر (Diethyl ether) و فرمول آن) C4H10O Merck)
- برمو دکان (1-bromodecane) و فرمول آن CH3(CH2)9Br
- برمو هگزان (1- bromohexane) و فرمول آن C6H13Br
2-1-2-مواد مورد استفاده برای سنتز نانو شیت زئولیت ZSM_5

–269

1-2-8. اپیدمیولوژی سالمونلا16
1-2-9، تشخیص آزمایشگاهی سالمونلا16
1-2-10. پیشگیری و کنترل19
1-2-11، ایمنی 19
1-2-12، درمان19
1-3 – مروری بر روش های تایپینگ باکتری ها20
1-3-1- اصول و مبانی روش MLVA 22
1-2-3- کلمات و اصطلاحات کاربردی در MLVA24
1-3-3- مزایای MLVA نسبت به سایر روش های ژنوتایپنگ26
1-4- اهداف پایان نامه 31
1-4-1- هدف علمی پایان نامه31
1-4-2- اهداف جزئی31
1-4-3- اهداف کاربردی31
1-5- فرضیه ها31
1-6- سئوالات 31
1-7- ضرورت انجام تحقیق32
1-8- جنبه جدید بودن و نوآوری تحقیق32
1-9- واژه نامه ها و اصطلاحات فنی32
فصل دوم مروری بر ادبیات تحقیق و پیشینه تحقیق34
بررسی متون:35
فصل سوم :مواد وروشها39
3-1-مواد و تجهیزات40
3-1-1-دستگاه ها ووسایل مورد نیاز:40
3-1-2-مواد مصرفی مورد نیاز: 41
3-1-3- محیطهای کشت مورد استفاده: 41
3-2-ترکیبات و محلولهای مورد نیاز و فرمول ساخت آنها42
3-2-1-تهیه محلول(%25) SDS:42
3-2-2- محلول EDTA(5/0 مولار):42
3-2-3-تامپون لیز کننده سلول42
3-2-4- تامپون TE حاوی RNase42
3-2-5- بافر(5X)TBE:42
3-2-7- محلول فنل-کلروفروم-ایزو آمیلیک الکل(PCI):43
3-3- روش انجام طرح:44
3-3-1- نوع مطالعه:44
3-3-2-جامعه مورد مطالعه:44
3-3-3- جمع آوری اطلاعات:44
3-3-4- انجام امور باکتریولوژیک:44
3-4- ژنوتایپینگ ایزوله های سالمونلا با استفاده از روش MLVA46
3-4-1- انجام آزمایش PCR جهت تکثیر لوکوس های VNTR46
3-4-2- الکتروفورز محصولات VNTR50
3-4-3- محاسبه ی اندازه و تعداد تکرار های VNTR52
3-4-4-تجزیه و تحلیل داده های VNTR 52
فصل چهارم یافته ها54
4-1- نمتایج حاصل از جمع آوری نمونه ها 55
4-2- نتایچ حاصل از استخراج ژنوم باکتریایی57
4-3- نتایج حاصل از واکنش PCR جهت تکثیر لوکوس های VNTR58
4-4- میزان تنوع الل های VNTR74
4-5- آنالیز داده ها با استفاده از الگوریتم Minimum Spanning Tree 74
4-6- آنالیز داده های VNTR با استفاده از روش NJ75
فصل پنجم :بحث ونتیجه گیری 77
5-1- بحث78
5-2- نتیجه گیری و جمع بندی91
منابع:92
چکیده انگلسی 96

فهرست جداول و نمودارها
عنوان صفحه
جدول1-1، ویژگی های بیو شیمیایی سالمونلا8
جدول 1-2، طبقه بندی نوین سالمونلا و میزان سروتایپ ها در زیر گونه ها9
جدول 3-1، نام لوکوس ها و پرایمر های اختصاصی47
جدول 3-2،مقادیرموردنیازجهت انجام واکنش هایPCRبرای تکثیرلوکوسهایVNTR48
جدول 3-3، برنامه ریزی دستگاه ترموسایکلر جهت تکثیر لوکوس های SENTR2،
SENTR3 و SE-749
جدول3-4،برنامه ریزی دستگاهترموسایکلرجهت تکثیرلوکوسهایENTR6وSE-849
جدول 3-5، برنامه ریزی دستگاه ترموسایکلر برای تکثیر لوکوس SE-4 49
جدول 3-6، برنامه ریزی دستگاه ترموسایکلر جهت تکثیر لوکوس SE-1050
جدول 3-7، برنامه ریزی دستگاه ترموسایکلر جهت تکثیر لوکوس SE-650
جدول 4-1، در فایل EXCEL73
جدول 4-2، ضریب تنوع هانتر- گاتسون برای هر لوکوس محاسبه شده 74
نمودار 4-1، میزان فراوانی هر یک از سرو تایپ های سالمونلا در پژوهش حاضر56
نمودار 4-2، میزان شیوع هر یک از سرو تایپ های سالمونلا در پژوهش حاضر56
فهرست اشکال
عنوان صفحه
شکل 1-1 تصویر دکتر سالمون دامپزشک آمریکایی.5
شکل1-2 باکتری سالمونلا 6
شکل 1-4مای شماتیک از VNTR ها 23
شکل 1-5 پروفایل اللی 24
شکل 1-6 آنالیز MLVA بوسیله MST 25
شکل 1-7، مزایای MLVA 26


شکل 1-8، مراحل انجام MLVA 27
شکل 4-1، میزان خلوص DNA نمونه ی شماره ی 5357
شکل 4-2، میزان خلوص DNA نمونه ی شماره ی 2457
شکل 4-3، لوکوس ENTR6 58
شکل 4-4، لوکوس SE4 59
شکل 4-5، لوکوس SE4 60
شکل 4-6، لوکوسSE6 61
شکل 4-7، لوکوس SE6 62
شکل 4-8، لوکوسSE7 63
شکل 4-9، لوکوسSE7 64
شکل 4-10، لوکوسSE8 65
شکل 4-11، لوکوسSE8 66
شکل 4-12، لوکوسSE10 67
شکل 4-13، لوکوسSE10 68
شکل 4-14، لوکوسSENTR2 69
شکل 4-15، لوکوسSENTR2 70
شکل 4-16، لوکوسSENTR3 71
شکل 4-17، لوکوسSENTR3 72
شکل 4-18، آنالیز داده های VNTR با استفاده از الگوریتم MST. 75
شکل 4-22، درختچه ی NJ 76
چکیده فارسی :
ژنوتایپینگ سویه های سالمونلا انتریکا سرووار انتریتیدیس جدا شده از نمونه های بالینی در تهران بر پایه روش آنالیز چند لوکوسی متغیر تکراری( MLVA)
مقدمه:سالمونلاانتریکا سبب ایجاد سالمونلوزیس در انسان می شود. سالمونلا انتریکا سرووار انتریتیدیس، دومین سروتایپی می باشد که در سطح دنیا سبب ایجاد سالمونلوزیس می شود. تکنیک MLVA، یکی از روش های نوین ژنوتایپینگ جهت تمایز ایزوله های باکتریایی در همه گیری ها و یا تعیین قرابت فیلوژنتیکی این ایزوله ها می باشد. هدف از این پژوهش، ژنوتایپینگ سویه های سالمونلا انتریتیدیس جدا شده از نمونه های بالینی در تهران بر پایه ی روش MLVA.
مواد و روش ها: در این پژوهش، 51 ایزوله ی سالمونلا انتریکا سرووار انتریتیدیس از نمونه های بالینی در طی سال های 1387 تا 1389 در تهران جدا شدند. ایزوله های سالمونلا انتریتیدیس با استفاده از تکنیک های بیوشیمیایی و سرولوژیکی تایید شدند. جهت انجام تکنیک MLVA، از هشت لوکوس VNTR استفاده شد.
نتایج: 10 ژنوتایپ متفاوت MLVA، در این پزوهش شناسایی شد. با استفاده از روش MST، 51 ایزوله ی سالمونلا انتریتیدیس در 2 کلونال کمپلکس قرار گرفتند. همچنین با استفاده از تکنیک NJ، این ایزوله ها در دو کلاستر جای گرفتند.
بحث و نتیجه گیری: نتایج حاصل از این پژوهش نشان داد که تکنیک MLVA، یک روش قدرتمند و آسان می باشد و می توان از این تکنیک در اپیدمی ها ی ناشی از سالمونلا انتریتیدیس استفاده نمود.
کلمات کلیدی: سالمونلا، MLVA، VNTR
68580077470

کلیات تحقیق
بیان مسئله
سالمونلا باسیل گرم منفی،واجدتاژک پری تریش وجزءخانوادهیانتروباکتریاسهمیباشد.گروه سالمونلا شامل یک جنس منفرد به نام سالمونلا است. این جنس شامل ارگانیسم هایی است که قبلا تحت عنوان سالمونلا و آریزونا شناخته می شدند. وقتی سالمونلا ها از طریق مسیر خوراکی به انسان و حیوانات منتقل شوند، بیماریزا هستند. این باکتری از طریق حیوان و فروارده های حیوانی به انسان سرایت می کنند و موجب تب روده ای، مسمومیت های غذایی و گاستروانتریت در انسان می شوند ADDIN EN.CITE <EndNote><Cite><Author>Brooks</Author><Year>2012</Year><RecNum>1</RecNum><record><rec-number>1</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">1</key></foreign-keys><ref-type name="Book">6</ref-type><contributors><authors><author>Brooks, G.</author><author>Carroll, K.C.</author><author>Butel, J.</author><author>Morse, S.</author></authors></contributors><titles><title>Jawetz Melnick&amp;Adelbergs Medical Microbiology 26/E</title></titles><dates><year>2012</year></dates><publisher>Mcgraw-hill</publisher><isbn>9780071790314</isbn><urls><related-urls><url>https://books.google.com/books?id=UUSXV8B9i9sC</url></related-urls></urls></record></Cite></EndNote>(7).
طبقه بندی سالمونلا در طی سالیان متمادی دچار تغییرات زیادی شده است. سالمونلا گروه بزرگی از باکتری های روده ای شامل تقریبا 2200 سروتایپ می باشد. بر مبنای مدل اخیر طبقه بندی CDC تنها یک گروه منفرد از سالمونلا وجود دارد که به هفت زیر گروه(1،2،،a3،b3،4،5،6) طبقه بندی می شوند. طبقه بندی اخیر بر مبنای شباهت ژنتیکی ایزوله های سالمونلا) 16S r RNA) است. سیستم های طبقه بندی قدیمی تر شامل 1) طبقه بندی کافمن_وایت: که هر سروتایپ را به صورت یک گونه منفرد سالمونلا شناسایی می کند. 2) سیستم ادواردز_اوینگ: که سالمونلاها را به سه گونه( سالمونلا کلراسوئیس، سالمونلا تایفی، سالمونلا انتریتیدیس) و صدها سروتایپ تقسیم بندی می کند. 3) مدل هیبریداسیون DNA: که سالمونلا ها را به یک گونه به نام سالمونلا انتریتیدیس و زیر گونه های اریزونه، بونگوری، دی اریزونه، انتریکا، سالاما،هاتنا، تقسیم می نمایند که طبقه بندی CDC با کمی تغییر از همین طبقه بندی استفاده می کند ADDIN EN.CITE <EndNote><Cite><Author>Brooks</Author><Year>2012</Year><RecNum>1</RecNum><record><rec-number>1</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">1</key></foreign-keys><ref-type name="Book">6</ref-type><contributors><authors><author>Brooks, G.</author><author>Carroll, K.C.</author><author>Butel, J.</author><author>Morse, S.</author></authors></contributors><titles><title>Jawetz Melnick&amp;Adelbergs Medical Microbiology 26/E</title></titles><dates><year>2012</year></dates><publisher>Mcgraw-hill</publisher><isbn>9780071790314</isbn><urls><related-urls><url>https://books.google.com/books?id=UUSXV8B9i9sC</url></related-urls></urls></record></Cite><Cite><Author>Murray</Author><Year>2013</Year><RecNum>2</RecNum><record><rec-number>2</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">2</key></foreign-keys><ref-type name="Book">6</ref-type><contributors><authors><author>Murray, P.R.</author><author>Rosenthal, K.S.</author><author>Pfaller, M.A.</author></authors></contributors><titles><title>Medical Microbiology</title></titles><dates><year>2013</year></dates><publisher>Mosby/Elsevier</publisher><isbn>9780323054706</isbn><urls><related-urls><url>https://books.google.com/books?id=O92zd8fV-RcC</url></related-urls></urls></record></Cite><Cite><Author>Walker</Author><Year>1998</Year><RecNum>3</RecNum><record><rec-number>3</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">3</key></foreign-keys><ref-type name="Book">6</ref-type><contributors><authors><author>Walker, T.S.</author></authors></contributors><titles><title>Microbiology</title></titles><dates><year>1998</year></dates><publisher>W.B. Saunders Company</publisher><isbn>9780721646411</isbn><urls><related-urls><url>https://books.google.com/books?id=DtlpAAAAMAAJ</url></related-urls></urls></record></Cite></EndNote>(4-6).
روش های مختلفی برای جداسازی باکتری سالمونلا از نمونه های محیطی وجود دارند که شامل: روش های کشت سنتی و بیوشیمیایی، سرولوژی و مولکولی می باشد. در کشت سنتی از محیط های پیش انتخابی و اختصاصی نظیر S.S Agarو XLD Agar استفاده می شود. روش های سرولوژی براساس واکنش انتی بادی با انتی ژن تولیدی توسط باکتری می باشد.
استفاده از روش های سرولوژیک بدلیل تنوع گسترده خصوصیات آنتی ژنتیکی باکتریایی و نیاز به طیف گسترده و وسیعی از آنتی بادی ها و همچنین هزینه گزاف تولید و مصرف آن، به مرور جایگاه خود را از دست داده اند. تا کنون از روش های مولکولی متنوعی جهت ژنوتایپینگ گونه های مختلف سالمونلا استفاده شده است. به کارگیری این روش ها، اهمیت ویژه ای در پژوهش های اپیدمیولوژیکی دارد . با شروع عصر مولکولی دانشمندان رویکرد خود را از فنوتیپ به ژنوتیپ تغییر داده اند.
روش های مختلفی مثل Rep- PCR، RAPD- PCR، Ribotyping، PFGE، MLST و MLVA جهت ژنتوتایپینگ سویه های سالمونلا تا به حال مورد استفاده قرار گرفته است بطوریکه هریک ازاینروش ها معایب و مزایایی دارند، که در این میان روش MLVA از روش هایی مولکولی جدید و نوینی جهت ژنوتایپینگ باکتریایی مطرح شده است و بر این اساس توسعه یافتهُ است ADDIN EN.CITE <EndNote><Cite><Author>Nadon</Author><Year>2013</Year><RecNum>1605</RecNum><record><rec-number>1605</rec-number><foreign-keys><key app="EN" db-id="w0dfex0040rvzzewepypdsruzp9vstsx02tt">1605</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Nadon, C. A.</author><author>Trees, E.</author><author>Ng, L. K.</author><author>Moller Nielsen, E.</author><author>Reimer, A.</author><author>Maxwell, N.</author><author>Kubota, K. A.</author><author>Gerner-Smidt, P.</author></authors></contributors><auth-address>National Microbiology Laboratory, Public Health Agency of Canada, Winnipeg, Manitoba, Canada.</auth-address><titles><title>Development and application of MLVA methods as a tool for inter-laboratory surveillance</title><secondary-title>Euro Surveill</secondary-title></titles><periodical><full-title>Euro Surveill</full-title></periodical><pages>20565</pages><volume>18</volume><number>35</number><edition>2013/09/07</edition><keywords><keyword>Clinical Laboratory Techniques/instrumentation/*methods/standards</keyword><keyword>Consensus</keyword><keyword>Consensus Development Conferences as Topic</keyword><keyword>Disease Outbreaks/*prevention &amp; control</keyword><keyword>Humans</keyword><keyword>International Cooperation</keyword><keyword>Multilocus Sequence Typing/instrumentation/*methods/standards</keyword><keyword>Population Surveillance/*methods</keyword><keyword>*Quality Control</keyword><keyword>Tandem Repeat Sequences/*genetics</keyword></keywords><dates><year>2013</year></dates><isbn>1560-7917 (Electronic)&#xD;1025-496X (Linking)</isbn><accession-num>24008231</accession-num><urls><related-urls><url>http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&amp;db=PubMed&amp;dopt=Citation&amp;list_uids=24008231</url></related-urls></urls><language>eng</language></record></Cite></EndNote>(7).
این روش با مزایایی که نسبت به تکنیک PFGE دارد روز به روز به اهمیت و محبوبیت آن افزوده می شود. بطوریکه در آینده جایگاه ویژه ای در بین اپیدمیولوژیست ها خواهد داشت. در تکنیک MLVA بطور خاص، توالی های تکراری پشت سر هم مورد بررسی و ارزیابی قرار می گیرند و از نظر تعداد تکرار های VNTR با یکدیگر مقایسه می شوند. مجموعه ای از این تکرار ها بصورت دسته ای از اعداد که در اصطلاح پروفایل اللی گفته می شود. برای هر سویه باکتری نمایش داده می شود و به عنوان یک کد اطلاعاتی برای آن سویه در نظر گرفته می شود. ADDIN EN.CITE <EndNote><Cite><Author>Nadon</Author><Year>2013</Year><RecNum>1605</RecNum><record><rec-number>1605</rec-number><foreign-keys><key app="EN" db-id="w0dfex0040rvzzewepypdsruzp9vstsx02tt">1605</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Nadon, C. A.</author><author>Trees, E.</author><author>Ng, L. K.</author><author>Moller Nielsen, E.</author><author>Reimer, A.</author><author>Maxwell, N.</author><author>Kubota, K. A.</author><author>Gerner-Smidt, P.</author></authors></contributors><auth-address>National Microbiology Laboratory, Public Health Agency of Canada, Winnipeg, Manitoba, Canada.</auth-address><titles><title>Development and application of MLVA methods as a tool for inter-laboratory surveillance</title><secondary-title>Euro Surveill</secondary-title></titles><periodical><full-title>Euro Surveill</full-title></periodical><pages>20565</pages><volume>18</volume><number>35</number><edition>2013/09/07</edition><keywords><keyword>Clinical Laboratory Techniques/instrumentation/*methods/standards</keyword><keyword>Consensus</keyword><keyword>Consensus Development Conferences as Topic</keyword><keyword>Disease Outbreaks/*prevention &amp; control</keyword><keyword>Humans</keyword><keyword>International Cooperation</keyword><keyword>Multilocus Sequence Typing/instrumentation/*methods/standards</keyword><keyword>Population Surveillance/*methods</keyword><keyword>*Quality Control</keyword><keyword>Tandem Repeat Sequences/*genetics</keyword></keywords><dates><year>2013</year></dates><isbn>1560-7917 (Electronic)&#xD;1025-496X (Linking)</isbn><accession-num>24008231</accession-num><urls><related-urls><url>http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&amp;db=PubMed&amp;dopt=Citation&amp;list_uids=24008231</url></related-urls></urls><language>eng</language></record></Cite></EndNote>(7)
MLVA دارای مزایای زیادی نسبت به PFGE می باشد. در MLVA تنها نیاز به دستگاه PCR است و این روش یک تکنیک PCR-bassed میباشد در حالیکه در PFGE نیاز به امکانات و تجهیزات مخصوص و پر هزینه است. در MLVA تنها داشتن DNA باکتری کافیست در حالیکه در PFGE نیاز به باکتری زنده است.هزینه MLVA به مراتب از PFGE کمتر است و بسیار سریع تر از آن انجام پذیر می باشد. و نکته بسیار مهم اینست که، داده های حاصل از MLVA از آنجایی که بصورت مجموعه ای از ارقام ذخیره می شود را می توان به راحتی در بانک های اطلاعاتی ذخیره نمود و با نتایج سایر پژوهشگران مقایسه نمود هر چند چنین چیزی در PFGE دیده نمی شود گرچه تلاش های مانند شبکه Plus Net در جهت حل این موضوع ایجاد شده است.به این ترتیب MLVA بعنوان یک تکنیک جایگزین PFGE برای کشور های در حال توسعه مطرح می باشد ADDIN EN.CITE <EndNote><Cite><Author>Nadon</Author><Year>2013</Year><RecNum>1605</RecNum><record><rec-number>1605</rec-number><foreign-keys><key app="EN" db-id="w0dfex0040rvzzewepypdsruzp9vstsx02tt">1605</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Nadon, C. A.</author><author>Trees, E.</author><author>Ng, L. K.</author><author>Moller Nielsen, E.</author><author>Reimer, A.</author><author>Maxwell, N.</author><author>Kubota, K. A.</author><author>Gerner-Smidt, P.</author></authors></contributors><auth-address>National Microbiology Laboratory, Public Health Agency of Canada, Winnipeg, Manitoba, Canada.</auth-address><titles><title>Development and application of MLVA methods as a tool for inter-laboratory surveillance</title><secondary-title>Euro Surveill</secondary-title></titles><periodical><full-title>Euro Surveill</full-title></periodical><pages>20565</pages><volume>18</volume><number>35</number><edition>2013/09/07</edition><keywords><keyword>Clinical Laboratory Techniques/instrumentation/*methods/standards</keyword><keyword>Consensus</keyword><keyword>Consensus Development Conferences as Topic</keyword><keyword>Disease Outbreaks/*prevention &amp; control</keyword><keyword>Humans</keyword><keyword>International Cooperation</keyword><keyword>Multilocus Sequence Typing/instrumentation/*methods/standards</keyword><keyword>Population Surveillance/*methods</keyword><keyword>*Quality Control</keyword><keyword>Tandem Repeat Sequences/*genetics</keyword></keywords><dates><year>2013</year></dates><isbn>1560-7917 (Electronic)&#xD;1025-496X (Linking)</isbn><accession-num>24008231</accession-num><urls><related-urls><url>http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&amp;db=PubMed&amp;dopt=Citation&amp;list_uids=24008231</url></related-urls></urls><language>eng</language></record></Cite></EndNote>(7).
هر گونه باکتریایی، توالی های VNTR مخصوص به خود را دارد که می توان با طراحی پرایمر برای آنها، الل مورد نظر را تکثیر داد و از نظر تعداد تکرار مورد بررسی قرار داد. در طرح حاضر سعی شده است با انتخاب توالی هایVNTR مناسب، یک روش جدید، کم هزینه، سریع برای ژنوتایپینگ سویه های سالمونلا انتریکا سرووار انتریتیدیس بکار گرفته شود تا در آینده بتواند جایگزین روش های گرانقیمتی مانند PFGE شود و بتوان از آن در آزمایشگاه های تحقیقاتی که تنها تجهیز به دستگاه PCR باشند، استفاده نمود و بتواند به سرعت هر نوع اپیدمی را شناسایی کند و پژوهشگران بتوانند نتایج خود را با یکدیگر مقایسه نمایند(7).
1-2- کلیات
1-2-1، تاریخچه
دو دانشمند فرانسوی با نام های کومل و لوئی در اوایل قرن نوزدهم میلادی علائم کلینیکی تب تیفوئید را بررسی کردند. در سال 1823 میلادی برتونئو به علت تورم غدد لنفاوی روده آن بیماری را به نام روده جوشان نام گذاری نمود. کرهارد در اپیدمی تیفوئید در فیلادلفیا ایالات متحده آمریکا در سال 1837 میلادی، تیفوس و حصبه را از متمایز کرد.در سال 1839 میلادی شونلین تیفوس را به نام تیفوس اگژنتماتیکوس و حصبه را تیفوس احشایی نام گذاری نمود. در میان سال های 1849-1851 در انگلستان، جنر با استفاده از علائم بیماری های تب دانه دار، حصبه را تشخیص داد و عامل آن را سالمونلا تایفی نامید. اسم سالمونلا بر گرفته شده از دامپزشک آمریکایی به نام دکتر دانیال المر سالمون می باشد که به پاس تحقیقات و زحمات گسترده این دانشمند نام گذاری شده است.هوپ در سال 1886 از ادرار، فیفیر در سال 1885 از مدفوع، در سال 1888 ویلچور از خون سالمونلا را جدا نمودند.در سال 1896 سیکارد و ویدال آنتی بادی علیه سالمونلا را از خون جداسازی کردند (2و3) .

شکل 1-1: تصویر دکتر سالمون دامپزشک آمریکایی.
1-2-2، باکتریولوژی سالمونلا
سالمونلا از اجزای خانواده انتروباکتریاسه می باشد که واجد تاژک پری تریش می باشد ADDIN EN.CITE <EndNote><Cite><Author>Brooks</Author><Year>2012</Year><RecNum>1</RecNum><record><rec-number>1</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">1</key></foreign-keys><ref-type name="Book">6</ref-type><contributors><authors><author>Brooks, G.</author><author>Carroll, K.C.</author><author>Butel, J.</author><author>Morse, S.</author></authors></contributors><titles><title>Jawetz Melnick&amp;Adelbergs Medical Microbiology 26/E</title></titles><dates><year>2012</year></dates><publisher>Mcgraw-hill</publisher><isbn>9780071790314</isbn><urls><related-urls><url>https://books.google.com/books?id=UUSXV8B9i9sC</url></related-urls></urls></record></Cite></EndNote>(4) این باکتری از طریق حیوانات و محصولات حیوانی آلوده به این باکتری به انسان منتقل شده و سبب بیماری در انسان می شود ADDIN EN.CITE <EndNote><Cite><Author>Brooks</Author><Year>2012</Year><RecNum>1</RecNum><record><rec-number>1</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">1</key></foreign-keys><ref-type name="Book">6</ref-type><contributors><authors><author>Brooks, G.</author><author>Carroll, K.C.</author><author>Butel, J.</author><author>Morse, S.</author></authors></contributors><titles><title>Jawetz Melnick&amp;Adelbergs Medical Microbiology 26/E</title></titles><dates><year>2012</year></dates><publisher>Mcgraw-hill</publisher><isbn>9780071790314</isbn><urls><related-urls><url>https://books.google.com/books?id=UUSXV8B9i9sC</url></related-urls></urls></record></Cite></EndNote>(4). سالیانه تخمین زده می شود 1.4 میلیون نفر در ایلات متحده آمریکا توسط سالمونلا بیمار می شوندPEVuZE5vdGU+PENpdGU+PEF1dGhvcj5NZWFkPC9BdXRob3I+PFllYXI+MTk5OTwvWWVhcj48UmVj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ADDIN EN.CITE PEVuZE5vdGU+PENpdGU+PEF1dGhvcj5NZWFkPC9BdXRob3I+PFllYXI+MTk5OTwvWWVhcj48UmVj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ADDIN EN.CITE.DATA (8).
بیشتر سروتایپ های این باکتری برای انسان و اکثر حیوانات بیماریزا هستند. سالمونلا در دستگاه گوارش مهره داران یافت شده و بیماری های متعدد با علائم متفاوت را ایجاد می نماید ADDIN EN.CITE <EndNote><Cite><Author>Baumler</Author><Year>1998</Year><RecNum>1613</RecNum><record><rec-number>1613</rec-number><foreign-keys><key app="EN" db-id="w0dfex0040rvzzewepypdsruzp9vstsx02tt">1613</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Baumler, A. J.</author><author>Tsolis, R. M.</author><author>Ficht, T. A.</author><author>Adams, L. G.</author></authors></contributors><auth-address>Department of Medical Microbiology and Immunology, College of Medicine, Texas A&amp;M University, College Station, Texas 77843-4467, USA.abaumler@tamu.edu</auth-address><titles><title>Evolution of host adaptation in Salmonella enterica</title><secondary-title>Infect Immun</secondary-title></titles><periodical><full-title>Infect Immun</full-title></periodical><pages>4579-87</pages><volume>66</volume><number>10</number><edition>1998/09/24</edition><keywords><keyword>*Adaptation, Biological</keyword><keyword>Animals</keyword><keyword>*Biological Evolution</keyword><keyword>Humans</keyword><keyword>Mammals/*microbiology</keyword><keyword>Models, Biological</keyword><keyword>Plasmids/genetics</keyword><keyword>Salmonella Infections/microbiology</keyword><keyword>Salmonella enterica/*pathogenicity</keyword><keyword>Virulence/genetics</keyword></keywords><dates><year>1998</year><pub-dates><date>Oct</date></pub-dates></dates><isbn>0019-9567 (Print)&#xD;0019-9567 (Linking)</isbn><accession-num>9746553</accession-num><urls><related-urls><url>http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&amp;db=PubMed&amp;dopt=Citation&amp;list_uids=9746553</url></related-urls></urls><custom2>108564</custom2><language>eng</language></record></Cite></EndNote>(9). یکی از علل مهم مسمومیت های غذایی در اروپا و ایالات متحده آمریکا، سالمونلا انتریکا سرووار انتریتیدیس می باشد. براورد شده است که 93.8 میلیون نفر سالانه در کل جهان به سالمونلا مبتلا می شوند که نتیجه آن 155000 مورد مرگ در سال می باشد.

شکل1-2: در شکل سمت چپ باکتری سالمونلا با تاژک پری تریش دیده می شود و در شکل سمت راست میزان شیوع باکتری سالمونلا در سطح جهان را نشان می دهد.
1-2-3، تست ها و خواص بیوشیمیایی
این باکتری تست اندول و ONPG آن منفی بوده و لاکتوز را تخمیر نمی کند اما این باکتری متحرک بوده و تست سیترات و SH2 آن مثبت می باشد. واکنش آنتی بادی علیه آنتی ژن های Vi و H و O این باکتری مبنای سروتایپینگ سالنونلا است.
در حالیکه مبنای اصلی طبقه بندی سالمونلا سروتایپینگ آنتی ژن های سطحی می باشد اما اساس تفریق سروتایپ تایفی تست های بیوشیمیایی می باشد . سروتایپ تایفی از نظر تست های بیوشیمیایی به صورت خنثی می باشد. سروتایپ تایفی در همه تست های تولید گاز از گلوکز، موسینات،آرابینوز، سیمون سیترات، اورنی تین دکربوکسیلاز و مصرف استات منفی را بروز می دهد. سروتایپ تایفی مسئول تیفوئید بوده و سایر سروتایپ ها باعث انتریت و انتروکولیت می شودPEVuZE5vdGU+PENpdGU+PEF1dGhvcj5Ccm9va3M8L0F1dGhvcj48WWVhcj4yMDEyPC9ZZWFyPjxS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=
ADDIN EN.CITE PEVuZE5vdGU+PENpdGU+PEF1dGhvcj5Ccm9va3M8L0F1dGhvcj48WWVhcj4yMDEyPC9ZZWFyPjxS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=
ADDIN EN.CITE.DATA (4, 9, 10).
ویژگی های بیوشیمیایی سالمونلا همان ویژگی های عمومی خانواده انتروباکتریاسه می باشد. تخمیر کربوهیدرات توسط سالمونلا همراه با تولید گاز و اسید می باشد. سالمونلا مانیتول، آرابینوز، گلوکز، دولسیتول، سوربیتول و مالتوز را تخمیر می کند اما سالیسین، آدنیتول، لاکتوز و ساکارز را تخمیر نمی کند ولی سالمونلا کلراسوئیس و تعدادی از سویه های سالمونلا تایفی، قادر به تخمیر آرابینوز نیستند. سالمونلا کلراسوئیس، سالمونلا پولروم، برخی از سویه های سالمونلا پاراتایفی و تقریبا تمام سویه های سالمونلا تایفی قادر به تخمیر دولسیتول نمی باشند. سالمونلا گالیناروم، برخی از سروتایپ های سالمونلا تایفی موریوم، سالمونلا تایفی و سالمونلا دابلین هنگام تخمیر کربوهیدرات، گاز ایجاد نمی کند. برخی از سویه ها قادر به تخمیر ساکارز، رافینوز و لاکتوز هستند، این ویژگی های غیر عادی بدلیل وجود پلاسمید است. اکثرا سالمونلا آریزونه واجد فعالیت بتاگالاکتوزیداز می باشد و لاکتوز را یا به سرعت و یا به آهستگی تخمیر می کند. بیشتر سویه هایی که قند های خاص را تخمیر میکنند، این عمل را با شدت بالا انجام می دهند و در آب پپتون دار در دمای 37 درجه سانتی گراد و در مدت زمان 6 تا 10 ساعت، اسید تولید می کنند. ممکن است سویه های غیر تخمیر کننده در اثر چهش به تخمیر کننده تبدیل شوند و بعد از گذشت چند روز اسید ایجاد کنند و امکان دارد با سایر سالمونلا ها که تخمیر کننده هستند، اشتباه گرفته شوند. برخی از سویه ها دارای نقص در فرایند جذب قند هستند و اسید را در طول مدت 10 الی 20 ساعت ایجاد می کنند ADDIN EN.CITE <EndNote><Cite><Author>Brooks</Author><Year>2012</Year><RecNum>1</RecNum><record><rec-number>1</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">1</key></foreign-keys><ref-type name="Book">6</ref-type><contributors><authors><author>Brooks, G.</author><author>Carroll, K.C.</author><author>Butel, J.</author><author>Morse, S.</author></authors></contributors><titles><title>Jawetz Melnick&amp;Adelbergs Medical Microbiology 26/E</title></titles><dates><year>2012</year></dates><publisher>Mcgraw-hill</publisher><isbn>9780071790314</isbn><urls><related-urls><url>https://books.google.com/books?id=UUSXV8B9i9sC</url></related-urls></urls></record></Cite></EndNote>(4).
1-2-4، طبقه بندی سالمونلا
طبقه بندی سالمونلا بسیار دشوار است، به علت اینکه از گونه های متععدی تشکیل شده است. معمولا گونه های سالمونلا را بر اساس ویژگی های بیوشیمیایی، اپیدمیولوژی، میزبان و آنتی ژن های O، H و Vi طبقه بندی می شوند. برای اولین بار در سال 1929 میلادی طبقه بندی سالمونلا توسط کافمن صورت گرفت که توسط وایت این طبقه بندی تکمیل گردید. بر اساس این طبقه بندی، سروتایپ های سالمونلا در یک گونه منفرد قرار گرفت. طبقه بندی دیگری که وجود دارد،ادواردز-اوینگ می باشد که سالمونلا را در سه گونه ی سالمونلا تایفی، سالمونلا کلراسوئیس و انتریتیدیس و صد ها سروتایپ طبقه بندی می کند(4و10).
طبقه بندی سومی که برای سالمونلا وجود دارد، بر اساس هیبریداسیون DNA می باشد. که بر اساس آن جنس سالمونلا شامل دو گونه ی سالمونلا بونگوری و سالمونلا انتریکا می باشد. در این طبقه بندی اکثر پاتوژن های انسان در گونه ی انتریکا جای گرفته اند.
سالمونلا انتریکا به شش زیر گونه تقسیم می شودکه شامل: سالمونلا انتریکا، سالمونلا سالاما، سالمونلا آریزونه، سالمونلا دی آریزونه، سالمونلا هونته و سالمونلا انتریتیدیس می باشد(5).
جدول1-1، ویژگی های بیو شیمیایی سالمونلا
زیرگووه گونه
ویژگی
1 2 3a 3b 4 5 6
انتریکا سالامه آریزونه دی آریزونه هونته بونگوری اندیکا
ONPG - - + + - + متغییر
هضم ژلاتین - + + + + - +
مصرفD تارتارات + - - - - - -
مصرف مالونات - + + + - - -
تخمیر دولسیتول + + - - - + متغییر
تخمیر لاکتوز - - - + - -
تخمیر سالیسین - - - - + - -
تخمیر سوربیتول + + + + + + -
تخمیر Dگالاکتورونات - - + + + +
گاماگلوتامیل ترانسفراز + + - + + + +
تاژک دو فازی دو فازی تک فازی دو فازی تک فازی تک فازی دو فازی
رشد در حضورKCN - - - - + + +
جدول 1-2، طبقه بندی نوین سالمونلا و میزان سروتایپ ها در زیر گونه هاPEVuZE5vdGU+PENpdGU+PEF1dGhvcj5Ccm9va3M8L0F1dGhvcj48WWVhcj4yMDEyPC9ZZWFyPjxS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=
ADDIN EN.CITE PEVuZE5vdGU+PENpdGU+PEF1dGhvcj5Ccm9va3M8L0F1dGhvcj48WWVhcj4yMDEyPC9ZZWFyPjxS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=
ADDIN EN.CITE.DATA (1, 8, 9)
اسم گونه میزان سرو تایپ در سال 2000 میلادی میزان سرو تایپ در سال 2001 میلادی میزان سرو تایپ در سال 2002 میلادی
الف- گونه سالمونلا انتریکا
1-سالمونلا انتریکا زیر گونه انتریکا
2-سالمونلا انتریکا زیر گونه سالامه
3-سالمونلا انتریکا زیر گونه آریزونه
4-سالمونلا انتریکا زیر گونه دی آریزونه
5-سالمونلا انتریکا زیر گونه هونته
6- سالمونلا انتریکا زیر گونه اندیکا
ب- گونه بونگوری
جمع کل 2469
1610
497
94
325
69
12
21
2628 2491
1624
499
95
329
69
13
21
2650 2509
1636
501
95
331
70
13
30
2668
1-2-5، آنتی ژن های سالمونلا
الف) آنتی ژن O
آنتی ژن O در برابر الکل و حرارت مقاوم است و در سالمونلا 67 انتی ژن O وجود دارد که با عدد نشان داده می شود. آنتی ژن O می تواند حرارت جوش را به مدت دو ساعت و نیم تحمل کند اما آنتی ژن فلاژل و آنتی ژن فیمبریه در این درجه حرارت نابود می شوند و قادر به تحمل آن نیستند. خاصیت آنتی ژن O بوسیله لیپوپلی ساکارید که در دیواره باکتری های گرم منفی وجود دارد ایجاد می شود.
بدلیل هیدروفیل بودن آنتی ژن O در محلول نمکی0.85% NaCl، یک سوسپانسیون یکنواخت ایجاد می کند.آنتی ژن O می تواند در درجه حرارت 37 درجه سانتی گراد اتانول 96 درصد به مدت زمان چهار ساعت تحمل کند اما فرمالین 0.2% باعث غیر فعاسازی آنتی ژن O میشود. (2و3).
ب)آنتی ژن فلاژلی یا آنتی ژن H
آنتی ژن H در برابر الکل و حرارت حساس می باشد و در درجه حرارت 100 درجه سانتی گراد به مدت زمان سی دقیقه همه ی فلازل ها از باکتری جدا می شود. این فرایند جدا شدن فلاژل ها از باکتری در دمای 60 درجه سانتی گراد آغاز می شود اما این فلاژل هایی که از باکتری جدا می شوند، سیستم ایمنی را تحریک می کنند. آنتی ژن H یکی دیگر از آنتی ژن های سالمونلا می باشد که این آنتی ژن مربوط به فلاژل باکتری می باشد. هنگامیکه که ما سوسپانسیون باکتری را به مدت دو نیم ساعت بجوشانیم این خاصیت ایمنی زایی باکتری از بین می رود اما اگر در دمای پایین تر از دمای جوش قرار گیرد خاصیت اگلوتیناسیون آنتی ژن از بین رفته اما قدرت آنتی ژن از بین نمی رود (2و3).
آنتی ژن فلاژلی دو نوع است که عبارت است از : 1) آنتی ژن فلاژلی فاز یک(H₁) 2) آنتی ژن فلاژلی فاز دو(H₂).
آنتی ژن H₁ با حروف لاتین نشان داده می شود و از حرف a تا حرف z میباشد. به علت اینکه تعداد آنتی ژن H₁ بسیاز بیشتر از 25 می باشد، سایر آنتی ژن های H با اضافه کردن عدد به حرف Z مشخص می شود. آنتی ژن H₂ به صورت عدد از 1 تا 12 نشان داده می شود.تعداد آنتی ژن H₁، 93 عدد می باشد (3).
ج) آنتی ژن K یا آنتی کپسولی
سه نوع آنتی ژن کپسولی در سالمونلا وجود دارد که شامل: آنتی ژن M، آنتی ژن Vi و آنتی ژن 5
آنتی ژن M:
آنتی ژن M شامل کولانیک اسید است. آنتی ژن M باعث ایجاد کلونی های مخاطی می گردد. آنتی ژن M پلی ساکارید های خارج سلولی می باشد. مکانیسم جلوگیری از آگلوتیناسیون به وسیله آنتی سرم علیه O، شبیه مکانیسم عمل آنتی ژن Vi می باشد. خصوصیت آنتی ژن M با آنتی ژن Vi تفاوت دارد.برخی از آنتی ژن های کپسولی اشرشیاکلی (مثل: K₃₀ و K₃₉) و K₈ و K₃ کلبسیلا با آنتی ژن M سالمونلا واکنش متقاطع دارند. برای تعیین آنتی ژن M، کلونی ها حالت لعابی پیدا می کند و به کشت باکتری سرم ضد آنتی ژن M اضافه می کنیم که می توان از آزمایش تورم کپسولی استفاده نمود(3).
آنتی ژن Vi:
آنتی ژن Vi یک پلی ساکارید کپسولی می باشد و از واحد های هموپلیمرN- استیل گالاکتوز آمینورونیک اسید تشکیل شده است که با پیوند 1 به 4 بهم متصل شده اند و کربن شماره ی 3 آن استیله می باشد. هنگامیکه از خون بیماران مبتلا به تب روده ای، سالمونلا انتریکا سرووار تایفی جدا شود، این سالمونلا ها در برابر آنتی سرم O₉ آگلوتینه نمی شوند. بدلیل آنکه این آنتی ژن برای موش دارای قدرت بیماریزایی بیشتر می باشد به آن آنتی ژن حدت گفته می شود.
سویه هایی که دارای آنتی ژن Vi می باشند در برابر آب اکسیژنه حساس اند و به همین علت دانشمندان معتقند که آنتی ژن Vi در مکانیسم فاگوسیتوز نوتروفیل ها اختلال ایجاد نمی کند بلکه در برابر عمل انفجار اکسیداتیوی که در داخل نوتروفیل ها رخ می دهد، مقاوم است. آنتی ژن Vi میزان تثبیت C₃ در سطح سالمونلا تایفی کاهش می دهد(زهرایی سال1378 Murray, Rosenthal et al. 2013). به علت آنکه آنتی ژن Vi مانع از عمل آگلوتیناسیون به وسیله آنتی سرم ضد آنتی ژن O می شود، برای حذف آنتی ژن Vi، باید باکتری را در دمای صد درجه سانتی گراد( دمای جوش) به مدت یک ساعت جوشاند(1 و 3).
آنتی ژن 5:
در ابتدا این آنتی ژن به عنوان آنتی ژن O شناسایی شد و این آنتی ژن دارای تفاوت هایی با سایر آنتی ژن های پیکری است.
کافمن نشان داد که این آنتی ژن در برابر کلریدریک اسید حساس بوده و در مجاورت آن تخریب می شود و ویژگی آگلوتیناسیون آنتی ژن 5 در درجه حرارت 120 درجه سانتی گراد از بین می رود که این ویژگی بر خلاف آنتی ژن O₄ می باشد.این آنتی ژن در برابر الکل مقاوم است که این ویژگی مشابه آنتی ژن O₄ می باشد.آنتی ژن 5 در ارتباط با بیماریزایی سروتایپ ها بی تاثیر است، به عنوان مثال سالمونلا انتریکا سرووار تایفی موریوم که فاقد آنتی ژن 5 می باشد برای موش به شدت بیماریزا است. می توان آنتی سرم ضد آنتی ژن 5 را بوسیله کشت فرمالین اشکال بدون فلاژل با کشت حرارت دیده سالمونلا پارا تایفیB بدست اوردPEVuZE5vdGU+PENpdGU+PEF1dGhvcj5Ib2xtZXM8L0F1dGhvcj48WWVhcj4xOTY4PC9ZZWFyPjxS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ADDIN EN.CITE PEVuZE5vdGU+PENpdGU+PEF1dGhvcj5Ib2xtZXM8L0F1dGhvcj48WWVhcj4xOTY4PC9ZZWFyPjxS
ZWNOdW0+MjA8L1JlY051bT48cmVjb3JkPjxyZWMtbnVtYmVyPjIwPC9yZWMtbnVtYmVyPjxmb3Jl
aWduLWtleXM+PGtleSBhcHA9IkVOIiBkYi1pZD0ieGE5ZndwOXp2ZTV4YWVleGR2aXA5OTJjdDJ0
d3pldncyOXp3Ij4yMDwva2V5PjwvZm9yZWlnbi1rZXlzPjxyZWYtdHlwZSBuYW1lPSJKb3VybmFs
IEFydGljbGUiPjE3PC9yZWYtdHlwZT48Y29udHJpYnV0b3JzPjxhdXRob3JzPjxhdXRob3I+SG9s
bWVzLCBBLiBKLjwvYXV0aG9yPjxhdXRob3I+RWlzZW5zdGFyaywgQS48L2F1dGhvcj48L2F1dGhv
cnM+PC9jb250cmlidXRvcnM+PHRpdGxlcz48dGl0bGU+VGhlIG11dGFnZW5pYyBlZmZlY3Qgb2Yg
dGh5bWluZS1zdGFydmF0aW9uIG9uIFNhbG1vbmVsbGEgdHlwaGltdXJpdW08L3RpdGxlPjxzZWNv
bmRhcnktdGl0bGU+TXV0YXQgUmVzPC9zZWNvbmRhcnktdGl0bGU+PC90aXRsZXM+PHBlcmlvZGlj
YWw+PGZ1bGwtdGl0bGU+TXV0YXQgUmVzPC9mdWxsLXRpdGxlPjwvcGVyaW9kaWNhbD48cGFnZXM+
MTUtMjE8L3BhZ2VzPjx2b2x1bWU+NTwvdm9sdW1lPjxudW1iZXI+MTwvbnVtYmVyPjxlZGl0aW9u
PjE5NjgvMDEvMDE8L2VkaXRpb24+PGtleXdvcmRzPjxrZXl3b3JkPk11dGFnZW5zL3BoYXJtYWNv
bG9neTwva2V5d29yZD48a2V5d29yZD4qTXV0YXRpb248L2tleXdvcmQ+PGtleXdvcmQ+UGVuaWNp
bGxpbiBSZXNpc3RhbmNlPC9rZXl3b3JkPjxrZXl3b3JkPlBlbmljaWxsaW5zPC9rZXl3b3JkPjxr
ZXl3b3JkPlNhbG1vbmVsbGEgdHlwaGltdXJpdW08L2tleXdvcmQ+PGtleXdvcmQ+U2VsZWN0aW9u
LCBHZW5ldGljPC9rZXl3b3JkPjxrZXl3b3JkPlRoeW1pbmUvKm1ldGFib2xpc208L2tleXdvcmQ+
PC9rZXl3b3Jkcz48ZGF0ZXM+PHllYXI+MTk2ODwveWVhcj48cHViLWRhdGVzPjxkYXRlPkphbi1G
ZWI8L2RhdGU+PC9wdWItZGF0ZXM+PC9kYXRlcz48aXNibj4wMDI3LTUxMDcgKFByaW50KSYjeEQ7
MDAyNy01MTA3IChMaW5raW5nKTwvaXNibj48YWNjZXNzaW9uLW51bT40ODczMzMxPC9hY2Nlc3Np
b24tbnVtPjx1cmxzPjxyZWxhdGVkLXVybHM+PHVybD5odHRwOi8vd3d3Lm5jYmkubmxtLm5paC5n
b3YvZW50cmV6L3F1ZXJ5LmZjZ2k/Y21kPVJldHJpZXZlJmFtcDtkYj1QdWJNZWQmYW1wO2RvcHQ9
Q2l0YXRpb24mYW1wO2xpc3RfdWlkcz00ODczMzMxPC91cmw+PC9yZWxhdGVkLXVybHM+PC91cmxz
PjxlbGVjdHJvbmljLXJlc291cmNlLW51bT4wMDI3LTUxMDcoNjgpOTAwNzYtNiBbcGlpXTwvZWxl
Y3Ryb25pYy1yZXNvdXJjZS1udW0+PGxhbmd1YWdlPmVuZzwvbGFuZ3VhZ2U+PC9yZWNvcmQ+PC9D
aXRlPjxDaXRlPjxBdXRob3I+Qm9jazwvQXV0aG9yPjxZZWFyPjE5ODQ8L1llYXI+PFJlY051bT4y
MzwvUmVjTnVtPjxyZWNvcmQ+PHJlYy1udW1iZXI+MjM8L3JlYy1udW1iZXI+PGZvcmVpZ24ta2V5
cz48a2V5IGFwcD0iRU4iIGRiLWlkPSJ4YTlmd3A5enZlNXhhZWV4ZHZpcDk5MmN0MnR3emV2dzI5
enciPjIzPC9rZXk+PC9mb3JlaWduLWtleXM+PHJlZi10eXBlIG5hbWU9IkpvdXJuYWwgQXJ0aWNs
ZSI+MTc8L3JlZi10eXBlPjxjb250cmlidXRvcnM+PGF1dGhvcnM+PGF1dGhvcj5Cb2NrLCBLLjwv
YXV0aG9yPjxhdXRob3I+TWVsZGFsLCBNLjwvYXV0aG9yPjxhdXRob3I+QnVuZGxlLCBELiBSLjwv
YXV0aG9yPjxhdXRob3I+SXZlcnNlbiwgVC48L2F1dGhvcj48YXV0aG9yPkdhcmVnZywgUC4gSi48
L2F1dGhvcj48YXV0aG9yPk5vcmJlcmcsIFQuPC9hdXRob3I+PGF1dGhvcj5MaW5kYmVyZywgQS4g
QS48L2F1dGhvcj48YXV0aG9yPlN2ZW5zb24sIFMuIEIuPC9hdXRob3I+PC9hdXRob3JzPjwvY29u
dHJpYnV0b3JzPjx0aXRsZXM+PHRpdGxlPlRoZSBjb25mb3JtYXRpb24gb2YgU2FsbW9uZWxsYSBP
LWFudGlnZW5pYyBwb2x5c2FjY2hhcmlkZSBjaGFpbnMgb2Ygc2Vyb2dyb3VwcyBBLCBCLCBhbmQg
RDEgcHJlZGljdGVkIGJ5IHNlbWktZW1waXJpY2FsLCBIYXJkLVNwaGVyZSAoSFNFQSkgY2FsY3Vs
YXRpb25zPC90aXRsZT48c2Vjb25kYXJ5LXRpdGxlPkNhcmJvaHlkciBSZXM8L3NlY29uZGFyeS10
aXRsZT48L3RpdGxlcz48cGVyaW9kaWNhbD48ZnVsbC10aXRsZT5DYXJib2h5ZHIgUmVzPC9mdWxs
LXRpdGxlPjwvcGVyaW9kaWNhbD48cGFnZXM+MjMtMzQ8L3BhZ2VzPjx2b2x1bWU+MTMwPC92b2x1
bWU+PGVkaXRpb24+MTk4NC8wNy8xNTwvZWRpdGlvbj48a2V5d29yZHM+PGtleXdvcmQ+Q2FyYm9o
eWRyYXRlIENvbmZvcm1hdGlvbjwva2V5d29yZD48a2V5d29yZD5NZXRob2RzPC9rZXl3b3JkPjxr
ZXl3b3JkPk1vZGVscywgTW9sZWN1bGFyPC9rZXl3b3JkPjxrZXl3b3JkPipQb2x5c2FjY2hhcmlk
ZXMsIEJhY3RlcmlhbDwva2V5d29yZD48a2V5d29yZD5TYWxtb25lbGxhLyppbW11bm9sb2d5PC9r
ZXl3b3JkPjxrZXl3b3JkPlNlcm90eXBpbmc8L2tleXdvcmQ+PGtleXdvcmQ+U3BlY2llcyBTcGVj
aWZpY2l0eTwva2V5d29yZD48a2V5d29yZD5UaGVybW9keW5hbWljczwva2V5d29yZD48L2tleXdv
cmRzPjxkYXRlcz48eWVhcj4xOTg0PC95ZWFyPjxwdWItZGF0ZXM+PGRhdGU+SnVsIDE1PC9kYXRl
PjwvcHViLWRhdGVzPjwvZGF0ZXM+PGlzYm4+MDAwOC02MjE1IChQcmludCkmI3hEOzAwMDgtNjIx
NSAoTGlua2luZyk8L2lzYm4+PGFjY2Vzc2lvbi1udW0+NjQ3ODQ1OTwvYWNjZXNzaW9uLW51bT48
dXJscz48cmVsYXRlZC11cmxzPjx1cmw+aHR0cDovL3d3dy5uY2JpLm5sbS5uaWguZ292L2VudHJl
ei9xdWVyeS5mY2dpP2NtZD1SZXRyaWV2ZSZhbXA7ZGI9UHViTWVkJmFtcDtkb3B0PUNpdGF0aW9u
JmFtcDtsaXN0X3VpZHM9NjQ3ODQ1OTwvdXJsPjwvcmVsYXRlZC11cmxzPjwvdXJscz48ZWxlY3Ry
b25pYy1yZXNvdXJjZS1udW0+MDAwOC02MjE1KDg0KTg1MjY3LTIgW3BpaV08L2VsZWN0cm9uaWMt
cmVzb3VyY2UtbnVtPjxsYW5ndWFnZT5lbmc8L2xhbmd1YWdlPjwvcmVjb3JkPjwvQ2l0ZT48L0Vu
ZE5vdGU+AG==
ADDIN EN.CITE.DATA (11, 12).
د) آنتی ژن های فیمبریه ای
اکثر سروتایپ های سالمونلا دارای جایگاهی برای آنتی ژن فیمبریه هستند و فیمبریه تولید می کنند. با توجه به بررسی هایی که بر روی سالمونلا انتریتیدیس و سالمونلا تایفی موریوم صورت پذیرفت، اطلاعاتی در مورد فیمبریه ی سالمونلاها بدست آمد. آنتی ژن فیمبریه ای در برابر فرمالدئید0.1-0.2 ثابت می شود که این ویژگی مشابه آنتی ژن فلاژل می باشد. برخی از آنتی ژن های فیمبریه ای دارای خاصیت پوشانندگی آگلوتیناسیون O وH می باشند، این ویژگی باعث می شود که هنگامیکه از سالمونلایی که در مرحله اول فیمبریه قرار دارد، آنتی بادی ضد فیمبریه جدا شود و از این آنتی بادی استفاده شود، باعث ایجاد واکنش متقاطع و گیج کننده ای می شود. برای آنکه این واکنش صورت نگیرد باید از کشت هایی برای تهیه سوسپانسیون استفاده شود که در مرحله غیر فیمبریه ای باشند. فیمبریه اگر به مدت 30 دقیقه در حرارت 100 درجه سانتی گراد قرار گیرد از باکتری جدا می شود ولی در دمای 121 درجه سانتی گراد به مدت سی دقیقه قرار گیرد، غیر فعال می شود ADDIN EN.CITE <EndNote><Cite><Author>Murray</Author><Year>2013</Year><RecNum>2</RecNum><record><rec-number>2</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">2</key></foreign-keys><ref-type name="Book">6</ref-type><contributors><authors><author>Murray, P.R.</author><author>Rosenthal, K.S.</author><author>Pfaller, M.A.</author></authors></contributors><titles><title>Medical Microbiology</title></titles><dates><year>2013</year></dates><publisher>Mosby/Elsevier</publisher><isbn>9780323054706</isbn><urls><related-urls><url>https://books.google.com/books?id=O92zd8fV-RcC</url></related-urls></urls></record></Cite></EndNote>(5).
1-2-6، عوامل دخیل در بیماریزایی در سالمونلا
سالمونلا دارای عوامل بیماریزایی متعددی می باشد که شامل: انتروتوکسین، سیتوتوکسین، اندوتوکسین، سیدروفور، آنتی ژن های سطحی و غیره می باشد و این عوامل در سروتایپ های مختلف سالمونلا نقش مختلفی در بیماریزایی سالمونلا در میزبان های مختلف بر عهده دارند مثلا سالمونلا تایفی موریوم در میزبان طبیعی خود، موش، بیماری هایی شبیه حصبه ایجاد می کند ولی در انسان ، گاستروانتریت خود محدودشونده ایجاد می کند در حالیکه سالمونلا تایفی حتی به صورت خوراکی در حیوانات ایجاد بیماری نمی کند و تنها در انسان بیماری ایجاد می کند. این باکتری انگل اختیاری داخل سلولی می باشد. بقاء سالمونلا داخل سلول های میزبان به دلیل پاسخ های متفاوت سیستم اینمنی میزبان های مختلف سالمونلا در برابر این باکتری می باشد(3).
الف) سیتوتوکسین
فعالیت سیتوتوکسین تنها در عصاره باکتری دیده می شود، این ویژگی بدلیل وابستگی توکسین به غشای خارجی باکتری می باشد. میزان تولید سیتوتوکسین توسط سروتایپ های مختلف سالمونلا، متفاوت می باشد. سروتایپ تایفی کمترین میزان و سروتایپ های انتریتیدیس و کلراسوئیس بیشترین میزان توکسین را تولید می نمایند. سیتوتوکسین در سلول های یوکاریوتی باعث مهار سنتز پروتئین می گردد. درانتریت سالمونلایی تخریب سلول های پوشش روده دیده می شود که احتمال داده می شود این تخریب توسط سیتوتوکسین سالمونلا ایجاد شود. عملکرد سیتوتوکسین در بیماریزایی سالمونلا هنوز بطور کامل معلوم نمی باشد اما احتمال داده می شود این سم باعث ایجاد تغییراتی در غشای سلولی که می شود که موجب مختل شدن عبور و مرور انتخابی مولکول ها از غشای سلولی می گردد که این عملکرد در نهایت باعث نکروز شدن انتروسیت ها می شود. اسیب بافتی ناشی از سیتوتوکسین باعث سهولت در تهاجم سالمونلا می شود(3،10 ).
ب) اندوتوکسین
علامت هایی که در حیوانات آزمایشکاهی نظیر موش در اثر تزریق اندوتوکسین ایجاد می شود مشابه علایمی است که در اثر سپتمی سمی ناشی از سالمونلا ایجاد می گردد. علامت هایی که در اثر اندوتوکسین سالمونلا ایجاد می شود نظیر کاهش فشار خون، لکوپنی و در نهایت لکوسیتوز، شوک، اسیدوز و تب می باشد. عامل اصلی سمیت اندوتوکسین، لیپید A موجود در غشای خارجی باکتری های گرم منفی می باشد. حساسیت انسان در برابر اندوتوکسین از سایر موجودات زنده بسیاربالاتر می باشد و این بدلیل آن می باشد که بروز حالت تحمل در برابر اندوتوکسین بدلیل افزایش آهسته درجه حرارت از بین می رود. سلول های مختلفی از بدن مثل پلاکت ها، مونوسیت ها، سلول ها، ماکروفاژها و نوتروفیل ها تحت تاثیر اندوتوکسین قرار گرفته و موادی از این سلول ها آزاد می شود مثل اینترلوکین هشت، آنافیلاتوکسین، اینترلوکین یک، اینترلوکین شش و فاکتور نکروز دهنده تومور می باشد که هریک از این مواد برروی اندام های بدن تاثیر می گذارد(3).
ج) انتروتوکسین
توکسین حساس به حرارت که نوسط اشرشیا کلی و ویبریو کلرا تولید می شود توسط برخی از سویه های سالمونلا تایفی موریوم نیز تولید می گردد که از نظر مکانیسم مشابه سم تولیدی توسط ویبریو کلرا می باشد و با فعال کردن ادنیلات سیکلاز و در نهایت باعث افزایش cAMP می گردد. انتروتوکسینی که توسط برخی از سویه های سالمونلا تایفی موریوم تولید می شود از لحاظ نیاز به نفوذ نوتروفیل ها با کلراتوکسین متفاوت می باشد در نتیجه ارتباطی بین میزان بیماریزایی سالمونلا تایفی موریوم و توانایی تحریک نفوذ نوتروفیل ها وجود دارد. این باکتری باعث غالب شدن نوتروفیل ها در بین سایر لکوسیت ها در طی تهاجم در غشای روده می شود و با تهاجم نوتروفیل ها به باکتری، انتروتوکسین از باکتری آزاد می گردد.انترو توکسین همراه با دیواره باکتری می باشد و ماهیت پروتئینی دارد ADDIN EN.CITE <EndNote><Cite><Author>Isenberg</Author><Year>1992</Year><RecNum>225</RecNum><record><rec-number>225</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">225</key></foreign-keys><ref-type name="Book">6</ref-type><contributors><authors><author>Isenberg, H.D.</author><author>American Society for Microbiology</author></authors></contributors><titles><title>Clinical microbiology procedures handbook</title></titles><dates><year>1992</year></dates><publisher>American Society of Microbiology</publisher><urls><related-urls><url>https://books.google.com/books?id=0JpKAQAAIAAJ</url></related-urls></urls></record></Cite></EndNote>(13).
1-2-7. بیماری های ناشی از سالمونلا
بیماری های ناشی از سالمونلا که در انسان ایجاد می شوند شامل: گاستروانتریت، سپتی سمی، تیفوئید و انترو کولیت حاد می باشد ADDIN EN.CITE <EndNote><Cite><Author>Brooks</Author><Year>2012</Year><RecNum>1</RecNum><record><rec-number>1</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">1</key></foreign-keys><ref-type name="Book">6</ref-type><contributors><authors><author>Brooks, G.</author><author>Carroll, K.C.</author><author>Butel, J.</author><author>Morse, S.</author></authors></contributors><titles><title>Jawetz Melnick&amp;Adelbergs Medical Microbiology 26/E</title></titles><dates><year>2012</year></dates><publisher>Mcgraw-hill</publisher><isbn>9780071790314</isbn><urls><related-urls><url>https://books.google.com/books?id=UUSXV8B9i9sC</url></related-urls></urls></record></Cite></EndNote>(4).
الف) حصبه
سالمونلابه انتهای دیواره اپیتلیال روده حمله می کند و سپس به گره های لنفاوی روده منتقل می شود، در این گره های لنفاوی، سالمونلا توسط ماکروفاژها- مونوسیت ها و پلی مورفونوکلئوز بلعیده می شود و سالمونلاهایی که توسط PMN ها بلعیده می شود، از بین می روند اما سالمونلاهایی که توسط ماکروفاژها بلعیده می شوند در درون واکوئل آن ها تکثیر یافته و ماکروفاژها به عنوان یک ناقل برای سالمونلا عمل می کند و باعث انتقال سالمونلا به بافت های مختلف رتیکلواندوتلیال می شود. در نهایت این ماکروفاژهای آلوده به سالمونلا تخریب شده و سالمونلا آزاد می شود و باعث ایجاد سپتی سمی می شود. حصبه توسط دو سروتایپ تایفی و پاراتایفی ایجاد می گردد ADDIN EN.CITE <EndNote><Cite><Author>Walker</Author><Year>1998</Year><RecNum>3</RecNum><record><rec-number>3</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">3</key></foreign-keys><ref-type name="Book">6</ref-type><contributors><authors><author>Walker, T.S.</author></authors></contributors><titles><title>Microbiology</title></titles><dates><year>1998</year></dates><publisher>W.B. Saunders Company</publisher><isbn>9780721646411</isbn><urls><related-urls><url>https://books.google.com/books?id=DtlpAAAAMAAJ</url></related-urls></urls></record></Cite></EndNote>(6).
علایم حصبه بعد از 7 تا 14 روز بروز می کند و شامل: بی حالی، تب، بی اشتهایی، سرفه خشک، یبوست و سردرد می باشد. در این دو هفته از بیماری، گلبول های سفید در حد نرمای بوده و سالمونلا در مدفوع وجود ندارد. در هفته دوم از بیماری، بیمار به شدت نا خوش است به این دلیل که سالمونلاها از ماکروفاژهای آلوده آزاد می گردد. روی بدن بیمار لکه های به قطر دو تا سه میلی متر دیده می شود که شاید این ماکولوپاپولار شامل سالمونلا باشد ADDIN EN.CITE <EndNote><Cite><Author>Walker</Author><Year>1998</Year><RecNum>3</RecNum><record><rec-number>3</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">3</key></foreign-keys><ref-type name="Book">6</ref-type><contributors><authors><author>Walker, T.S.</author></authors></contributors><titles><title>Microbiology</title></titles><dates><year>1998</year></dates><publisher>W.B. Saunders Company</publisher><isbn>9780721646411</isbn><urls><related-urls><url>https://books.google.com/books?id=DtlpAAAAMAAJ</url></related-urls></urls></record></Cite></EndNote>(6).
هنگامیکه بیمار مبتلا به حصبه بهبود یابد در تمام طول زندگی در برابر تیفوئید مقاوم خواهد بود.هنگامیکه بیماری به موقع درمان پیدا نکند، فرد مبتلا به حصبه وارد مرحله ی جدیدی از بیماری می شود که فرد مبتلا به سختی رنج می کشد و دارای علایمی شامل: یبوست شدید، اسهال زرد رنگ و تب بالا می باشد.
در هفته سوم از بیماری، فرد وارد مرحله تب روده ای شده و دارای علایمی می باشد که شامل: بی حالی، کاهش شدید وزن بدن و ممکن است نفخ در ناحیه شکم نیز مشاهده شود. در هفته چهارم به تدریج علائم کم شده و دمای بدن بعد 7 تا 10 روز به حالت طبیعی باز می گردد اما ممکن بعد از دو هفته که تب پایین آمد سایر علائم نیز دوباره بروز کنند. علایمی که حیات بیمار را تهدید می کند در مرحله تب روده ای رخ می دهدPEVuZE5vdGU+PENpdGU+PEF1dGhvcj5XYWxrZXI8L0F1dGhvcj48WWVhcj4xOTk4PC9ZZWFyPjxS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ADDIN EN.CITE PEVuZE5vdGU+PENpdGU+PEF1dGhvcj5XYWxrZXI8L0F1dGhvcj48WWVhcj4xOTk4PC9ZZWFyPjxS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ADDIN EN.CITE.DATA (6, 14, 15).
بیماری شبیه تب روده ای معمولا نسبت به حصبه دارای علائم خفیف تری می باشد و دارای عوارض شدید نمی باشد. دوره ی بهبود بیماری شبه حصبه که توسط سروتایپ پاراتایفی ایجاد می شود نسبت به حصبه کمتر می باشد.
شدیدترین عوارضی که طی بیماری ایجاد می شود، سوراخ شدن روده و خونریزی می باشد که معمولا در هفته سوم از بیماری ایجاد می شود. خونریزی روده با علایمی چون: شوک، دیده شدن خون در مدفوع و افت ناگهانی فشار می باشد. سوراخ شدن روده باعث ایجاد شرایط اوراژنسی می شود و فرد باید تحت مراقبت های ویژه قرار گیرد، این وضعیت به دلیل ورود محتویات روده به حفره شکمی طی سوراخ شدن روده کوچک یا بزرگ می باشدPEVuZE5vdGU+PENpdGU+PEF1dGhvcj5QYXJyeTwvQXV0aG9yPjxZZWFyPjE5OTk8L1llYXI+PFJl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ADDIN EN.CITE PEVuZE5vdGU+PENpdGU+PEF1dGhvcj5QYXJyeTwvQXV0aG9yPjxZZWFyPjE5OTk8L1llYXI+PFJl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ADDIN EN.CITE.DATA (14, 15).
یکسری علائم غیر معمول نیز وجود دارد که شامل: التهاب لوزالمعده، مننژیت، عفونت کلیه یا مثانه، مشکلات روانی مثل توهم، سایکوز، میوکاردیت و عفونت ریوی می باشد که تمام این علائم آتیپیک می باشد. اگر درمان صورت نگیرد ممکن است فرد مبتلا دچار مرگ شود ولی اکثر افراد در کشورهای توسعه یافته با درمان فوری به سرعت درمان می یابندPEVuZE5vdGU+PENpdGU+PEF1dGhvcj5FcmdpbjwvQXV0aG9yPjxZZWFyPjIwMDQ8L1llYXI+PFJl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ADDIN EN.CITE PEVuZE5vdGU+PENpdGU+PEF1dGhvcj5FcmdpbjwvQXV0aG9yPjxZZWFyPjIwMDQ8L1llYXI+PFJl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ADDIN EN.CITE.DATA (14-16).
سپتی سمی
سپتی سمی دارای علایمی است که شامل: باکتریمی، بی اشتهایی، کاهش وزن بدن، کم خونی، بزرگ شدن کبد و طحال و تب ناگهانی می باشد. پس از تهاجم به ایلئوم در بیماران دارای کم خونی ممکن است عفونت به سمت سپتی سمی سوق داده شود. درمان آنتی بیوتیکی سپتی سمی شامل: سفتریاکسون، سپیروفلوکساسین و سفوپرازون می باشد و باید از افراد مبتلا به سپتی سمی کشت خون انجام شود بدلیل آنکه باکتری در داخل خون این افراد می باشد. ممکن است باکتریمی سبب عفونت در جاهای غیر عادی بدلیل وارد شدن ارگانیسم به اندام های مختلف شود. همچنین باعث سپسیس نیز می شود ADDIN EN.CITE <EndNote><Cite><Author>Walker</Author><Year>1998</Year><RecNum>3</RecNum><record><rec-number>3</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">3</key></foreign-keys><ref-type name="Book">6</ref-type><contributors><authors><author>Walker, T.S.</author></authors></contributors><titles><title>Microbiology</title></titles><dates><year>1998</year></dates><publisher>W.B. Saunders Company</publisher><isbn>9780721646411</isbn><urls><related-urls><url>https://books.google.com/books?id=DtlpAAAAMAAJ</url></related-urls></urls></record></Cite></EndNote>(6).
ب) گاستروانتریت
سالمونلا با تولید انتروتوکسین و تهاجم به دیواره ی روده باعث ایجاد علایمی چون استفراغ، اسهال و تهوع می شود. بیشتر سروتایپ های سالمونلا می توانند باعث ایجاد انتریت می گردند.وجودPMN ها در مدفوع باعث اثبات هجوم باکتری به بافت ها شود اما بطور غیر معمول سالمونلا از دستگاه گوارش به سایر اندام های بدن منتقل می گردد.
سالمونلا از طریق محصولات دامی آلوده به انسان انتقال می یابد و این عفونت بین انسان و دام مشترک می باشد و این یک عفونت زئونوز می باشد.
ممکن است علاوه بر فراورده های لبنی آلوده به سالمونلا، آب شده به مدفوع یا ادرار حیوانات یا غذا از دیگر منابع انتریت ناشی از سالمونلا می باشند ADDIN EN.CITE <EndNote><Cite><Author>Walker</Author><Year>1998</Year><RecNum>3</RecNum><record><rec-number>3</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">3</key></foreign-keys><ref-type name="Book">6</ref-type><contributors><authors><author>Walker, T.S.</author></authors></contributors><titles><title>Microbiology</title></titles><dates><year>1998</year></dates><publisher>W.B. Saunders Company</publisher><isbn>9780721646411</isbn><urls><related-urls><url>https://books.google.com/books?id=DtlpAAAAMAAJ</url></related-urls></urls></record></Cite></EndNote>(6).
ج) انترو کولیت
این بیماری تظاهر عفونت سالمونلایی می باشد. در ایالات متحده آمریکا، سالمونلا تایفی موریوم و سالمونلا انتریتیدیس غالب هستند، اما انتروکولیت توسط هرکدام از 1400 سروتایپ گروه یک سالمونلا می تواند ایجاد شود. 8 تا 48 ساعت پس از خورده شدن سالمونلا، تهوع، اسهال پر حجم، سردرد، استفراغ روی می دهد و تعداد کمی گلبول سفید در مدفوع دیده می شود. تب خفیف، شایع است ولی دوره بیماری 2 تا 3 روز پایان می پذیرد.
ضایعات التهابی در روده کوچک و روده بزرگ وجود دارد. باکتریمی غیر شایع است( 2 تا 4 درصد) به غیر از مواردی که بیمار دارای نقص سیستم ایمنی است. نتیجه کشت خون منفی است ولی نتیجه کشت مدفوع برای سالمونلاها مثبت بوده و ممکن است تا چند هفته پس از رفع علائم بالینی مثبت باقی بماند ADDIN EN.CITE <EndNote><Cite><Author>Brooks</Author><Year>2012</Year><RecNum>1</RecNum><record><rec-number>1</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">1</key></foreign-keys><ref-type name="Book">6</ref-type><contributors><authors><author>Brooks, G.</author><author>Carroll, K.C.</author><author>Butel, J.</author><author>Morse, S.</author></authors></contributors><titles><title>Jawetz Melnick&amp;Adelbergs Medical Microbiology 26/E</title></titles><dates><year>2012</year></dates><publisher>Mcgraw-hill</publisher><isbn>9780071790314</isbn><urls><related-urls><url>https://books.google.com/books?id=UUSXV8B9i9sC</url></related-urls></urls></record></Cite></EndNote>(4).
1-2-8. اپیدمیولوژی سالمونلا
سالمونلا باعث مسومیت های غذایی، حصبه، سپتی سمی و انتروکولیت می شود و از طریق دهانی وارد بدن انسان و سایر حیوانات می شودPEVuZE5vdGU+PENpdGU+PEF1dGhvcj5QYXJyeTwvQXV0aG9yPjxZZWFyPjE5OTk8L1llYXI+PFJl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ADDIN EN.CITE PEVuZE5vdGU+PENpdGU+PEF1dGhvcj5QYXJyeTwvQXV0aG9yPjxZZWFyPjE5OTk8L1llYXI+PFJl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ADDIN EN.CITE.DATA (15, 17, 18).
در آمریکا انتریت سومین فرم شایع مسومیت غذایی است و سالیانه حدود 50000 مورد انتریت گزارش می شود که اکثرا به وسیله سالمونلا انتریکا سرو تایپ تایفی موریوم می باشد ADDIN EN.CITE <EndNote><Cite><Author>Walker</Author><Year>1998</Year><RecNum>3</RecNum><record><rec-number>3</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">3</key></foreign-keys><ref-type name="Book">6</ref-type><contributors><authors><author>Walker, T.S.</author></authors></contributors><titles><title>Microbiology</title></titles><dates><year>1998</year></dates><publisher>W.B. Saunders Company</publisher><isbn>9780721646411</isbn><urls><related-urls><url>https://books.google.com/books?id=DtlpAAAAMAAJ</url></related-urls></urls></record></Cite></EndNote>(6).
خانوم ها سالمونلا را در داخل کیسه صفراوی خود حمل می نمایند، در حالیکه هیچگونه علایمی از خود بروز نمی دهنند به این دلیل که سالمونلا دارای تمایل بالا به لوکالیزه شدن در کیسه صفرا می باشد و باعث می شود که این ناقلان برای سالها سالمونلا را به محیط اطراف منتقل نمایند.
مقدار حدود 10⁶ تا 10⁷ دوز از سالمونلا برای ایجاد عفونت نیاز است این به دلیل آن می باشد که سالمونلا به اسید معده حساس بوده که این خصوصیت بر خلاف شیگلا می باشد. افرادی که دارو های ضد اسید معده مصرف می کنند در برابر عفونت با سالمونلا حساس تر می باشند.
مدفوع افرادی که بیماری تحت بالینی نامحسوسی دارند و یا آنهایی که ناقل هستند نسبت به افرادی که وضعیت بالینی آشکاری دارند، منبع آلودگی بسیار مهم تری هستند، مثلا زمانی که ناقلینی که در تهیه مواد غذایی شاغل هستند و ارگانیسم را دفع می نمایند. بسیاری از حیوانات از جمله دام ها، جوندگان و ماکیان به طور طبیعی با انواعی از سالمونلا آلوده می شوند و باکتری در بافت های آنها( مثل گوشت)، مدفوع و تخم ها وجود دارد. در مورد شیوع بالای سالمونلاها در محصولات مرغ تجاری به طور گسترده اطلاع رسانی شده است. در ایالات متحده آمریکا بروز تب تیفوئید کاهش یافته ولی وقوع سایر عفونت های سالمونلایی به طور چشمگیری افزایش یافته است. به احتمال زیاد مشکل در استفاده وسیع از خوراک دام و طیور حاوی مواد دارویی ضد میکروبی است که شرایط برای رشد سویه های مقاوم سالمونلا تسهیل کرده و این سویه ها به انسان انتقال یافته و می تواند در انسان بیماری ایجاد نمایند. منابعی که ممکن سبب عفونت با سالمونلا در انسان شوند شامل: آب، شیر و سایر فراورده های لبنی، صدف، تخم مرغ پودر یا فریز شده، گوشت و فراورده های گوشتی، رنگ های با منشاء حیوانی، مواد مخدر مثل ماری جوانا و حیوانات دست آموز خانگی می باشند ADDIN EN.CITE <EndNote><Cite><Author>Brooks</Author><Year>2012</Year><RecNum>1</RecNum><record><rec-number>1</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">1</key></foreign-keys><ref-type name="Book">6</ref-type><contributors><authors><author>Brooks, G.</author><author>Carroll, K.C.</author><author>Butel, J.</author><author>Morse, S.</author></authors></contributors><titles><title>Jawetz Melnick&amp;Adelbergs Medical Microbiology 26/E</title></titles><dates><year>2012</year></dates><publisher>Mcgraw-hill</publisher><isbn>9780071790314</isbn><urls><related-urls><url>https://books.google.com/books?id=UUSXV8B9i9sC</url></related-urls></urls></record></Cite></EndNote>(4).
1-2-9، تشخیص آزمایشگاهی سالمونلا
سالمونلا درمحیطهای S.S Agar، بیسموت سولفیت، بریلیانت گرین و HEA-SS رشد می کند ولی سایر کلی فرم ها همچون اشرشیا کلی بدلیل وجود آنتی بیوتیک ها قادر به رشد بر روی این محیط ها نیستند. در عفونت گاستروانتریت ناشی از سالمونلا، در اسمیر نازک از مدفوع اسهالی، گلبول های سفید همراه با باکتری سالمونلا در زیر میکروسکوپ دیده خواهد شد. کلونی های سالمونلا بر روی محیط بلاد آگار به صورت محدب و مرطوب به رنگ خاکستری به قطر دو تا سه میلی متر دیده می شود که این کلونی ها بعد گذشت بیست و چهار ساعت در دمای 37 درجه سانتی گراد ایجاد می گردد. در محیط مکانکی آگار کلونی های سالمونلا بیرنگ دیده می شود و رنگ محیط بدلیل عدم تخمیر قند لاکتوز زرد کهربایی می گردد ولی سایر باکتری های گرم منفی که جزء خانواده ی انترو باکتریاسه می باشند و تخمیر کننده ی قند لاکتوز هستند، برروی محیط مکانکی اگار کلونی هایی به رنگ صورتی ایجاد می نمایند. سالمونلا و شیگلا بر روی محیط های سلینت F و محیط مایع GN به سرعت تکثیر پیدا می کنند به این دلیل که این محیط ها مانع از رشد باکتری های گرم مثبت می گردند ADDIN EN.CITE <EndNote><Cite><Author>Budowle</Author><Year>2005</Year><RecNum>238</RecNum><record><rec-number>238</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">238</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Budowle, Bruce</author><author>Schutzer, Steven E</author><author>Ascher, Michael S</author><author>Atlas, Ronald M</author><author>Burans, James P</author><author>Chakraborty, Ranajit</author><author>Dunn, John J</author><author>Fraser, Claire M</author><author>Franz, David R</author><author>Leighton, Terrance J</author></authors></contributors><titles><title>Toward a sys-- of microbial forensics: from sample collection to interpretation of evidence</title><secondary-title>Applied and environmental microbiology</secondary-title></titles><periodical><full-title>Applied and environmental microbiology</full-title></periodical><pages>2209-2213</pages><volume>71</volume><number>5</number><dates><year>2005</year></dates><isbn>0099-2240</isbn><urls></urls></record></Cite></EndNote>(19).
الف) تست های سرولوژیک
بررسی تیتر آنتی بادی و وجود آنتی بادی در سرم بیماران بویسله ی تست ویدال مشخص می گردد. آگلوتیناسیون که در اثر واکنش مستقیم بین آنتی ژنهای پیکری(O) و آنتی ژن تاژک(H) با آنتی بادی ضد آنها ایجاد می شود، اساس تست ویدال می باشد. تست ویدال به دو صورت روش اسلاید و روش لوله ای صورت می گیرد. روش اسلایدی به صورت سریع و روش لوله ای به صورت کند، صورت می پذیرد. به علت پایین بودن سرعت روش لوله ای، این روش تنها برای آنتی ژن هایی که در روش اسلایدی مثبت شده اند، صورت می پذیرد. با وجود اینکه تست ویدال آسان می باشد ولی میزان دقت و حساسیت آن پایین است ADDIN EN.CITE <EndNote><Cite><Author>Bhutta</Author><Year>2006</Year><RecNum>239</RecNum><record><rec-number>239</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">239</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Bhutta, Zulfiqar A</author></authors></contributors><titles><title>Current concepts in the diagnosis and treatment of typhoid fever</title><secondary-title>BMJ</secondary-title></titles><periodical><full-title>BMJ</full-title></periodical><pages>78-82</pages><volume>333</volume><number>7558</number><dates><year>2006</year></dates><isbn>0959-8138</isbn><urls></urls></record></Cite></EndNote>(20) .
حساسیت و دقت روشهای سنتی اعم از کشت و تست های سرولوژی پایین است، به این دلیل روشهای ژنوتایپینگ که بر مبنای ژنوم باکتری می باشد جایگزین روش های فنوتایپینگ شده است. از روش های ژنوتایپینگ که برای شناسایی سالمونلا تایفی استفاده می شود می توان به Nested-PCR با استفاده از پرایمر های HI-d اشاره نمود ADDIN EN.CITE <EndNote><Cite><Author>Bhutta</Author><Year>2006</Year><RecNum>239</RecNum><record><rec-number>239</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">239</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Bhutta, Zulfiqar A</author></authors></contributors><titles><title>Current concepts in the diagnosis and treatment of typhoid fever</title><secondary-title>BMJ</secondary-title></titles><periodical><full-title>BMJ</full-title></periodical><pages>78-82</pages><volume>333</volume><number>7558</number><dates><year>2006</year></dates><isbn>0959-8138</isbn><urls></urls></record></Cite></EndNote>(20) .
روش های جدیدی همچون Tubex و Typhidot جایگزین تست ویدال شده است. این تست ها قادر به شناسایی آنتی بادی های IgM ایجاد شده در میزبان بر ضد آنتی ژن های سالمونلا تایفی می باشد ADDIN EN.CITE <EndNote><Cite><Author>Bhutta</Author><Year>2006</Year><RecNum>239</RecNum><record><rec-number>239</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">239</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Bhutta, Zulfiqar A</author></authors></contributors><titles><title>Current concepts in the diagnosis and treatment of typhoid fever</title><secondary-title>BMJ</secondary-title></titles><periodical><full-title>BMJ</full-title></periodical><pages>78-82</pages><volume>333</volume><number>7558</number><dates><year>2006</year></dates><isbn>0959-8138</isbn><urls></urls></record></Cite></EndNote>(20) .
ب) کشت مدفوع
نمونه هایی که مشکوک به عفونت با سالمونلا هستند بر روی محیط های انتخابی SS Agar و EMB وهمچنین محیط های غنی GN و سلینت F کشت داده می شوند. پس از کشت این محیط ها را داخل انکوباکتور در دمای 37 درحه سانتی گراد به مدت یک شبانه روز قرار می دهند.
بر روی کلونی های بیرنگ و SH₂ دار تست های بیوشیمیایی مناسب را انجام می دهند. سالمونلا فاقد آنزیم اوره از می باشد و در نتیجه تست اوره آن منفی است. تمام سالمونلا ها به جزء سالمونلا پارا تایفی A برو ی محیط کلیگر آیرون آگار، SH₂ تولید می نمایند. تست IMVIC برای سالمونلا پاراتایفی B و C به صورت +- و +- می باشد و این تست برای سالمونلا پارا تایفی A به صورت +- بوده و برای سالمونلا تایفی به صورت – می باشد.
هنگامیکه سالمونلا تایفی مزمن شود، در داخل کیسه صفرا کلونیزه می شود و باکتری از طریق مدفوع از بدن خارج می شود و سالمونلا را می تران از طریق کشت مدفوع جدا نمود ADDIN EN.CITE <EndNote><Cite><Author>Brooks</Author><Year>2012</Year><RecNum>1</RecNum><record><rec-number>1</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">1</key></foreign-keys><ref-type name="Book">6</ref-type><contributors><authors><author>Brooks, G.</author><author>Carroll, K.C.</author><author>Butel, J.</author><author>Morse, S.</author></authors></contributors><titles><title>Jawetz Melnick&amp;Adelbergs Medical Microbiology 26/E</title></titles><dates><year>2012</year></dates><publisher>Mcgraw-hill</publisher><isbn>9780071790314</isbn><urls><related-urls><url>https://books.google.com/books?id=UUSXV8B9i9sC</url></related-urls></urls></record></Cite><Cite><Author>Walker</Author><Year>1998</Year><RecNum>3</RecNum><record><rec-number>3</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">3</key></foreign-keys><ref-type name="Book">6</ref-type><contributors><authors><author>Walker, T.S.</author></authors></contributors><titles><title>Microbiology</title></titles><dates><year>1998</year></dates><publisher>W.B. Saunders Company</publisher><isbn>9780721646411</isbn><urls><related-urls><url>https://books.google.com/books?id=DtlpAAAAMAAJ</url></related-urls></urls></record></Cite></EndNote>(4,6).
در مورد عفونت های گاستروانتریت و انتروکولیت باید از بیمار کشت مدفوع صورت پذیرد اما از بیماران مشکوک به تب روده ای باید کشت خون صورت گیرد. سروتایپینگ به این صورت انجام می شود که یک قطره از آنتی سرم O بر روی لام ریخته و با یک کلونی از باکتری مخلوط می کنیم، اگر آگلوتیناسیون بعد از گذشت یک الی دو دقیقه صورت گرفت، مثبت بودن تست را مشخص می کند. در سالمونلا انتریتیدیس، سالمونلا پاراتایفی C و سالمونلا تایفی آنتی ژن کپسولی بر روی آنتی ژن پیکری قرار می گیرد در نتیجه ممکن است باکتری با هیچکدام از آنتی سرم های O واکنش ندهد و لخته ایجاد نشود ADDIN EN.CITE <EndNote><Cite><Author>Budowle</Author><Year>2005</Year><RecNum>238</RecNum><record><rec-number>238</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">238</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Budowle, Bruce</author><author>Schutzer, Steven E</author><author>Ascher, Michael S</author><author>Atlas, Ronald M</author><author>Burans, James P</author><author>Chakraborty, Ranajit</author><author>Dunn, John J</author><author>Fraser, Claire M</author><author>Franz, David R</author><author>Leighton, Terrance J</author></authors></contributors><titles><title>Toward a sys-- of microbial forensics: from sample collection to interpretation of evidence</title><secondary-title>Applied and environmental microbiology</secondary-title></titles><periodical><full-title>Applied and environmental microbiology</full-title></periodical><pages>2209-2213</pages><volume>71</volume><number>5</number><dates><year>2005</year></dates><isbn>0099-2240</isbn><urls></urls></record></Cite><Cite><Author>Schaechter</Author><Year>2001</Year><RecNum>240</RecNum><record><rec-number>240</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">240</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Schaechter, Moselio</author></authors></contributors><titles><title>Escherichia coli andSalmonella 2000: the View From Here</title><secondary-title>Microbiology and molecular biology reviews</secondary-title></titles><periodical><full-title>Microbiology and molecular biology reviews</full-title></periodical><pages>119-130</pages><volume>65</volume><number>1</number><dates><year>2001</year></dates><isbn>1092-2172</isbn><urls></urls></record></Cite></EndNote>(19,21) .
ج) کشت خون
سالمونلا تایفی بر روی محیط کلیگر آیرون آگار در قسمت شیب دار محیط به صورت لکه های سیاه رنگ، SH₂ تولید می کند. می توان از طریق تست لیزین، سالمونلا را از سیتروباکتر تشخیص داد. سالمونلا در تست لیزین دآمیناز منفی بوده اما در تست لیزین دکربوکسیلاز مثبت است.
برای انجام کشت خون، باید از بیمار حدود 10 میلی لیتر در هنگام تب خون گرفت و خون را در محیط تریپتیکاز سوی براث تزریق نمود و محیط را در داخل انکوباتور در دمای 37 درجه سانتیگراد به مدت یک شبانه روز قرار داد. در تب روده ای کشت خون در هفته اول مثبت می باشدPEVuZE5vdGU+PENpdGU+PEF1dGhvcj5CdWRvd2xlPC9BdXRob3I+PFllYXI+MjAwNTwvWWVhcj48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ADDIN EN.CITE PEVuZE5vdGU+PENpdGU+PEF1dGhvcj5CdWRvd2xlPC9BdXRob3I+PFllYXI+MjAwNTwvWWVhcj48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ADDIN EN.CITE.DATA (19-21).
1-2-10. پیشگیری و کنترل
معیار های بهداشتی برای جلوگیری از آلودگی غذا و آب توسط جوندگان و سایر حیواناتی که سالمونلا را از خود دفع می کنند، باید در نظر گرفته شود. محصولات طیور، گوشت و تخم مرغ های آلوده باید به خوبی پخته شوند. افراد ناقل نباید در کار تهیه مواد غذایی مشغول شوند و نظارت و احتیاط های شدید بهداشتی باید انجام شود.
دو واکسن تیفوئید هم اکنون در ایالات متحده آمریکا در دسترس می باشد. یک واکسن خوراکی تخفیف حدت یافته و یک واکسن از کپسول پلی ساکاریدی Vi که داخل ماهیچه تزریق می گردد. واکسیناسیون برای افرادی که به مناطق اندمیک سفر می کنند به خصوص آنهایی که در نظر دارند به مناطق روستایی که انتخاب های غذایی محدودی دارند بروند، توصیه می شود. هر واکسن کارایی در حدود 50 تا 80% دارد. زمان مورد نیاز برای واکسیناسیون اولیه و محدودیت های سنی برای هر واکسن متفاوت می باشد و افراد باید با وب سایت پیشگیری و کنترل بیماری ها مراجعه کرده و یا با یک کلینیک مخصوص مسافران مشورت نمایند تا بر اساس آخرین اطلاعات مربوط به واکسن عمل شود ADDIN EN.CITE <EndNote><Cite><Author>Brooks</Author><Year>2012</Year><RecNum>1</RecNum><record><rec-number>1</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">1</key></foreign-keys><ref-type name="Book">6</ref-type><contributors><authors><author>Brooks, G.</author><author>Carroll, K.C.</author><author>Butel, J.</author><author>Morse, S.</author></authors></contributors><titles><title>Jawetz Melnick&amp;Adelbergs Medical Microbiology 26/E</title></titles><dates><year>2012</year></dates><publisher>Mcgraw-hill</publisher><isbn>9780071790314</isbn><urls><related-urls><url>https://books.google.com/books?id=UUSXV8B9i9sC</url></related-urls></urls></record></Cite></EndNote>(4).
1-2-11، ایمنی
عفونت با سالمونلا تایفی و سالمونلا پاراتایفی معمولا درجاتی از ایمنی را در افراد ایجاد می نماید. عفونت مجدد می تواند اتفاق بیوفتد اما نسبت به عفونت نخست، شدت کمتری دارد. آنتی بادی ها در گردش خون علیه آنتی ژن های O و Vi در ایمنی علیه عفونت و بیماری نقش ایفا می کند. البته امکان عود بیماری ظرف دو الی سه هفته و با وجود حضور آنتی بادی ها امکان پذیر می باشد. IgA ترشحی می تواند جلوی اتصال سالمونلا ها را به اپیتلیوم روده بگیرد.افرادی که هموگلوبین نوع S/S دارند و دارای بیماری سلول های داسی می باشند، حساسیت بیشتری به عفونت های سالمونلایی به خصوص استئو میلیت دارند. افرادی که هموگلوبین A/S دارند( خصلت سلول های داسی) بیش از افراد عادی( آنهایی که هموگلوبین نوع A/A دارند) حساس هستند ADDIN EN.CITE <EndNote><Cite><Author>Brooks</Author><Year>2012</Year><RecNum>1</RecNum><record><rec-number>1</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">1</key></foreign-keys><ref-type name="Book">6</ref-type><contributors><authors><author>Brooks, G.</author><author>Carroll, K.C.</author><author>Butel, J.</author><author>Morse, S.</author></authors></contributors><titles><title>Jawetz Melnick&amp;Adelbergs Medical Microbiology 26/E</title></titles><dates><year>2012</year></dates><publisher>Mcgraw-hill</publisher><isbn>9780071790314</isbn><urls><related-urls><url>https://books.google.com/books?id=UUSXV8B9i9sC</url></related-urls></urls></record></Cite></EndNote>(4).
1-2-12، درمان
در پاکستان،بنگلادش،هند،ویتنام،آفریقاوخاورمیانه درطی سالهای1980تا1990 میلادی، اپیدمی هایی در اثر سالمونلا تایفی مقاوم به همه ی دارو های خط اول درمان که شامل کوتریموکسازول، آمپی سیلین و کلرامفنیکل بودند، ایجاد شد. سویه های سالمونلا تایفی که به کلرافنیکل مقاوم هستند به تتراسایکلین، استرپتومایسین و سولفونامید نیز مقاومت از خود نشان می دهند و برای درمان می توان از آنتی بیوتیک های موثر نظیر کوتریموکسازول و آموکسی سیلین استفاده نمود ADDIN EN.CITE <EndNote><Cite><Author>Longo</Author><Year>2001</Year><RecNum>237</RecNum><record><rec-number>237</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">237</key></foreign-keys><ref-type name="Book">6</ref-type><contributors><authors><author>Longo, D.</author><author>Fauci, A.</author><author>Kasper, D.</author><author>Hauser, S.</author><author>Jameson, J.</author><author>Loscalzo, J.</author></authors></contributors><titles><title>Harrison&apos;s Principles of Internal Medicine, 18th Edition</title></titles><dates><year>2001</year></dates><publisher>McGraw-Hill Education</publisher><isbn>9780071748902</isbn><urls><related-urls><url>https://books.google.com/books?id=7gxjMV8hClsC</url></related-urls></urls></record></Cite></EndNote>(18).
برای درمان حصبه و شبه حصبه ازآنتی بیوتیک ها استفاده می شود که از این آنتی بیوتیک ها می توان به کوتریموکسازول، کینولون ها، آزیترومایسین، آزترونام، بتالاکتام و کلرامفنیکل اشاره نمود. به علت ایجاد عوارض و مقاومت بالا به کلرامفنیکل، از سال 1972 میلادی به بعد دیگر از این آنتی بیوتیک در درمان حصبه استفاده نمی شود.
بیمارانی که دارای مشکلات تغذیه ای هستند باید از غذاهای پر کالری، کم حجم و سالم استفاده کنند. برای جلوگیری از تب طولانی و کم آبی ناشی از اسهال، به بیماران نوشیدن مایعات توصیه می شود اما در مواردی که این کم آبی شدید است باید بیماران مایعات را از طریق ورید دریافت کنند ADDIN EN.CITE <EndNote><Cite><Author>Glynn</Author><Year>2004</Year><RecNum>241</RecNum><record><rec-number>241</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">241</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Glynn, M Kathleen</author><author>Reddy, Vasudha</author><author>Hutwagner, Lori</author><author>Rabatsky-Ehr, Therese</author><author>Shiferaw, Beletshachew</author><author>Vugia, Duc J</author><author>Segler, Suzanne</author><author>Bender, Jeff</author><author>Barrett, Timothy J</author><author>Angulo, Frederick J</author></authors></contributors><titles><title>Prior antimicrobial agent use increases the risk of spo--ic infections with multidrug-resistant Salmonella enterica serotype Typhimurium: a FoodNet case-control study, 1996–1997</title><secondary-title>Clinical infectious diseases</secondary-title></titles><periodical><full-title>Clinical infectious diseases</full-title></periodical><pages>S227-S236</pages><volume>38</volume><number>Supplement 3</number><dates><year>2004</year></dates><isbn>1058-4838</isbn><urls></urls></record></Cite></EndNote>(22).
مواردی از استفاده سالمونلا به عنوان یک آلوده کننده بیولوژیک وجود دارد به این علت که سرعت رشد و تکثیر سالمونلا بالاست و سویه هایی از سالمونلا تایفی می توانند سبب آلودگی مواد غذایی شوند.
هم اکنون برای درمان حصبه از سفالوسپورین های نسل سوم مثل سفتازیدیم و سفتریاکسون و فولورو کینولون ها مثل سیپروفلوکساسین و افلوکساسین استفاده می شود. جهت درمان سویه های مقاوم به کینولون، آزیترومایسین یا سفتریاکسون استفاده می گردد. البه شایان ذکر است در برخی از نقاط جهان درصد بالای از مقاومت سویه های سالمونلا به فلوروکینولون و سفالوسپورین های نسل سوم دیده شده است هنگامیکه این شرایط پیش می آید باید برای درمان این سویه های مقاوم از آزترونام و آزیترومایسین اسفاده نمود. هنگامی که باکتری به چند دارو مقاوم باشد برای درمان باید از یک سفکسیم یا فلوروکینولون استفاده نمود در حالیکه برای جداسازی باکتری حساس باید از فلوروکینولون ها مثل سپیروفلوکساسین و افلو کساسین استفاده نمود ADDIN EN.CITE <EndNote><Cite><Author>Bhutta</Author><Year>2006</Year><RecNum>239</RecNum><record><rec-number>239</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">239</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Bhutta, Zulfiqar A</author></authors></contributors><titles><title>Current concepts in the diagnosis and treatment of typhoid fever</title><secondary-title>BMJ</secondary-title></titles><periodical><full-title>BMJ</full-title></periodical><pages>78-82</pages><volume>333</volume><number>7558</number><dates><year>2006</year></dates><isbn>0959-8138</isbn><urls></urls></record></Cite></EndNote>(23).
1-3 – مروری بر روش های تایپینگ باکتری ها
تیپ بندی باکتری ها به دو صورت انجام می شود که به صورت زیر می باشد:
فنوتایپینگ: که بر اساس ویژگی های ظاهری باکتری ها می باشد مثل: کشت، تست های بیو شیمیایی، فاژتایپینگ و آنتی بیوگرام.
ژنوتایپینگ: که از میزان دقت و حساسیت بالایی نسبت به فنوتایپینگ بر خوردار است و این تکنیک ها بر پایه ی ژنوم میکرو ارگانیسم ها شکل گرفته اند مثل: MLST، PFGE، MLVA، Plasmid Profiling، REP-PCR، ERIC-PCR، PCR-RFLP، AFLP، AP-PCR،RAPD-PCR و Multiplex PCR.
البته در میان تکنیک های ژنوتایپینگ دو تکنیک MLVA و MLST از همه جدیدتر بوده است. البته شایان ذکر دو تکنیک Real Time- PCR و تکنیک LAMP برای تشخیص میکرو ارگانیسم ها استفاده می شود. البته در این میان LAMP دارای سرعت بالا و هزینه پایین نسبت به Real Time- PCR می باشد ADDIN EN.CITE <EndNote><Cite><Author>Mori</Author><Year>2009</Year><RecNum>242</RecNum><record><rec-number>242</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">242</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Mori, Yasuyoshi</author><author>Notomi, Tsugunori</author></authors></contributors><titles><title>Loop-mediated isothermal amplification (LAMP): a rapid, accurate, and cost-effective diagnostic method for infectious diseases</title><secondary-title>Journal of infection and chemotherapy</secondary-title></titles><periodical><full-title>Journal of infection and chemotherapy</full-title></periodical><pages>62-69</pages><volume>15</volume><number>2</number><dates><year>2009</year></dates><isbn>1341-321X</isbn><urls></urls></record></Cite></EndNote>(23).
در ابتدا برای تشخیص باکتری ها و بررسی های اپیدمیولوژیکی از تست های سرولوژی استفاده شد. البته تست های سرولوژی با مشکلاتی اعم از هزینه بالای تولید و مصرف آن، تنوع وسیع خصوصیات آنتی ژنتیکی و نیاز به استفاده از طیف وسیعی از آنتی بادی به خصوص در هنکام استفاده از این تست برای شناسایی اشرشیا کلی، به همین دلیل تکنیک های مولکولی جایگزین تست های سرولوژی شده اند.
نگرش دانشمندان و محققان با شروع عصر مولکولی با کشف ژنوم از ویژگی های ظاهری باکتری( فنوتیپ) به به خصوصیات ژنتیکی و باطنی باکتری( ژنوتیپ) تغییر یافته است. البته تکنیک های ژنوتایپینگ خود به دو دسته تقسیم می شوند که به صورت زیر می باشد:
روش های ژنوتایپینگی که بر پایه ی تکثیر و همانند سازی DNA شکل گرفته اند که شامل: انواع مختلف PCR، MLVA و MLST
تکنیک هایی که بر پایه ی تکثیر و همانند سازی DNA نمی باشند که شامل: PFGE و FISH
تا کنون از تکنیک های مولکولی مختلفی جهت ژنوتایپینگ سویه مختلف سالمونلا انتریکا سرووار انتریتیدیس صورت گرفته که به تفصیل در فصل دوم و پنجم توضیح داده خواهد شد.
تمام این تکنیک هایی مولکولی دارای معایب و مزایایی نسبت به یکدیگر می باشند. MLVA یکی از روش های ژنوتایپینگ سریع و کم هزینه می باشد که مدت زمان زیادی نیست که پا به عرصه وجود کذاشته است و با توجه به مزایایی که نسبت به سایر روش های مولکولی دارد، امید می رود این تکنیک جایگزین سایرروش های ژنوتایپینگگران قیمت شود.البته شایانذکر است کهبحث مقایسه ی سایر روش های مولکولی از گنجایش این پایان نامه بدلیل گستردگی این روش ها، خارج است و سعی شده تا تکنیک MLVA را به طور کامل معرفی کرده و آنرا با سایر روش های مولکولی مقایسه کنیم و مزایا و معایب آنرا با سایر روش های مولکولی مشخص کنیم ADDIN EN.CITE <EndNote><Cite><Author>Nadon</Author><Year>2013</Year><RecNum>1</RecNum><record><rec-number>1</rec-number><foreign-keys><key app="EN" db-id="vr2xrzwaadtex1exae9v9vdz2e2sedf2w0xt">1</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Nadon, C. A.</author><author>Trees, E.</author><author>Ng, L. K.</author><author>Moller Nielsen, E.</author><author>Reimer, A.</author><author>Maxwell, N.</author><author>Kubota, K. A.</author><author>Gerner-Smidt, P.</author></authors></contributors><auth-address>National Microbiology Laboratory, Public Health Agency of Canada, Winnipeg, Manitoba, Canada.</auth-address><titles><title>Development and application of MLVA methods as a tool for inter-laboratory surveillance</title><secondary-title>Euro Surveill</secondary-title></titles><pages>20565</pages><volume>18</volume><number>35</number><edition>2013/09/07</edition><keywords><keyword>Clinical Laboratory Techniques/instrumentation/*methods/standards</keyword><keyword>Consensus</keyword><keyword>Consensus Development Conferences as Topic</keyword><keyword>Disease Outbreaks/*prevention &amp; control</keyword><keyword>Humans</keyword><keyword>International Cooperation</keyword><keyword>Multilocus Sequence Typing/instrumentation/*methods/standards</keyword><keyword>Population Surveillance/*methods</keyword><keyword>*Quality Control</keyword><keyword>Tandem Repeat Sequences/*genetics</keyword></keywords><dates><year>2013</year></dates><isbn>1560-7917 (Electronic)&#xD;1025-496X (Linking)</isbn><accession-num>24008231</accession-num><urls><related-urls><url>http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&amp;db=PubMed&amp;dopt=Citation&amp;list_uids=24008231</url></related-urls></urls><language>eng</language></record></Cite></EndNote>(7).
1-3-1- اصول و مبانی روش MLVA
MLVA بر پایه ی توالی های تکرار شونده می باشد. توالی های تکرار شونده درداخل ژنوم ارگانیسم ها می باشند که دارای الگوهایی از اسید نوکلئیک( DNA یا RNA) می باشند که در چندین نسخه در ژنوم ارگانیسم ها وجود دارند. به طور کلی این توالی ها ی تکرار شونده به دو گروه اصلی تقسیم می شوند که شامل: 1) تکرار های پراکنده مثل SINEs و LINEs 2) تکرار های پشت سرهم که شامل میکرو ماهواره ها، ماهواره ها و مینی ماهواره ها می باشند. هنگامی که دو یا تعداد بیشتری از نوکلئوتید ها در کنار هم تکرار گردند، توالی تکرار های پشت سرهم شکل می گیرد به عنوان مثال توالی GTACGTACGTAC که توالی تکرار شونده ی آن GTAC است. اگر اندازه ی توالی تکرار شونده بین 10 تا 60 نوکلئوتید باشد، این توالی را مینی ماهواره و اگر این اندازه از 60 نوکلئتید بزرگتر باشد آنرا ماهواره و اگر این اندازه از 10 نوکلئوتید کوچکتر باشد آنرا میکرو ماهواره نام گذاری می کنند ADDIN EN.CITE <EndNote><Cite><Author>van Belkum</Author><Year>2007</Year><RecNum>275</RecNum><record><rec-number>275</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">275</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>van Belkum, A.</author></authors></contributors><auth-address>Department of Medical Microbiology and Infectious Diseases, Rotterdam, The Netherlands. a.vanbelkum@erasmusmc.nl</auth-address><titles><title>Tracing isolates of bacterial species by multilocus variable number of tandem repeat analysis (MLVA)</title><secondary-title>FEMS Immunol Med Microbiol</secondary-title></titles><periodical><full-title>FEMS Immunol Med Microbiol</full-title></periodical><pages>22-7</pages><volume>49</volume><number>1</number><edition>2007/02/03</edition><keywords><keyword>Bacillus anthracis/genetics</keyword><keyword>Bacteria/classification/*genetics/isolation &amp; purification</keyword><keyword>Bioterrorism</keyword><keyword>DNA, Bacterial/*genetics</keyword><keyword>Genome, Bacterial</keyword><keyword>Humans</keyword><keyword>*Minisatellite Repeats</keyword><keyword>Mycobacterium tuberculosis/genetics</keyword><keyword>Staphylococcus aureus/genetics</keyword></keywords><dates><year>2007</year><pub-dates><date>Feb</date></pub-dates></dates><isbn>0928-8244 (Print)&#xD;0928-8244 (Linking)</isbn><accession-num>17266711</accession-num><urls><related-urls><url>http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&amp;db=PubMed&amp;dopt=Citation&amp;list_uids=17266711</url></related-urls></urls><electronic-resource-num>FIM173 [pii]&#xD;10.1111/j.1574-695X.2006.00173.x</electronic-resource-num><language>eng</language></record></Cite></EndNote>(24).

شکل 1-4، در تصویر بالا یک نمای شماتیک از VNTR ها یا همان توالی های تکرار شونده دیده می شود که هر مربع آبی نشان دهنده یک توالی تکرار شونده می باشد. VNTR ها در هر سویه باکتریایی متفاوت می باشند.VNTR یا تکرار های پشت سرهم با تعداد متغییر در اصطلاح به تکرار های پشت سرهمی گفته می شود که در یک ارگانیسم در مقایسه با سایر جمعیت های آن از لحاظ تعداد تکرار متفاوت می باشند. این ویژگی جالب سبب شده از زمان کشف VNTR، از این توالی های خاص در زیست شناسی، تحقیقات پزشکی جنایی، انگشت نگاری DNAو ژنتیک استفاده می نمایند. برای اولین بار VNTR ها در ژنوم سلول های یوکاریوتی مثل انسان پیدا شد ولی این توالی ها در ژنوم سلول های پروکاریوتی مثل باکتری ها نیز وجود دارند. VNTR ها در جنس و گونه های مختلف با هم متفاوت می باشند و هر VNTR مخصوص به خود همان گونه و جنس است و با VNTR گونه یا جنس دیگر متفاوت می باشد. لیز خوردن آنزیم DNA پلیمراز در حین همانند سازی ژنوم باعث ایجاد VNTR ها می شود به همین دلیل در تعداد تکرار های VNTR تنوع وجود دارد ADDIN EN.CITE <EndNote><Cite><Author>Moller</Author><Year>1995</Year><RecNum>279</RecNum><record><rec-number>279</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">279</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Moller </author><author>Brinkmann, B</author></authors></contributors><titles><title>PCR-VNTRs (PCR-Variable Number of Tandem Repeats) in forensic science</title><secondary-title>Cellular and molecular biology (Noisy-le-Grand, France)</secondary-title></titles><periodical><full-title>Cellular and molecular biology (Noisy-le-Grand, France)</full-title></periodical><pages>715-724</pages><volume>41</volume><number>5</number><dates><year>1995</year></dates><isbn>0145-5680</isbn><urls></urls></record></Cite><Cite><Author>Levinson</Author><Year>1987</Year><RecNum>280</RecNum><record><rec-number>280</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">280</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Levinson, Gene</author><author>Gutman, George A</author></authors></contributors><titles><title>Slipped-strand mispairing: a major mechanism for DNA sequence evolution</title><secondary-title>Molecular biology and evolution</secondary-title></titles><periodical><full-title>Molecular biology and evolution</full-title></periodical><pages>203-221</pages><volume>4</volume><number>3</number><dates><year>1987</year></dates><isbn>0737-4038</isbn><urls></urls></record></Cite></EndNote>(25و26).
همانطور که ذکر شد MLVA بر اساس VNTR ها شکل گرفته است. این تکنیک به تازگی برای ژنوتایپینگ باکتری ها استفاده شده است و خود را به عنوان یک تکنیک قدرتمند با حساسیت بالا در میان سایر تکنیک های مولکولی مطرح کرده است. معمولا برای انجام MLVA تعداد هفت یا بیشتر لوکوس VNTR از ژنوم باکتری انتخاب می گردد. پس از انجام PCR و الکتروفورز، ما تعداد تکرار های هر لوکوس VNTR را بدست می آوریم. در اصطلاح به این مجموعه ی تعداد تکرار ها را الگوی اللی( پروفایل اللی) می نامند به عنوان مثال پروفایل اللی نمونه شماره یک به صورت 1-2-5-6-3-4-7 و برای نمونه شماره ی دو به صورت 3-2-6-5-4-1-7 می باشد البته برای آنکه معنای پروفایل اللی را بهتر متوجه شویم می توان گفت پروفایل اللی مانند یک بارکد برای هر نمونه می باشد و با ذخیره سازی این داده ها در بانک های اطلاعاتی، امکان مقایسه این داده ها با سایر داده ها و حتی پردازش مجدد این داده ها وجود دارد ADDIN EN.CITE <EndNote><Cite><Author>Nadon</Author><Year>2013</Year><RecNum>1</RecNum><record><rec-number>1</rec-number><foreign-keys><key app="EN" db-id="vr2xrzwaadtex1exae9v9vdz2e2sedf2w0xt">1</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Nadon, C. A.</author><author>Trees, E.</author><author>Ng, L. K.</author><author>Moller Nielsen, E.</author><author>Reimer, A.</author><author>Maxwell, N.</author><author>Kubota, K. A.</author><author>Gerner-Smidt, P.</author></authors></contributors><auth-address>National Microbiology Laboratory, Public Health Agency of Canada, Winnipeg, Manitoba, Canada.</auth-address><titles><title>Development and application of MLVA methods as a tool for inter-laboratory surveillance</title><secondary-title>Euro Surveill</secondary-title></titles><pages>20565</pages><volume>18</volume><number>35</number><edition>2013/09/07</edition><keywords><keyword>Clinical Laboratory Techniques/instrumentation/*methods/standards</keyword><keyword>Consensus</keyword><keyword>Consensus Development Conferences as Topic</keyword><keyword>Disease Outbreaks/*prevention &amp; control</keyword><keyword>Humans</keyword><keyword>International Cooperation</keyword><keyword>Multilocus Sequence Typing/instrumentation/*methods/standards</keyword><keyword>Population Surveillance/*methods</keyword><keyword>*Quality Control</keyword><keyword>Tandem Repeat Sequences/*genetics</keyword></keywords><dates><year>2013</year></dates><isbn>1560-7917 (Electronic)&#xD;1025-496X (Linking)</isbn><accession-num>24008231</accession-num><urls><related-urls><url>http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&amp;db=PubMed&amp;dopt=Citation&amp;list_uids=24008231</url></related-urls></urls><language>eng</language></record></Cite></EndNote>(7).

شکل 1-5، تصویر بالا پروفایل اللی مربوط به دو سویه ی باکتریایی را نشان می دهد. مربع های رنگی توالی های مختلف VNTR را نشان می دهد.
1-2-3- کلمات و اصطلاحات کاربردی در MLVA
بعد از انجام کارهای عملی مربوط به MLVA و ایجاد پروفایل اللی برای هر نمونه، نوبت به استفاده از مجموعه ای از الگوریتم های ریاضی می رسد که با استفاده از این الگوریتم ها می توان به تجزیه و تحلیل روابط فیلوژنتیکی و قرابت بین ایزوله ها پی برد. در MLVA برای بررسی ایزوله های جمعیتی از الگوریتم های MST استفاده می شود، البته از MST در تکنیک MLST نیز استفاده می شود. برای نخستین باردر سال 1960 میلادی مهندسان شهرداری برای انتخاب کوتاهترین مسیر ها برای نصب خطوط برق و مخابراتی یا انجام لوله کشی آب و فاضلاب، از این الگوریتم ها استفاده نمودند. سپس از این الگوریتم ها در زیست شناسی برای ترسیم کوتاهترین مسیر های تکاملی استفاده شد. امروزه از این الگوریتم ها برای تجزیه و تحلیل داده های تکنیک های MLST و MLVA استفاده می شود ADDIN EN.CITE <EndNote><Cite><Author>Weniger</Author><Year>2012</Year><RecNum>281</RecNum><record><rec-number>281</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">281</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Weniger, Thomas</author><author>Krawczyk, Justina</author><author>Supply, Philip</author><author>Harmsen, Dag</author><author>Niemann, Stefan</author></authors></contributors><titles><title>Online tools for polyphasic analysis of&lt; i&gt; Mycobacterium tuberculosis&lt;/i&gt; complex genotyping data: Now and next</title><secondary-title>Infection, Genetics and Evolution</secondary-title></titles><periodical><full-title>Infection, Genetics and Evolution</full-title></periodical><pages>748-754</pages><volume>12</volume><number>4</number><dates><year>2012</year></dates><isbn>1567-1348</isbn><urls></urls></record></Cite></EndNote>(27).

شکل 1-6، در تصویر بالا آنالیز MLVA بوسیله MST را در یک سویه ی باکتریایی مشاهده می کنید. ایزوله هایی که در خرج ازخوشه های رنگی هستند،یکSingleton می باشند و هر خوشه رنگی نشان دهنده یک کلونال کمپلکس می باشد.
اگر دو ایزوله در یک لوکوس VNTR در پروفایل اللی خود با هم تفاوت داشته باشند، در اصطلاح نسبت به هم، SLV می باشند به عنوان مثال ایزوله ی شماره یک با پروفایل اللی 3-2-1-7-2-4-3 نسبت به ایزوله ی شماره دو با پروفایل اللی 3-2-1-7-2-4-2، SLV می باشد. حال اگر دو ایزوله در دولوکوسVNTRدرپروفایل اللی خودباهم تفاوت داشته باشند، در اصطلاح نسبت به یکدیگر، DLVهستند. هرعدد غیر مشابه ای نشان دهنده ی یک الل جدید می باشد و تنها در اینجا تفاوت در جایگاه های لوکوسی دارای اهمیت می باشد. بنیان گذار زیر گروه در اصطلاح به ایزوله ای گفته می شود که حداقل دو SLV از آن منشاء گرفته است. کلونال کمپلکس یا دودمان در اصطلاح به یک ایزوله ی مرکزی همراه با SLV و DLV های مربوط به آن گفته می شود. اعضای مربوط به یک کلونال کمپلکس قرابت ژنتیکی نزدیکی به هم دارند و احتمالا از یکدیگر مشتق شده اند. Singleton در اصطلاح به ایزوله هایی گفته می شود که در هیچ کلونال کمپلکسی قرار ندارند یا به عبارتی دارای بیش از دو تفاوت در جایگاه های لوکوسی در پروفایل اللی خود هستند. جمعیت های باکتریایی از تعدادی singleton و کلونال کمپلکس تشکیل شده اند. البته شایان ذکر است که MST نشان دهنده زمان تکامل نمی باشد و تنها ارتباط تکاملی ایزوله ها را نشان می دهد ADDIN EN.CITE <EndNote><Cite><Author>Weniger</Author><Year>2012</Year><RecNum>281</RecNum><record><rec-number>281</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">281</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Weniger, Thomas</author><author>Krawczyk, Justina</author><author>Supply, Philip</author><author>Harmsen, Dag</author><author>Niemann, Stefan</author></authors></contributors><titles><title>Online tools for polyphasic analysis of&lt; i&gt; Mycobacterium tuberculosis&lt;/i&gt; complex genotyping data: Now and next</title><secondary-title>Infection, Genetics and Evolution</secondary-title></titles><periodical><full-title>Infection, Genetics and Evolution</full-title></periodical><pages>748-754</pages><volume>12</volume><number>4</number><dates><year>2012</year></dates><isbn>1567-1348</isbn><urls></urls></record></Cite></EndNote>(27).
1-3-3- مزایای MLVA نسبت به سایر روش های ژنوتایپنگ
هر تکنیک ژنوتایپینگ دارای مزایا و معایبی می باشد. مزایای بیشمار تکنیک MLVA سبب شده که این تکنیک جای خود را در میان سایر تکنیک های ژنوتایپینگ باز کند و بیشتر مورداستفاده ی میکروبیولوژیستهاو اپید میولوژیستها قرارگیرد. بهطور خلاصه مزایای تکنیکMLVA رادر شکل 1-7 مشاهده می نمایید.

شکل 1-7، در تصویر بالا تعدادی از مزایای MLVA را به طور خلاصه مشاهده می کنید.
مزایای تکنیک MLVA عبارت است از:
هزینه: مشکلاتی که همواره پیش روی طرح های تحقیقاتی میباشد، هزینه ی انجام این طرح ها است و این هزینه ها در کشورهای در حال توسعه دارای اهمیت می باشد. MLVA یک تکنیک مبتنی بر PCR است و دارای هزینه های به مراتب کمتر نسبت به سایر تکنیک ها از جمله PFGE و MLST می باشد. در تکنیک PFGE نیاز به دستگاه ها و مواد گرانقیمت می باشد و در MLST ممکن است به علت تعیین توالی محصولات PCR هزینه ها به اندازه ی تکنیک PFGE یا بیشتر از PFGE شود ADDIN EN.CITE <EndNote><Cite><Author>Nadon</Author><Year>2013</Year><RecNum>1</RecNum><record><rec-number>1</rec-number><foreign-keys><key app="EN" db-id="vr2xrzwaadtex1exae9v9vdz2e2sedf2w0xt">1</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>Nadon, C. A.</author><author>Trees, E.</author><author>Ng, L. K.</author><author>Moller Nielsen, E.</author><author>Reimer, A.</author><author>Maxwell, N.</author><author>Kubota, K. A.</author><author>Gerner-Smidt, P.</author></authors></contributors><auth-address>National Microbiology Laboratory, Public Health Agency of Canada, Winnipeg, Manitoba, Canada.</auth-address><titles><title>Development and application of MLVA methods as a tool for inter-laboratory surveillance</title><secondary-title>Euro Surveill</secondary-title></titles><pages>20565</pages><volume>18</volume><number>35</number><edition>2013/09/07</edition><keywords><keyword>Clinical Laboratory Techniques/instrumentation/*methods/standards</keyword><keyword>Consensus</keyword><keyword>Consensus Development Conferences as Topic</keyword><keyword>Disease Outbreaks/*prevention &amp; control</keyword><keyword>Humans</keyword><keyword>International Cooperation</keyword><keyword>Multilocus Sequence Typing/instrumentation/*methods/standards</keyword><keyword>Population Surveillance/*methods</keyword><keyword>*Quality Control</keyword><keyword>Tandem Repeat Sequences/*genetics</keyword></keywords><dates><year>2013</year></dates><isbn>1560-7917 (Electronic)&#xD;1025-496X (Linking)</isbn><accession-num>24008231</accession-num><urls><related-urls><url>http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&amp;db=PubMed&amp;dopt=Citation&amp;list_uids=24008231</url></related-urls></urls><language>eng</language></record></Cite></EndNote>(7).
راحتی و سادگی انجام آن: مزیت تکنیک MLVA اینست که نیاز به تبحر و تخصص خاصی ندارد. موفقیت MLVA نسبت به سایر تکنیک های مبتنی بر PCR آنست که این تکنیک ساده می باشد و آنالیز داده های آن نیز سریع استPEVuZE5vdGU+PENpdGU+PEF1dGhvcj5OYWRvbjwvQXV0aG9yPjxZZWFyPjIwMTM8L1llYXI+PFJl
Y051bT4xPC9SZWNOdW0+PHJlY29yZD48cmVjLW51bWJlcj4xPC9yZWMtbnVtYmVyPjxmb3JlaWdu
LWtleXM+PGtleSBhcHA9J0VOJyBkYi1pZD0ndnIyeHJ6d2FhZHRleDFleGFlOXY5dmR6MmUyc2Vk
ZjJ3MHh0Jz4xPC9rZXk+PC9mb3JlaWduLWtleXM+PHJlZi10eXBlIG5hbWU9J0pvdXJuYWwgQXJ0
aWNsZSc+MTc8L3JlZi10eXBlPjxjb250cmlidXRvcnM+PGF1dGhvcnM+PGF1dGhvcj5OYWRvbiwg
Qy4gQS48L2F1dGhvcj48YXV0aG9yPlRyZWVzLCBFLjwvYXV0aG9yPjxhdXRob3I+TmcsIEwuIEsu
PC9hdXRob3I+PGF1dGhvcj5Nb2xsZXIgTmllbHNlbiwgRS48L2F1dGhvcj48YXV0aG9yPlJlaW1l
ciwgQS48L2F1dGhvcj48YXV0aG9yPk1heHdlbGwsIE4uPC9hdXRob3I+PGF1dGhvcj5LdWJvdGEs
IEsuIEEuPC9hdXRob3I+PGF1dGhvcj5HZXJuZXItU21pZHQsIFAuPC9hdXRob3I+PC9hdXRob3Jz
PjwvY29udHJpYnV0b3JzPjxhdXRoLWFkZHJlc3M+TmF0aW9uYWwgTWljcm9iaW9sb2d5IExhYm9y
YXRvcnksIFB1YmxpYyBIZWFsdGggQWdlbmN5IG9mIENhbmFkYSwgV2lubmlwZWcsIE1hbml0b2Jh
LCBDYW5hZGEuPC9hdXRoLWFkZHJlc3M+PHRpdGxlcz48dGl0bGU+RGV2ZWxvcG1lbnQgYW5kIGFw
cGxpY2F0aW9uIG9mIE1MVkEgbWV0aG9kcyBhcyBhIHRvb2wgZm9yIGludGVyLWxhYm9yYXRvcnkg
c3VydmVpbGxhbmNlPC90aXRsZT48c2Vjb25kYXJ5LXRpdGxlPkV1cm8gU3VydmVpbGw8L3NlY29u
ZGFyeS10aXRsZT48L3RpdGxlcz48cGFnZXM+MjA1NjU8L3BhZ2VzPjx2b2x1bWU+MTg8L3ZvbHVt
ZT48bnVtYmVyPjM1PC9udW1iZXI+PGVkaXRpb24+MjAxMy8wOS8wNzwvZWRpdGlvbj48a2V5d29y
ZHM+PGtleXdvcmQ+Q2xpbmljYWwgTGFib3JhdG9yeSBUZWNobmlxdWVzL2luc3RydW1lbnRhdGlv
bi8qbWV0aG9kcy9zdGFuZGFyZHM8L2tleXdvcmQ+PGtleXdvcmQ+Q29uc2Vuc3VzPC9rZXl3b3Jk
PjxrZXl3b3JkPkNvbnNlbnN1cyBEZXZlbG9wbWVudCBDb25mZXJlbmNlcyBhcyBUb3BpYzwva2V5
d29yZD48a2V5d29yZD5EaXNlYXNlIE91dGJyZWFrcy8qcHJldmVudGlvbiAmYW1wOyBjb250cm9s
PC9rZXl3b3JkPjxrZXl3b3JkPkh1bWFuczwva2V5d29yZD48a2V5d29yZD5JbnRlcm5hdGlvbmFs
IENvb3BlcmF0aW9uPC9rZXl3b3JkPjxrZXl3b3JkPk11bHRpbG9jdXMgU2VxdWVuY2UgVHlwaW5n
L2luc3RydW1lbnRhdGlvbi8qbWV0aG9kcy9zdGFuZGFyZHM8L2tleXdvcmQ+PGtleXdvcmQ+UG9w
dWxhdGlvbiBTdXJ2ZWlsbGFuY2UvKm1ldGhvZHM8L2tleXdvcmQ+PGtleXdvcmQ+KlF1YWxpdHkg
Q29udHJvbDwva2V5d29yZD48a2V5d29yZD5UYW5kZW0gUmVwZWF0IFNlcXVlbmNlcy8qZ2VuZXRp
Y3M8L2tleXdvcmQ+PC9rZXl3b3Jkcz48ZGF0ZXM+PHllYXI+MjAxMzwveWVhcj48L2RhdGVzPjxp
c2JuPjE1NjAtNzkxNyAoRWxlY3Ryb25pYykmI3hEOzEwMjUtNDk2WCAoTGlua2luZyk8L2lzYm4+
PGFjY2Vzc2lvbi1udW0+MjQwMDgyMzE8L2FjY2Vzc2lvbi1udW0+PHVybHM+PHJlbGF0ZWQtdXJs
cz48dXJsPmh0dHA6Ly93d3cubmNiaS5ubG0ubmloLmdvdi9lbnRyZXovcXVlcnkuZmNnaT9jbWQ9
UmV0cmlldmUmYW1wO2RiPVB1Yk1lZCZhbXA7ZG9wdD1DaXRhdGlvbiZhbXA7bGlzdF91aWRzPTI0
MDA4MjMxPC91cmw+PC9yZWxhdGVkLXVybHM+PC91cmxzPjxsYW5ndWFnZT5lbmc8L2xhbmd1YWdl
PjwvcmVjb3JkPjwvQ2l0ZT48Q2l0ZT48QXV0aG9yPnZhbiBCZWxrdW08L0F1dGhvcj48WWVhcj4y
MDA3PC9ZZWFyPjxSZWNOdW0+Mjc1PC9SZWNOdW0+PHJlY29yZD48cmVjLW51bWJlcj4yNzU8L3Jl
Yy1udW1iZXI+PGZvcmVpZ24ta2V5cz48a2V5IGFwcD0iRU4iIGRiLWlkPSJ4YTlmd3A5enZlNXhh
ZWV4ZHZpcDk5MmN0MnR3emV2dzI5enciPjI3NTwva2V5PjwvZm9yZWlnbi1rZXlzPjxyZWYtdHlw
ZSBuYW1lPSJKb3VybmFsIEFydGljbGUiPjE3PC9yZWYtdHlwZT48Y29udHJpYnV0b3JzPjxhdXRo
b3JzPjxhdXRob3I+dmFuIEJlbGt1bSwgQS48L2F1dGhvcj48L2F1dGhvcnM+PC9jb250cmlidXRv
cnM+PGF1dGgtYWRkcmVzcz5EZXBhcnRtZW50IG9mIE1lZGljYWwgTWljcm9iaW9sb2d5IGFuZCBJ
bmZlY3Rpb3VzIERpc2Vhc2VzLCBSb3R0ZXJkYW0sIFRoZSBOZXRoZXJsYW5kcy4gYS52YW5iZWxr
dW1AZXJhc211c21jLm5sPC9hdXRoLWFkZHJlc3M+PHRpdGxlcz48dGl0bGU+VHJhY2luZyBpc29s
YXRlcyBvZiBiYWN0ZXJpYWwgc3BlY2llcyBieSBtdWx0aWxvY3VzIHZhcmlhYmxlIG51bWJlciBv
ZiB0YW5kZW0gcmVwZWF0IGFuYWx5c2lzIChNTFZBKTwvdGl0bGU+PHNlY29uZGFyeS10aXRsZT5G
RU1TIEltbXVub2wgTWVkIE1pY3JvYmlvbDwvc2Vjb25kYXJ5LXRpdGxlPjwvdGl0bGVzPjxwZXJp
b2RpY2FsPjxmdWxsLXRpdGxlPkZFTVMgSW1tdW5vbCBNZWQgTWljcm9iaW9sPC9mdWxsLXRpdGxl
PjwvcGVyaW9kaWNhbD48cGFnZXM+MjItNzwvcGFnZXM+PHZvbHVtZT40OTwvdm9sdW1lPjxudW1i
ZXI+MTwvbnVtYmVyPjxlZGl0aW9uPjIwMDcvMDIvMDM8L2VkaXRpb24+PGtleXdvcmRzPjxrZXl3
b3JkPkJhY2lsbHVzIGFudGhyYWNpcy9nZW5ldGljczwva2V5d29yZD48a2V5d29yZD5CYWN0ZXJp
YS9jbGFzc2lmaWNhdGlvbi8qZ2VuZXRpY3MvaXNvbGF0aW9uICZhbXA7IHB1cmlmaWNhdGlvbjwv
a2V5d29yZD48a2V5d29yZD5CaW90ZXJyb3Jpc208L2tleXdvcmQ+PGtleXdvcmQ+RE5BLCBCYWN0
ZXJpYWwvKmdlbmV0aWNzPC9rZXl3b3JkPjxrZXl3b3JkPkdlbm9tZSwgQmFjdGVyaWFsPC9rZXl3
b3JkPjxrZXl3b3JkPkh1bWFuczwva2V5d29yZD48a2V5d29yZD4qTWluaXNhdGVsbGl0ZSBSZXBl
YXRzPC9rZXl3b3JkPjxrZXl3b3JkPk15Y29iYWN0ZXJpdW0gdHViZXJjdWxvc2lzL2dlbmV0aWNz
PC9rZXl3b3JkPjxrZXl3b3JkPlN0YXBoeWxvY29jY3VzIGF1cmV1cy9nZW5ldGljczwva2V5d29y
ZD48L2tleXdvcmRzPjxkYXRlcz48eWVhcj4yMDA3PC95ZWFyPjxwdWItZGF0ZXM+PGRhdGU+RmVi
PC9kYXRlPjwvcHViLWRhdGVzPjwvZGF0ZXM+PGlzYm4+MDkyOC04MjQ0IChQcmludCkmI3hEOzA5
MjgtODI0NCAoTGlua2luZyk8L2lzYm4+PGFjY2Vzc2lvbi1udW0+MTcyNjY3MTE8L2FjY2Vzc2lv
bi1udW0+PHVybHM+PHJlbGF0ZWQtdXJscz48dXJsPmh0dHA6Ly93d3cubmNiaS5ubG0ubmloLmdv
di9lbnRyZXovcXVlcnkuZmNnaT9jbWQ9UmV0cmlldmUmYW1wO2RiPVB1Yk1lZCZhbXA7ZG9wdD1D
aXRhdGlvbiZhbXA7bGlzdF91aWRzPTE3MjY2NzExPC91cmw+PC9yZWxhdGVkLXVybHM+PC91cmxz
PjxlbGVjdHJvbmljLXJlc291cmNlLW51bT5GSU0xNzMgW3BpaV0mI3hEOzEwLjExMTEvai4xNTc0
LTY5NVguMjAwNi4wMDE3My54PC9lbGVjdHJvbmljLXJlc291cmNlLW51bT48bGFuZ3VhZ2U+ZW5n
PC9sYW5ndWFnZT48L3JlY29yZD48L0NpdGU+PC9FbmROb3RlPn==
ADDIN EN.CITE PEVuZE5vdGU+PENpdGU+PEF1dGhvcj5OYWRvbjwvQXV0aG9yPjxZZWFyPjIwMTM8L1llYXI+PFJl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ADDIN EN.CITE.DATA (7, 24) (شکل 1-8).

شکل 1-8، آنچه سبب موفقیت این تکنیک نسبت به سایر روش های تایپینگ شده است، سریع بودن و سادگی آن است. مراحلی که در MLVA انجام می شود شامل: 1) کشت دادن باکتری 2) استخراج ژنوم باکتری 3) انجام دادن واکنش PCR برای لوکوس های VNTR 4) الکتروفورز محصولات PCR بر روی ژل آکاروز 5) عکس گرفتن از ژل پس از انجام الکتروفورز 6) تبدیل کردن اندازه ی باند ها به تعداد تکرار و آنالیز داده ها که در مرحله ی آخر صورت می گیرد.
در دسترس بودن: به وجود داشتن تجهیزات، مواد مصرفی و نوع مهارت به تکنیک مورد نظر وابسته است. تکنیک هایی که بر پایه ی PCR هستند مانند MLVA، تنها نیاز به یک دستگاه ترموسایکلر دارند ولی در تکنیک هایی مثل PFGE نیاز به مواد و دستگاه هایی است که دارای قیمت بسیار بالایی هستند. در ضمن تکنیک هایی که بر پایه ی PCR می باشند را می تواند در یک آزمایشگاه معمولی انجام پذیرد و نیاز به افرادی که دارای تخصص و تبحر هستند، نیستPEVuZE5vdGU+PENpdGU+PEF1dGhvcj52YW4gQmVsa3VtPC9BdXRob3I+PFllYXI+MjAwNzwvWWVh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ADDIN EN.CITE PEVuZE5vdGU+PENpdGU+PEF1dGhvcj52YW4gQmVsa3VtPC9BdXRob3I+PFllYXI+MjAwNzwvWWVh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ADDIN EN.CITE.DATA (7, 24).
سرعت انجام آن: زمان مورد نیاز جهت انجام و آماده سازی یک تکنیک را اصطلاحا سرعت آن تکنیک می گویند. تکنیک PFGE یک تکنیک زمانبر می باشد و زمان مورد نیاز برای انجام حداقل سه روز کاری می باشد ولی به دلیل آنکه MLVA یک روشی است که بر پایه ی PCR صورت می پذیرد به همین دلیل در کمترین زمان ممکن( چند ساعت) قابل انجام است. سرعت تکنیک هایی نظیر ERIC-PCR، REP-PCR، RAPD-PCR، MLST و MLVA به دلیل مبتنی بودن بر PCR نسبت تکنیک هایی مثل: ریبوتایپینگ و PFGE بسیار بالاتر استPEVuZE5vdGU+PENpdGU+PEF1dGhvcj5OYWRvbjwvQXV0aG9yPjxZZWFyPjIwMTM8L1llYXI+PFJl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ADDIN EN.CITE PEVuZE5vdGU+PENpdGU+PEF1dGhvcj5OYWRvbjwvQXV0aG9yPjxZZWFyPjIwMTM8L1llYXI+PFJl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ADDIN EN.CITE.DATA (7, 24).
تکرارپذیری: توانایی یک تکنیک ژنوتایپینگ در تولید نتیجه های کاملا یکسان و شبیه را بر روی یک نمونه ی مشخص در مکان ها و زمان های مختلف را اصطلاحا تکرار پذیری می نامند. تکرار پذیری به مسائل مختلفی وابسته است که عبارتند از دستور العمل هایی که هنگام انجام یک تکنیک استفاده می شود و پایداری الل ها. قدرت تکرار پذیری تحت تاثیر فاکتور هایی قرار دارد که این فاکتور ها عبارت اند از: آنالیز و تفسیر داده ها، تجهیزات و دستگاه هایی که حین انجام تکنیک از آنها استفاده می شوند، جگونگی تهیه مواد مورد نیاز جهت انجام تکنیک مثل نحوه استخراج DNA و تفاوت هایی که در شرایط رشد وجود دارد و ترکیبات و موادی که طی واکنش مصرف می شوند. تکنیک هایی که برای ژنوتایپینگ انتخاب می شوند باید به گونه ای باشند که هم در آزمایشکاه و هم در سایر آزمایشکاه ها، قابلیت تکرار را داشته باشند. بکار گرفتن افراد متخصص و آموزش دیده و استفاده از دستورالعمل استاندارد، باعث می شود به میزان قابل توجهی تکرار پذیری افزایش یابد. داده های MLVA همانند داده های MLST به شکل رقم هایی ذخیره می گردند، به همین دلیل به راحتی می توان این داده ها را به سایر آزمایشگاه ها و مراکز پژوهشی انتقال داد و حتی می توان این داده ها را با هم مقایسه نمود. برای استاندارد سازی تکنیک PFGE نیز تلاش هایی انجام شده است مثل: دستورالعمل های استاندارد CDC درباره ی اشرشیا کلی انترو هموراژیک O157:H7 و یا سایر باکتری ها(WWW.cdc.gov/pulsnet). ذخیره کردن داده ها در بانک های اطلاعاتی و همچنین استفاده کردن از این داده ها یک مزیت بسیار مهم می باشدPEVuZE5vdGU+PENpdGU+PEF1dGhvcj5OYWRvbjwvQXV0aG9yPjxZZWFyPjIwMTM8L1llYXI+PFJl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 EN.CITE PEVuZE5vdGU+PENpdGU+PEF1dGhvcj5OYWRvbjwvQXV0aG9yPjxZZWFyPjIwMTM8L1llYXI+PFJl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 EN.CITE.DATA (7, 28).
انطباق اپیدمیولوژیکی: نتایجی که از یک روش ژنوتایپینگ بدست می آید باید بتواند ارزیابی درست و صحیحی از جمعیت باکتریایی به ما نشان دهد. این تکنیک ها باید در اپیدمی ها ( همه گیری) کاربرد داشته باشند و باید بتوانند بین سویه هایی که باعث ایجاد اپیدمی شده اند ( سویه هایی که احتمالا از یک سویه ی واحد یا کلون مشتق شده اند) و سایر سویه های غیر مرتبط، تمایز قائل شوند. در همان ابتدا از تکنیک MLVA در اپیدمی ها حهت بررسی اپیدمیولوژکی استفاده شد و توانست همانند PFGE و MLST در اپیدمی ها کاربرد داشته باشد ADDIN EN.CITE <EndNote><Cite><Author>van Belkum</Author><Year>2007</Year><RecNum>275</RecNum><record><rec-number>275</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">275</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>van Belkum, A.</author></authors></contributors><auth-address>Department of Medical Microbiology and Infectious Diseases, Rotterdam, The Netherlands. a.vanbelkum@erasmusmc.nl</auth-address><titles><title>Tracing isolates of bacterial species by multilocus variable number of tandem repeat analysis (MLVA)</title><secondary-title>FEMS Immunol Med Microbiol</secondary-title></titles><periodical><full-title>FEMS Immunol Med Microbiol</full-title></periodical><pages>22-7</pages><volume>49</volume><number>1</number><edition>2007/02/03</edition><keywords><keyword>Bacillus anthracis/genetics</keyword><keyword>Bacteria/classification/*genetics/isolation &amp; purification</keyword><keyword>Bioterrorism</keyword><keyword>DNA, Bacterial/*genetics</keyword><keyword>Genome, Bacterial</keyword><keyword>Humans</keyword><keyword>*Minisatellite Repeats</keyword><keyword>Mycobacterium tuberculosis/genetics</keyword><keyword>Staphylococcus aureus/genetics</keyword></keywords><dates><year>2007</year><pub-dates><date>Feb</date></pub-dates></dates><isbn>0928-8244 (Print)&#xD;0928-8244 (Linking)</isbn><accession-num>17266711</accession-num><urls><related-urls><url>http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&amp;db=PubMed&amp;dopt=Citation&amp;list_uids=17266711</url></related-urls></urls><electronic-resource-num>FIM173 [pii]&#xD;10.1111/j.1574-695X.2006.00173.x</electronic-resource-num><language>eng</language></record></Cite></EndNote>(24).
قدرت تفکیک و تمایز: قدرت تفکیک و تمایز در اصطلاح به توانایی یک تکنیک در تمایز دو ایزوله ی غیر مرتبط( که به صورت تصادفی از یک جمعیت باکتریایی جدا شده است)، گفته می شود. برای محاسبه ی قدرت تفکیک و تمایز از ضرایب گوناگونی استفاده می شود که از این ضرایب می توان به ضریب تنوع سیمپسون و ضریب هانتر- کاتسون اشاره نمود. عددی که توسط این ضرایب محاسبه می شود، چیزی بین صفر و یک می باشد. عدد صفر نشان دهنده ی عدم تنوع است و عدد یک نشان دهنده ی حداکثر میزان تنوع می باشد. تکنیک ژنوتایپینگی که قدرت تفکیک و تمایز آن، حداقل 0.95 یا بلالاتر باشد، یک تکنیک مناسب و ایده آل می باشد. قدرت تفکیک و تمایز تکنیک های ژنوتایپینگ همچون ERIC- PCR، REP- PCR و RAPD-PCR بسیار کمتر از MLST، PFGE و MLVA می باشد. قدرت تفکیک وتمایزMLVAاگرازPFGE وMLST بالاتر نباشد، کمتر هم نمی باشد ADDIN EN.CITE <EndNote><Cite><Author>van Belkum</Author><Year>2007</Year><RecNum>275</RecNum><record><rec-number>275</rec-number><foreign-keys><key app="EN" db-id="xa9fwp9zve5xaeexdvip992ct2twzevw29zw">275</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author>van Belkum, A.</author></authors></contributors><auth-address>Department of Medical Microbiology and Infectious Diseases, Rotterdam, The Netherlands. a.vanbelkum@erasmusmc.nl</auth-address><titles><title>Tracing isolates of bacterial species by multilocus variable number of tandem repeat analysis (MLVA)</title><secondary-title>FEMS Immunol Med Microbiol</secondary-title></titles><periodical><full-title>FEMS Immunol Med Microbiol</full-title></periodical><pages>22-7</pages><volume>49</volume><number>1</number><edition>2007/02/03</edition><keywords><keyword>Bacillus anthracis/genetics</keyword><keyword>Bacteria/classification/*genetics/isolation &amp; purification</keyword><keyword>Bioterrorism</keyword><keyword>DNA, Bacterial/*genetics</keyword><keyword>Genome, Bacterial</keyword><keyword>Humans</keyword><keyword>*Minisatellite Repeats</keyword><keyword>Mycobacterium tuberculosis/genetics</keyword><keyword>Staphylococcus aureus/genetics</keyword></keywords><dates><year>2007</year><pub-dates><date>Feb</date></pub-dates></dates><isbn>0928-8244 (Print)&#xD;0928-8244 (Linking)</isbn><accession-num>17266711</accession-num><urls><related-urls><url>http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&amp;db=PubMed&amp;dopt=Citation&amp;list_uids=17266711</url></related-urls></urls><electronic-resource-num>FIM173 [pii]&#xD;10.1111/j.1574-695X.2006.00173.x</electronic-resource-num><language>eng</language></record></Cite></EndNote>(24).
پایداری: پایداری ماکر هایی که برای ژنوتایپینگ استفاده می گردند، از اهمیت ویژه ای برخوردار می باشد. این مارکر ها زمانی قابل اطمینان هستند که در هر سویه ی باکتریایی به سرعت دچار تغییرنشوند.این مارکرهانبایددرجداسازی اولیه هر ایزوله، نگهداری و کشت مجدد این ایزولهها تغییر پیدا کنند. تنها مسئله ای که غیر قابل اجتناب است این موضوع می باشدکه همیشه ماشاهدنوترکیبی ها و جهش ها در جمعیت های باکتریایی هستیم. مارکر هایی که برای MLVA انتخاب می شود همان توالی های VNTR می باشد. VNTR ها دارای پایداری قابل توجهی هستند در نتیجه MLVA می تواند با سایر روش ها مثل PFGE و MLST رقابت کند. حال باید به این نکته توجه داشته باشیم که هر چقدر اندازه ی توالی های VNTR، بزرگتر باشد، سرعت تکامل در آنها کمتر می باشد و در نتیجه میزان تنوع آنها نیز پایین تر است و نمی توانند به سرعت دچار تغییر شوند. بر عکس این موضوع نیز وجود دارد، اگراندازه ی توالیهایVNTR،کوچک باشد، سرعت تکامل در آنها بیشتر می باشد و در نتیجه میزان تنوع این توالی ها بالاتر است و به همین دلیل سرعت تغییر در آنها نیز بالاتر می باشد. آنچه در MLVA دارای اهمیت می باشد، نوع انتخاب مارکرها می باشد. از مارکرهایی با اندازه ی تکرار بزرگتر در بررسی های اپیدمیولوژیکی استفاده می گردد. از مارکرهایی با اندازه تکرار کوتاه تر برای ژنوتایپینگ و تمایز باکتری های مونومورفیک مثل سالمونلا انتریکا سرووار اینفنتیس، سالمونلا انتریکا سرووار تایفی، سالمونلا انتریکا سرووار انتریتیدیس، مایکو باکتریوم توبرکلوزیس، شیگلا سونئی و اشرشیا کلی انترو هموراژیک O157:H7 استفاده می گرددPEVuZE5vdGU+PENpdGU+PEF1dGhvcj52YW4gQmVsa3VtPC9BdXRob3I+PFllYXI+MjAwNzwvWWVh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==
ADDIN EN.CITE PEVuZE5vdGU+PENpdGU+PEF1dGhvcj52YW4gQmVsa3VtPC9BdXRob3I+PFllYXI+MjAwNzwvWWVh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==
ADDIN EN.CITE.DATA (24, 29, 30).
1-4- اهداف پایان نامه
1-4-1- هدف علمی پایان نامه
ژنوتایپبنگ سویه های سالمونلا انتریکا سرووار انتریتیدیس جدا شده از نمونه های بالینی در تهران بر پایه روشMultilocus VNTR Analysis( MLVA)
1-4-2- اهداف جزئی
تعیین هویت و بررسی تنوع اللی در هر لوکوس VNTR در جمعیت سویه های سالمونلا ی مورد نظر
انتخاب پرایمر مناسب جهت الل ها برای انجام PCR
انجام PCR برروی ژن ها و پرایمر انتخابی
آنالیز و بررسی داده ها
1-4-3- اهداف کاربردی
بکارگیری یک روش سریع، کم هزینه و ارزشمند جهت ژنوتایپینگ برای بررسی و شناسایی میکروارگانیسم ها در زمینه پیشگیری و کنترل عفونت ها
1-5- فرضیه ها
لوکوسهایVNTR در سویه های سالمونلا انتریکا سرووار انتریتیدیس از تنوع بالایی برخوردارند
سویه های سالمونلا از نظر ژنوتیپ با روش MLVA قابل طبقه بندی هستند.
1-6- سئوالات
آیا لوکوس های VNTR در سویه های سالمونلا انتریکا سرووار انتریتیدیس از تنوع بالایی برخورد دارند؟
آیا سویه های سالمونلا از نظر ژنوتیپ با روش MLVA قابل طبقه بندی هستند؟
1-7- ضرورت انجام تحقیق
چون روش های مولکولی زیادی نظیر PFGE، MLST و MLVA و غیره جهت ژنوتایپینگ سویه های سالمونلا وجود دارد، MLVA نسبت به سایر روش ها نظیر PFGE از نظر اقتصادی مقرون به صرفه بوده و با امکانات کمی( PCR و الکتروفورز) قابل انجام است.
1-8- جنبه جدید بودن و نوآوری تحقیق
از آنجاییکه از این تکنیک برای ژنوتایپینگ سالمونلا در کشور استفاده نشده است لذا برای اولین بار قصد داریم سویه های سالمونلا انتریکا سرووار انتریتیدیس را با این روش دسته بندی نمائیم.
1-9- واژه نامه ها و اصطلاحات فنی
ژنوتایپینگ باکتری ها: نوعی روش مولکولی که برای طبقه بندی و دسته بندی ایزوله ها یا سویه های یک گونه ی باکتریایی خاص برای مطالعه ی روابط تکاملی یا قرابت ژنتیکی بین آنها استفاده می شود.
VNTR: VNTR در اصطلاح به تکرار های پشت سرهم با تعداد متغییر گفته می شود. این توالی ها معادل ماهواره ها در ژنوم می باشند.
MLVA( آنالیز چند لوکوسی تکرار های پشت سرهم): نوعی تکنیک مولکولی می باشد که برای ژنوتایپینگ باکتری ها استفاده می شود. این تکنیک مبتنی بر PCR بوده و اساس آن VNTR ها می باشد.
پروفایل اللی: پروفایل اللی در اصطلاح به مجموعه ی تعداد تکرار های VNTR می گوند برای مثال سویه ی شماره یک با پروفایل اللی 2-3-5-6-7-4-1 و سویه ی شماره ی دو با پروفایل اللی 3-2-4-5-4-7-1
SLV: اگر پروفایل اللی دو ایزوله نسبت به هم در یک جایگاه لوکوسی( یک لوکوس VNTR) متفاوت باشد،آنها نسبت به یکدیگر، SLV می باشند مانند 3-2-1-7-4-2-3 نسبت به 3-2-1-7-4-2-4 SLV می باشد.
DLV: اگر پروفایل اللی دو ایزوله نسبت به هم در دو جایگاه لوکوسی( دو لوکوس VNTR) متفاوت باشند، آنها نسبت به یکدیگر، DLV می باشند.
کلونال کمپلکس: در اصطلاح به یک ایزوله( مرکزی) به همراه SLV ها و DLV ها ی مربوط به آن دودمان یا کلونال کمپلکس می گویند.

–278

تخلیص محصول هضم آنزیمی با استفاده از کیت تخلیص از ژل آگارز............................................19
واکنش لیگاسیون قطعات تخلیص شده.............................................................................................20
تهیه سلول های مستعد 'E. coli TOP10F به روش تیمار با کلرید کلسیم.........................................20
انتقال پلاسمید به سلول های مستعد..................................................................................................21
بررسی کلونهای نوترکیب به روش سریع..........................................................................................21
PCR بر روی کلنی های باکتریایی/مخمری......................................................................................22
استخراج پلاسمید در مقیاس کم.......................................................................................................22
استخراج پلاسمید در مقیاس زیاد.....................................................................................................23
الکتروفورز پروتئین بر روی ژل پلی اکریل آمید(SDS-PAGE)........................................................24
سنتز ژن gcsf...................................................................................................................................29
PCR اختصاصی بر روی ژن gcsf....................................................................................................30
کلون نمودن ژن gcsf در وکتور بیانی هانسونلا.................................................................................31
هضم آنزیمی وکتور pGH-gcsf.......................................................................................................32
هضم آنزیمی وکتوربیانی pHan......................................................................................................33
کلون نمودن قطعه gcsf در وکتور بیانی pHan.................................................................................33
بررسی کلون های نوترکیب pHan-gcsf...........................................................................................34
هضم آنزیمی وکتور pHan-gcsf......................................................................................................35
کلون نمودن ژن مقاومت به زئوسین در وکتور بیانی pHan-gcsf.....................................................35
PCR اختصاصی بر روی ژن مقاومت به زئوسین..............................................................................35
کلون نمودن ژن zeocin در وکتور کلونینگ pGEM-T Easy..........................................................37
بررسی کلون های نوترکیب pGEM-zeo.........................................................................................38
کلون نمودن ژن مقاومت به زئوسین در وکتور بیانی pHan-gcsf......................................................39
هضم آنزیمی وکتور pHan-gcsf و pGEM-zeo..............................................................................39
کلون نمودن ژن مقاومت به زئوسین در وکتور بیانی تیمار شده با آلکالین فسفاتاز pHan-gcsf.........40
بررسی کلونهای نوترکیب pHan-gcsf-zeocin.................................................................................41
انتقال پلاسمید نوترکیب pHan-gcsf-zeocin به سلول هانسونلا پلی مورفا.......................................41
هضم آنزیمی وکتور بیانی pHan-gcsf-zeocin.................................................................................41
الکتروپوریشن سلول های هانسونلا پلی مورفا...................................................................................42
تأیید کلونهای نوترکیب هانسونلا با روش Colony PCR اختصاصی ژن زئوسین.............................43
بیان پروتئینGCSF در هانسونلا پلی مورفا......................................................................................44
کشت سلولهای مخمری....................................................................................................................44
بررسی بیان پروتئین نوترکیب با روش SDS-PAGE........................................................................44
تزریق نمونه پروتئینی به خرگوش.....................................................................................................45
ایمونوبلاتینگ...................................................................................................................................46
فصل سوم نتایج
سنتز ژن gcsf...................................................................................................................................49
PCR اختصاصی بر روی ژن gcsf...................................................................................................49
طراحی پرایمر های اختصاصی ژن gcsf...........................................................................................49
بهینه سازی واکنش PCR برای ژن gcsf...........................................................................................50
کلون نمودن ژن gcsf در وکتور بیانی هانسونلا.................................................................................51
هضم آنزیمی وکتور کلونینگ pGH-gcsf و وکتور بیانی pHan.......................................................51
بررسی کلونهای نوترکیب pHan-gcsf.............................................................................................52
بررسی کلونها به روش سریع...........................................................................................................52
انجام PCR ژن gcsf بر روی پلاسمید نوترکیب pHan-gcsf............................................................52
هضم آنزیمی وکتور تأیید شده pHan-gcsf......................................................................................53
کلون نمودن ژن مقاومت به زئوسین در وکتور بیانی pHan-gcsf.....................................................54
PCR اختصاصی بر روی ژن مقاومت به زئوسین (Sh ble).............................................................54
کلون نمودن ژن zeocin در وکتور کلونینگ pGEM-T Easy..........................................................55
تأیید کلون های نوترکیب pGEM-zeocin.......................................................................................55
بررسی سریع کلونهای نوترکیب........................................................................................................55
هضم آنزیمی پلاسمید نوترکیب pGEM-zeo با BglII.....................................................................56
کلون نمودن ژن مقاومت به زئوسین در وکتور بیانی pHan-gcsf......................................................57
بررسی کلونهای نوترکیب pHan-gcsf-zeocin..............................................................................57
بررسی سریع کلونهای نوترکیب........................................................................................................57
بررسی کلونها به روش Colony-PCR.............................................................................................58
برش آنزیمی وکتور نوترکیب pHan-gcsf-zeo.................................................................................58
انتقال پلاسمید نوترکیب pHan-gcsf-zeocin به سلول هانسونلا پلی مورفا.......................................59
هضم آنزیمی وکتور بیانی pHan-gcsf-zeocin و انتقال به سلول هانسونلا........................................59
تأیید کلونهای نوترکیب هانسونلا با روش Colony-PCR ژن زئوسین..............................................59
بیان پروتئینGCSF در هانسونلا پلی مورفا.....................................................................................60
تأیید پروتئین نوترکیب تولید شده با روش Immuno-Blotting.......................................................61
فصل چهارم :بحث و پیشنهادات
رویکرد کلی پژوهش........................................................................................................................63
فصل پنجم : منابع و پیوست
فهرست منابع و مواخذ......................................................................................................................66
پیوست‌ها..........................................................................................................................................75
مقدمه
تولید پروتئین های نوترکیب یک بازار میلیارد دلاری دارا می باشد. از طرف دیگر تولید یک محصول نوترکیب جدید با انتخاب یک میزبان مناسب شروع می شود. در میان سیستم های بیانی مختلف، سلولهای مخمری به عنوان تک سلولی های تولید کننده با ویژگی دستکاری های ژنتیکی ساده و داشتن مسیرهای ترشحی اختصاصی که در تولید پروتئین کامل و فعال و انتقال آن به خارج از سلول مؤثر می باشند، یکی از بهترین انواع سیستم های شناخته شده می باشند. ساکارومیسس سرویزیه، پیکیا پاستوریس و هانسونلا پلی مورفا در اکثر مطالعات به عنوان سلولهای مخمری میزبانی مورد استفاده قرار گرفته اند که دارای مسیر مشترک بیوشیمیایی در متابولیسم متانول می باشند. در حال حاضر تکنولوژی هانسونلا به دلیل میزان بیان بالا مورد توجه جهانی قرار گرفته است. از جمله اقلام دارویی تولید شده در این سلولها میتوان به واکسن هپاتیت B، انسولین و اینترفرون آلفا و بتا اشاره نمود.
هدف از این مطالعه ، استفاده از وکتور بیانی طراحی شده جهت بیان فاکتور رشد کلنی گرانولوسیتی (GCSF) نوترکیب به عنوان پروتئین کاندید می باشد.
مواد و روش ها
cDNA کد کننده ژن فاکتور محرک رشد کلونی گرانولوسیتی در وکتور بیانی طراحی شده مربوط به هانسونلا پلی مورفا که شامل پروموتر، توالی سیگنال پپتید، توالی خاتمه دهنده رونویسی و شاخص انتخابی اوکسوتروفی می باشد کلون گردید و بدین ترتیب وکتور بیانی مورد نظر ساخته شد. هضم های آنزیمی به منظور تأیید قطعات کلون شده در وکتور بیانی طراحی شده انجام شد. القاء بیان پروتئین نوترکیب در این سیستم با متانول صورت گرفت و ایمونوبلاتینگ جهت تأیید پروتئین تولید شده نوترکیب صورت گرفت.
نتایج
ماهیت توالیهای کلون شده در وکتور بیانی از طریق هضم های آنزیمی با استفاده از سایتهای طراحی شده در توالی سنتز شده و مشاهده قطعات مورد نظر در ژل آگارز ارزیابی شد. وکتور نوترکیب به فرم خطی با روش الکتروپوریشن به سلول مستعد هانسونلا پلی مورفا انتقال داده شد و القاء بیان پروتئین با متانول صورت پذیرفت. پروتئینی حدوداً 20 کیلو دالتونی بر روی ژل SDS-PAGE مشاهده گردید که با ایمونوبلاتینگ پروتئین تولید شده به عنوان GCSF تأیید شد.
بحث
پروتئین تولید شده با روش بلاتینگ تأیید گردید. در ادامه بایستی عملکرد این پروتئین در واکنشهای ایمونولوژیکی مورد بررسی قرار گیرد. از طرف دیگر عملکرد این پروتئین در مقایسه با فرم تولید شده در E. coli مقایسه شود.
کلید واژه ها
هانسونلا پلی مورفا، فاکتور محرک رشد کلونی گرانولوسیتی (GCSF)، مهندسی ژنتیک
فصل اول : مقدمه
در طول چند دهه اخیر به سه دلیل زیر مطالعات زیادی بر روی مخمر هانسونلا پلی مورفا صورت گرفته است:
رشد سریع این مخمر با مصرف متانول به عنوان تنها منبع کربن و انرژی،
تحمل دماهای بالا (توانایی رشد در دمای °C49)،
تبادل آسان محتوای ژنتیکی بین سلولهای هاپلوئید و دیپلوئید ( (Teunisson, 1960.
1-1میکروبیولوژی هانسونلا
این مخمر برای اولین بار در سال 1951 از آب پرتقال حاوی 50% قند در فلوریدای آمریکا جداسازی شد.
سلولهای هانسونلا به هر دو صورت سلولهای دیپلوئیدی و هاپلوئیدی رشد می کنند. کلنی ها بر روی محیط کشت جامد دارای طیف رنگی صورتی هستند که به علت آسکوسپورها می باشد. کلنی سلولهای هاپلوئیدی و دیپلوئیدی از نظر رنگ، اندازه، چیدمان سلولی و سایر ویژگیها با یکدیگر متفاوت می باشند.
تاکنون اطلاعاتی در مورد توانایی هانسونلا پلی مورفا در تشکیل میسلیوم کاذب پیدا نشده است (Teunisson, 1960; Wickerham, 1970).

شکل 1-1 مخمر H. polymorpha
هانسونلا پلی مورفا میتواند در دمای بالا و در °C42 رشد کند. به نظر می رسد در این مخمر سنتز تره هالوز قسمتی از پاسخ به قحطی منبع کربن و شوک حرارتی است و پیشنهاد شده که این ترکیب، فاکتور مهمی در مقاومت دمایی است (Reinders, 1999).
مطالعات انجام شده بر روی هانسونلا پلی مورفا به طور عمده به بررسی پروتئین های سلولی، ساختار سلولهای مخمر در حال رشد و یا بررسی متابولیسم مخمر پرداخته اند.
در سویه هایی از این مخمر که از متانول به عنوان منبع انرژی استفاده می کنند، آنزیمهای متانول اکسیداز و کاتالاز، به فرم کریستالی درون اندامکی به نام پراکسی زوم قرار گرفته اند (Van Dijken, 1975).
هانسونلا پلی مورفا بعنوان یک ارگانیسم متیلوتروف، یک مدل مطلوب برای تحقیق در مورد عملکرد پراکسی زم ها و تکامل حیات می باشد. همچنین به منظور بررسی ژنتیکی جنبه های مختلف متابولیسم سلولی از جمله متابولیسم متانول، جذب نیترات و مقاومت به فلزات سنگین مورد مطالعه قرار می گیرد ( (Mannazzu, 2000.
با وجود این ویژگیها، هنوز قابلیت های ژنتیکی و طبیعی سویه های مورد استفاده از این مخمر کاملاً مشخص نیست و کنترل ژنتیکی فرایندهای سلولی پایه از جمله کنترل تقسیم سلولی، تولید مثل و اسپورزایی هنوز با سؤالات زیادی مواجه می باشد.


با اینحال هانسونلا پلی مورفا به عنوان یک میزبان برای تولید پروتئین های خارجی(ترشحی به خارج از سلول) توجه زیادی را به خود جلب کرده است ( (Gellissen, 2000.
1-2مطالعات ژنتیکی
تحقیقات ژنتیکی تاکنون تنها بر روی سه سویه از این مخمر انجام شده است که شامل سویه های DL-1، CBS 4732 و NCYC 495 می باشند.
پیدایش سویه های هانسونلا پلی مورفا از سویه های جهش یافته اکسوتروف شروع شده است.این موتانت ها از سویه هایی که در بالا نام برده شد با استفاده از ترکیب شیمیایی N-متیل-N-نیترونیتروزو گوانیدین یا اتیل متان سولفونات به دنبال یک مرحله غنی سازی با نیستاتین به دست آمده اند.
از طرف دیگر اشعه ماوراء بنفش نیز یک موتاژن بسیار قوی است که طیف موتانت های ایجاد شده بوسیله آن در مقایسه با موتانت های حاصل از مواد شیمیایی متفاوت و گسترده تر می باشد (Roggenkamp, 1986).
بطور کلی فرایندهای جهش زایی متعددی در این مخمر انجام شده است که یکی از این فرایندها، جهش های ژنتیکی است که منجر به سنتز اسیدآمینه های آروماتیک می شود که به مخمر اجازه رشد در محیط غنی YPD را نمی دهند (Krappmann, 2000).
از جمله انواع جهش یافته های اکسوتروف میتوان به موارد زیر اشاره نمود:
سویه هانسونلا پلی مورفای جهش یافته ای که برای رشد بر روی محیط های معدنی الزاماً به ریبوفلاوین نیاز دارد و محدود نمودن منبع ریبوفلاوین تأثیر شدیدی بر روی سنتز مجموعه الکل اکسیداز و تکثیر پروکسی زومهای سلولی دارد (Evers, 1994).
نوع دوم جهشهای ایجاد شده در ژن FAD1 است که اسید چرب دلتا را کد می کند. کاربرد این سلولهای جهش یافته در بررسی ژنتیکی سنتز اسیدهای چرب غیراشباع می باشد ( (Anamnart, 1998.
تحقیقات اخیر نشان داده است که هانسونلا پلی مورفا میتواند برای بررسی مقاومت به فلزات سنگین مورد استفاده قرار گیرد چراکه توانایی رشد در حضور تجمع فلزات سنگین متفاوت را که برای سایر موجودات سمی است دارا می باشد (Mannazzu, 1997).
در طی رشد در محیط حاوی vanadate، سلول ها افزایش قابل توجهی از پلی فسفات های واکوئلی پیدا میکنند. احتمالاً نقش این واکوئل ها در فعال کردن مکانیسم های اتوفاژی است که شاید برای جبران کمبود مواد مغذی و یا حذف ساختارهای سلولی ناهنجار القاء شده توسط این یون فلزی لازم باشند (Mannazzu, 1998).
سلول های هانسونلا پلی مورفا در مقایسه با S. cerevisiae به یون های کادمیوم(cd2+) بسیار مقاومند )این مقاومت به شدت به ماهیت منبع کربن استفاده شده بستگی دارد. سلول ها اغلب زمانیکه بر روی محیط حاوی گلوکز رشد میکنند به کادمیم مقاومتراند اما در طی رشد بر روی محیط حاوی متانول، به عنوان منبع کربن و انرژی، به این یون بسیار حساس می باشند. سویه های جهش یافته مقاوم به کادمیوم به سه گروه cds1، cds2 و cds3 تقسیم میشوند ( (Lahtchev, unpublished data.
جهش در ژنهای کدکننده آنزیم های پراکسی زومی یا سیتوپلاسمی درگیر در متابولیسم متانول
ژن AOX1 (MOX)، کدکننده آنزیم الکل اکسیداز (AO) موجود در ماتریکس پروکسی زوم است و یکی از بهترین ژن های هانسونلا پلی مورفا در تحقیقات می باشد (Ledeboer, 1985). الکل اکسیداز یک آنزیم فلاووهومواکتامری است که اولین مرحله در متابولیسم متانول را کاتالیز میکند. مونومر این آنزیم در سیتوپلاسم سنتز شده و به صورت هومواکتامر فعال، تجمع یافته و در داخل پراکسی زوم قرار میگیرد. حدود 210 نوع جهش یافته از ژن AO وجود دارد ( (Titorenko, 1995. بیان این ژن در مرحله رونویسی تنظیم میشود.

شکل 1-2 مورفولوژی سلولهای H. polymorpha جهش یافته
در هانسونلا پلی مورفا وقایع مربوط به مهار و القاء ژنهای کد کننده آنزیم های اختصاصی متانول و یا آنزیمهای پراکسی زومی به شدت کنترل می شوند. تنظیم در سطح رونویسی با مکانیسم های کنترلی قابل ملاحظه ای انجام میشود. عناصر تنظیمی به فرم سیس در بالادست ژنهای DAS، CAT و FMD با نقش مهاری برای گلوکز شناسایی شده اند.
1-3 نقشه ژنتیکی
آنالیز تتراد در هانسونلا پلی مورفا امکان پذیر است اما اندازه کوچک اسپورها روند این آنالیز را کند می نماید. در کشت سلول های دیپلوئیدی تفکیک مندلی نرمال در مورد بیشتر مارکرهای ژنتیکی مشاهده شده است.
الکتروفورز DNA کروموزومی هانسونلا پلی مورفا به روش pulse field، 3 تا 7 باند را نشان داده است که به نوع سویه وابسته است (Mari, 1993)اما بطور کلی مشخص شده است که هانسونلا پلی مورفا حداقل 7 کروموزوم دارد که بعضی از آنها مضاعف (دو تایی) هستند (Naumov, 1992).
1-4 تولیدمثل و اسپورزایی
فاکتورهایی در تولیدمثل و اسپورزایی هانسونلا پلی مورفا درگیرند که هنوز بطور کامل شناسایی نشده اند. از القاء کننده های قوی تولیدمثل جنسی میتوان به مالتوز، گلیسرول و سوربیتول اشاره کرد (Lahtchev, unpublished data).
سلول های هاپلوئید بر اساس نوع فنوتیپشان به چهار گروه تقسیم میشوند:
سویه های گروه 1 و 2 میتوانند هیبریداسیون متقاطع داشته باشند. این سویه ها سریع الرشد و تهاجمی بوده و پس از گذشت یک روز در محیط انتخابی، دیپلوئیدی می شوند. سویه های گروه 3 توانایی جفتگیری با اعضای گروه 1 و 2 را دارند و سویه های مثبت (+) نامگذاری می شوند. سویه های گروه 4 تنها میتوانند با گروه مثبت جفتگیری کنند و گروه منفی (-) را تشکیل دهند.
1-4-1 اسپورزایی
در هانسونلا پلی مورفا سلولهای هاپلوئیدی توانایی اسپورزایی دارند. اسپورزایی هاپلوئیدها بعد از گذشت 8 روز در محیط حاوی 3% مالتوز در دماهای پائین قابل تشخیص است. اسپورزایی با ظاهر شدن کلنی های دیپلوئیدی به رنگ صورتی روشن همراه می باشد.
در اواخر دهه 1960 کشف شد که مخمرها توانایی رشد بر روی محیط حاوی متانول به عنوان منبع کربن و انرژی را دارند (Ogata, 1969). اخیراً در تحقیقات پایه، متیلوتروف ها به عنوان منبع پروتئین های تک سلولی (SCP) ((Cooney and Levine, 1976) و آنزیم های غیرمعمول و متابولیت ها توجه بسیاری را به خود جلب کرده اند. با استفاده از روشهای جدید کلونینگ، ژن های کد کننده آنزیم های کلیدی در متابولیسم متانول شناسایی شده اند (Wegner, 1990).
پروموترهای MOX و FMD بعد از القاء، بسیار قوی عمل می نمایند. این مطلب با مشاهده میزان بالای بیان محصولات تحت تأثیر این پروموترها قابل انتظار است.
این یافته ها استفاده از هانسونلا پلی مورفا، به عنوان یک میزبان مناسب برای بیان به میزان زیاد ژنهای هترولوگ با استفاده از این پروموترها، به عنوان اجزاء کنترل کننده بیان، را قابل قبول نماید (Roggenkamp, 1984; Hollenberg and Janowicz, 1988).
سیستم بیانی شامل هانسونلا پلی مورفا سویه RB11 و پلاسمیدهای حاوی توالی های URA3و HARS1 است که به دنبال هم قرار گرفته اند. استفاده از پروموترهای FMD یا MOX و ترمیناتور MOX همراه با جایگاههای برش آنزیمی کوتاه مربوط به کلونینگ (MSC) بین این دو واحد، کلونینگ و بیان ORFهای هترولوگ را ممکن ساخته است.
آنالیز سویه های بیانی، پایداری میتوزی قابل توجه پلاسمید های الحاق شده به درون ژنوم را نشان می دهد که در بعضی موارد بیانگر سرعت بیان بالای ORF هترولوگ می باشد.
از طرف دیگر، سویه RB11، اغلب دستکاری های ژنتیکی به صورت نوترکیبی را به راحتی نمی پذیرد که شاید ناشی از پایداری میتوزی فوق باشد. به نظر می رسد سویه DL-1 نسبت به سویه RB11 توانایی پذیرش بیشتری را دارد (Gellissen, 1992).
1-6 پروموترهای مورد استفاده در سیستم های بیانی هانسونلا پلی مورفا RB11
یکی از پروموترهای مورد استفاده برای تولید پروتئینهای هترولوگ در هانسونلا پلی مورفا سویه RB11، پروموتر ژن MOX می باشد که طول آن بیش از 5/1 کیلوباز بوده و در حضور منبع کربن تنظیم می شود. به این صورت که در حضور گلوکز، پروموتر MOX مهار می شود ولی در حضور متانول، القاء می گردد.
پروموتر سایر ژن های کدکننده آنزیم های کلیدی در کاتابولیسم متانول از جمله FMD، DAS و CAT نیز مشابه با پروموتر ژن MOX کنترل می شوند اما سطح تنظیمی بعضی از آنها همچون CAT مشخص نیست (Veenhuis, 1983).
اگرچه پروموترهای FMD و MOX به طور واضحی مقایسه نشده اند اما بعضی مقایسه ها نشان داده است که مزایای پروموتر FMD از پروموتر MOX بیشتر است. بعنوان مثال، هانسونلا پلی مورفا سویه RB11 بیان کننده ژن فیتاز تحت کنترل پروموتر FMD، بازده زیادی در تخمیر در شرایط قحطی گلوکز دارد.
1-6-1 HARS1
پلاسمیدهای بیانی مورد استفاده در هانسونلا پلی مورفا سویه RB11 دارای عنصر HARS1 به طول تقریبی 5/0 کیلوباز می باشند. این قطعه ژنی در سالهای اخیر در طراحی وکتورهای مناسب برای انتقال به هانسونلا پلی مورفا مورد توجه قرار گرفته است Roggenkamp, 1986)). پلاسمیدهای حامل توالی HARS1 در 30-20 نسل ابتدایی رشد سلولها به صورت اپی زومال باقی می مانند اما پس از آن در ژنوم سلول مزبان به صورت تکرارهای متوالی به تعداد زیاد الحاق می شوند. این در حالی است که ناحیه ای که این پلاسمیدها دقیقاً در ژنوم ادغام می شوند هنوز مشخص نیست Gellissen, 1990)). چهار عنصر دیگر از خانواده قطعه ژنی HARS در سویه های DL-1 به دست آمده است اما تعداد کپی آنها از تعداد عناصر HARS1 در سویه RB11 کمتر است.
جزئیات مکانیسم ادغام شدن پلاسمیدهای حاوی توالی HARS1 در ژنوم این مخمر هنوز مشخص نیست. تنها ویژگی شناخته شده، توانایی ادغام شدن به صورت توالیی تکراری و غیرتصادفی است که قسمت خاصی از ژنوم را انتخاب می کند (Sohn, 1996).

شکل 1-3 تصویر پلاسمید بیانی مخمر H. polymorpha
1-7 بیان همزمان:
با چنین سیستم هایی، مجموعه های پروتئینی هترومری تولید می شود. یک مثال قابل توجه از این نوع بیان، بیان همزمان آنتی ژن های S و Lویروس هپاتیت B است.
از دیگر موارد بیان همزمان میتوان به بیان ژن های کد کننده گلیکولات اکسیداز (GO) اسفناج و کاتالاز (CTT1) T ساکارومیسس سرویزیه در هانسونلا پلی مورفا اشاره نمود.
بیان، پردازش، تغییر و تبدیل و یا ترشح مؤثر پروتئینهای نوترکیب خاص در هانسونلا پلی مورفا ممکن است دچار تغییر شود. این محدودیت می تواند با بیان همزمان ژن مورد نظر با یک ژن دوم (یا بیش از یک ژن دیگر) برطرف شود به همراه می آورد. به عنوان مثال فرآیند پردازش نادرست اینترفرون آلفا 2a، می تواند با بیان همزمان ژن KEX2 ساکارومیسس سرویزیه بهبود یابد.
1-8 ترشح پروتئین های هترولوگ الیگومری و فعال
هانسونلا پلی مورفا مقدار کمی پروتئین درونی (خودی) ترشح می کند و در نتیجه این ویژگی، پروتئین های هترولوگ ترشح شده به محیط کشت، عموماً خالص هستند. بنابراین استفاده از این میزبان بیانی، روش مناسبی جهت تولید پروتئین های نوترکیب خارجی به فرم محلول می باشد. ترشح پروتئین ها توسط توالیهای نشانه (سیگنال) قابل جداسازی انجام می شود. اگرچه گاهاً مستقل از سیگنال ترشحی، در مواردی ترشح خودبخودی پروتئین هترولوگ نیز مشاهده شده است (Gellissen, 2000).
برای درک توانایی هانسونلا پلی مورفا در تولید و ترشح پروتئین های هترولوگ، سویه هایی از این مخمر به منظور ترشح الکل اکسیداز (AOX) مهندسی گردیدند. الکل اکسیداز، یک پروتئین هومواکتامر کوفاکتوری است که هر زیرواحد آن دارای یک مولکول FAD می باشد (van der Klei et al, 1991). زمانیکه هانسونلا پلی مورفا بر روی محیط حاوی متانول رشد می کند فعالیت پروتئین AOX در ماتریکس پراکسی زومی، جائیکه اکثر پروتئین های اصلی وجود دارند، محدود می شود.
از طرف دیگر، برای فهم چگونگی ترشح الکل اکسیداز، سویه هایی از هانسونلا پلی مورفا مهندسی گردید که ژن اندوژن AOX با ژن AOX به دنبال سیگنال ترشحی در انتهای N، جایگزین شد. به دنبال کشت این سویه در محیط کشت حاوی متانول، حضور AOX فعال شناسایی گردید که این بیان نشان می دهد هانسونلا پلی مورفا قادر به تولید و ترشح کمپلکسهای پروتئینی دارای کوفاکتور و ساختارهای الیگومری می باشد (van der Heide and Veenhuis, Unpublished results).
1-9 تولید واکسن نوترکیب
در بسیاری از کشورها واکسن های علیه هپاتیت در اوایل دهه 1980 در دسترس عموم قرار گرفت. این واکسن ها با جداسازی آنتی ژن HBs از سرم افراد ناقل تولید شده بود که اگرچه مؤثر بودند اما به دلیل مشتق شدن از سرم، گران بوده و مدت زمان کوتاهی به سیستم ایمنی عرضه می شوند. به همین دلیل، تولید آنتی ژن HBS هترولوگ در سیستم های بیانی مختلف از جمله مخمر، باکتری، سلولهای گیاهی یا جانوری و نیز حیوانات تراریخته توسعه پیدا نمود. (Billman-Jacobe, 1996, Makrides, 1996).
1-10 مخمرها به عنوان میکروارگانیسم های تولیدی
سیستم های مخمری دارای مزایایی از جمله توانایی دستکاری ژنتیکی آسان، فرآیند های پس از ترجمه یوکاریوتی با میزان بالای تولید محصول و فرآیندهای تخمیری ارزان قیمت هستند. بنابراین تعجب آور نیست که ساکارومیسس سرویزیه به عنوان یکی از میزبانهای مطلوب در تولید پروتئین های هترولوگ شناخته شده است (Hinnen et al, 1995; Barr et al, 2000).
تاکنون دو روش در سیستم بیانی هانسونلا پلی مورفا به منظور تولید زیرواحدهای adw2 و adr از آنتی ژن HBs ابداع شده است که یکی از آنها توسط سازمان بهداشت جهانی (WHO) تأیید شده است (Gregg et al, 1985; Gregg and Madden, 1987).
1-10 ساخت سویه هانسونلا پلی مورفا بیان کننده آنتی ژن HBs
به طور کلی تولید سویه های هانسونلا پلی مورفا نوترکیب نیازمند دنبال کردن پروتکل استاندارد زیر است:
تولید کاست بیانی و وکتور پلاسمیدی
انتقال وکتور طراحی شده به سلول هانسونلا پلی مورفا
جداسازی سویه های نوترکیب
1-10-1 تولید کاست بیانی و وکتور پلاسمیدی
تولید سویه H415 بیان کننده آنتی ژن HBs بوسیله گروهی از محققین یک مثال از این فرآیند است. توالی کدکننده آنتی ژن به طول 683 نوکلئوتید از پلاسمید pRIT10616 جدا گردید (Harford et al, 1987) و قطعه پروموتریMOX به عنوان سیگنال برای رونویسی از ژن MOX هانسونلا پلی مورفا مشتق شد (Ledeboer et al, 1985; Eckart 1988). این سه عنصر ترکیب شده و قطعه MOX promoter-HBsAg gene-MOX terminator را تشکیل می دهند که اساس کاست بیانی می باشند (Stinchcomb et al, 1980). سپس این کاست دارای عملکرد بیانی درون وکتور پلاسمیدی حاوی عناصر زیر قرار داده شد. ژن مقاومت به کلرامفنیکل به منظور تکثیر در باکتری E. coli، توالی همانند سازی هانسونلا پلی مورفا (HARS1) و ژن URA3 از ساکارومیسس سرویزیه به عنوان مارکر انتخابی در بررسی انتقال پلاسمید به هانسونلا پلی مورفا می باشند.
پلاسمیدهای دارای توالی HARS1 توانایی بالایی برای ادغام در ژنوم میزبان دارند. امروزه سویه هایی شناسایی شده که دارای بیش از 60 کپی از کاست بیانی خارجی اند که این مطلب به دلیل وجود این توالی می باشد.
1-11 انتقال (ترانسفرم) وکتورهای بیانی به هانسونلا پلی مورفا
1-11-1 روش پلی اتیلن گلیکول
پلاسمیدpRBS-269 با استفاده از روش پلی اتیلن گلایکول به سویه RB10 انتقال یافت و برای مشخص شدن ادغام پلاسمید به درون ژنوم، غربالگری صورت گرفت (Gregg et al, 1985).
تاکنون چندین سویه ترانسفرم شده با کاست های بیانی الحاقی بطور پایدار تولید شده است و سویه H415 یکی از این سویه هاست که برای بیان آنتی ژن HBs تحت شرایط خاص مورد آزمایش قرار گرفته است (Janowicz et al, 1991).
1-12 جداسازی سویه های نوترکیب
تشخیص بیان پروتئین با رشد سویه های ترنسفورم شده بر روی محیط های تقریباً مغذی حاوی گلوکز، گلیسرول و یا متانول بررسی می شود. در این راستا، مقدار آنتی ژنHBs تولید شده در این سیستم بیانی در مقایسه با مقدار استاندارد آنتی ژن خالص با روش ایمونوبلاتینگ کمی اندازه گیری شد. میزان تولید د ر سویه H415 در محیط کشت حاوی متانول mg100 بود. زمانیکه سلول ها در محیط حاوی گلیسرول قرار گرفتند سنتز آنتی ژن HBs 70% کاهش پیدا کرد و زمانیکه سلول ها به محیط حاوی گلوکز منتقل شدند آنتی ژنی تولید نگردید که این مطلب نشان دهنده تولید این آنتی ژن به طور طبیعی تحت کنترل ژن MOX میباشد (Rutgers et al, 1988).
1-13 تنظیم متابولیسم متانول
تنظیم آنزیم های احیاکننده به روش مهاری و نه القاء صورت می پذیرد. در طی فرایند رشد، در شرایط کمبود گلوکز این آنزیم ها افزایش پیدا می کنند (Egli, 1980). تجزیه و تحلیل منطقه پروموتر ژن کد کننده AOD نشان داده است که در H. polymorpha بیان ژن MOX نیز توسط یک مکانیسم مهاری تنظیم می شود (Roggenkamp, 1984; Sakai and Tani, 1992).
1-14 فاکتور محرک رشد کلنی گرانولوسیتی (G-CSF)
در دهه 60 میلادی، دو گروه به طور همزمان روش هایی را برای توسعه و بهبود رشد کل