عیدی

این خوراکی های خوشمزه باعث می شوند که خواب شما راحت تر باشد

۳۱ مرداد ۱۳۹۷

تغذیه ما نقش مهمی در خوابیدن ما دارد.طبق یک بررسی و بازبینی :”بسیاری از مطالعات نشان داده اند که فاکتورهای اصلی که سبب بی خوابی میشوند غذاهایی هستند که در کمتر فراسودمندند . ترکیبات فرا سودمندی در غذاهای فراسودمند وجود دارند که خواب را بهبود میدهند

خوراکی های خواب آور

بسیاری از افراد از اختلال خواب رنج میبرند. در بیشتر افراد این اختلال بصورت بی خوابی نمایان میشود و سبب خستگی مفرط و در نهایت منجربه مشکلات روحی و جسمی می شود. بسیاری از افراد که دچار اختلال خواب هستند به داروهایی که خواب آنها را منظم کنند پناه می برند و اعتماد می کنند . برای مثال بنزودیازپاین یکی از رایج ترین داروهای تجویز شده برای تنظیم خواب می باشد. اما افرادی که برای مدت طولانی و یا دوز بالایی از این داروها را مصرف میکنند به این داروها وابسته میشوند. داروهای خواب آور، مخصوصا زمانیکه سوء مصرف شوند ، میتوانند عوارض جانبی بهمراه داشته باشند . بر طبق یک تحقیق انجام شده : ” ممکن است این داروها سبب اختلال در حافظه ، تمرکز ، خواب ، و منجر به تغییرات رفتاری شوند. همچنین میتوانند بر روی توانایی افراد در رانندگی ، مخصوصا در افراد مسن تر و بیمار ، تاثیر بگذارد و احتمال افتادن و از دست دادن تعادل را افزایش دهد.” کنار گذاشتن عادات ، کار آسانی نیست. بسیاری از افراد که برای مدت طولانی از قرص خواب آور استفاده میکنند پس از کنار گذاشتن این قرص ها علائم آن هم ازبین میرود. بنابراین اگر میتوانید از مصرف این داروها اجتناب کنید و بطور طبیعی خواب خودرا تنظیم کنید ، ارزش امتحان کردن را دارد. درحالیکه درمان های ذکر شده در زیر ممکن است برای بعضی افراد موثر نباشد ، اما دلایلی وجوددارد که میتواند موثرتر وبی خطر تر از مصرف داروها باشد.

خوراکی خواب آور

آجیل ها، مغزها و دیگر خوراکی های حاوی منیزیم

بر طبق کارآزمایی بالینی کنترل شده با دارونمای دوسوکور، مکمل های رژیمی منیزیم میتوانند در کیفیت خواب افرادی که از بی خوابی رنج میبرند تغییر بزرگی ایجاد کنند .در این تحقیق مکمل های غذایی منیزیم در سنین بالا مورد مطالعه قرار گرفته است ، چراکه با بالا رفتن سن تغییرات زیادی صورت می گیرد که می توانند احتمال بی خوابی را باعث شوند ، این تغییرات شامل تغییرات ناشی از سن در ساعت بیولوژی بدن ، تغییرات محیطی و سبک زندگی ، کاهش مصرف و جذب و نگهداری و بهره برداری مواد مغذی میباشند.
بنظر میرسد مکمل های منیزیم باعث پیشرفت فاکتورهای نظری بی خوابی می شوند مانند ضریب تاثیر ، کارایی خواب ، زمان خواب ، تاخیر شروع خواب ، بیداری صبح زود . همچنین باعث بهبود فاکتورهای عینی بی خوابی مانند غلظت رنین سرم ، ملاتونین ، و کورتیزول سرم در افراد مسن میشوند. آجیل ها و مغزها منابع خوبی برای منیزیم میباشند.

 

خوراکی خواب آور

چای گیاهی مخصوص

بعضی از چای های گیاهی بعنوان داروی مسکن شناخته شده اند که میتوانند حتی شب زنده دارترین افراد را آرام کنند.
در ابتدا ، ریشه سنبل الطیب ، که یکی از رایج ترین درمانهای بی خوابی میباشد .سپس بابونه و اسطوخودوس آرامش بخش .
اما در مصرف بعضی از این چای های گیاهی احتیاط کنید ، ریشه سنبل الطیب میتواند با یکسری داروها تداخل داشته باشد.اگر از داروهای ضد افسردگی و اضطراب یا داروهای ضد تشنج استفاده میکنید ، قبل از مصرف این چای با پزشک خود مشورت کنید.

 

خوراکی خواب آور

کیوی

اگرچه بنظر میرسد که این خلاف انتظار باشد ولی بیشتر افراد از خوردن غذاهای شکردار قبل از خواب مانند میوه خودداری میکنند . اما در واقع ثابت شدهخوردن کیوی قبل از خواب مدت و کیفیت خواب را بهتر میکند.
مطالعات زیادی که صورت گرفته نشان از آن دارد که کیوی شامل ترکیبات مفید درمانی زیادی میباشد.در میان آنها میتوان از آنتی اکسیدان و سروتونین نام برد که برای درمان اختلال خواب مفید هستند.

 

خوراکی خواب آور

عسل

همه ما هنگامی که به سرفه های مدام دچار میشویم از چای و عسل استفاده میکنیم . و دلیل خوبی برای آن وجود دارد : عسل نه تنها کمک میکند تا گلوی شما نرم شود بلکه کیفیت خواب شما را هم بهتر میکند.

داشتن خوابی بهتر با تغذیه مناسب

تغذیه ما نقش مهمی در خوابیدن ما دارد.طبق یک بررسی و بازبینی :”بسیاری از مطالعات نشان داده اند که فاکتورهای اصلی که سبب بی خوابی میشوند غذاهایی هستند که در کمتر فراسودمندند . ترکیبات فرا سودمندی در غذاهای فراسودمند وجود دارند که خواب را بهبود میدهند مانند تریپتوفان، گابا، کلسیم، پتاسیم، ملاتون، پیریدوکسین، اورنییتین و اسید هگزادکانوئیک.
عواملی که خواب را بهبود میدهند غذاهای فراسودمندی مانند پودر جو ، غلات کامل، گیاه مکا، جینسینگ ، قارچ گانودرما، پودر مارچوبه ، کاهو، میوه کیوی، گردو، شیساندرا و شیر میباشند.
در نتیجه برای داشتن خواب خوب تغذیه و رژیم غذایی مناسب لازم است.

ده ترفند مخفی اپلیکیشن Photos در ویندوز ۱۰

۳۱ مرداد ۱۳۹۷

اپلیکیشن پیشفرض «Photos» که در ویندوز ۱۰ نصب است می‌تواند بیشتر کارهای ویرایش تصاویر را انجام دهد. اگر کاربر ویندوز ۱۰ باشید ممکن است بخواهید یک نرم‌افزار ویرایش تصویر نصب کرده و کارهای خود را با آن انجام دهید. ولی قبل از این کار توصیه می‌کنیم ترفندهای ارائه شده در این مطلب را مطالعه نمایید، چراکه این ترفندها ممکن است شامل همان ویژگی‌هایی شوند که بهشان نیاز دارید. تمام این ویژگی‌ها در جایی قرار دارند که ممکن است به سادگی با بی توجهی از رویشان عبور کرده باشید.

۱. افزودن سایر پوشه‌ها به اپلیکیشن Photos

عبارت «Photos» را در استارت ویندوز جست‌وجو کرده و آن را باز کنید. به طور پیشفرض این اپلیکیشن شامل پوشه‌ی «Pictures» و پوشه‌ی تصاویر موجود در حساب «OneDrive» شما می‌شود.

برای اضافه کردن تصاویری که در پوشه‌های دیگری ذخیره شده‌اند، بر روی گزینه‌ی «Settings» که در پایین سمت چپ صفحه قرار دارد کلیک کرده، گزینه‌ی «Add a folder» را زده و پوشه‌ی مورد نظر خود را انتخاب نمایید. در نهایت گزینه‌ی «Add this folder to Pictures» را بزنید تا پوشه به Photos اضافه شود.

افزودن سایر پوشه‌ها به اپلیکیشن Photos

۲. وارد کردن فایل‌ها از هارد اکسترنال

گاهی اوقات نیاز پیدا می‌کنید که تصاویر خود را از یک منبع خارجی نظیر یک کارت حافظه یا یک درایو قلمی اضافه نمایید. برای این کار درایو خود را به رایانه متصل کرده و بر روی آیکون «Import» در بالا سمت راست کلیک کنید. اپلیکیشن Photos درایو شما و تمام تصاویر داخل آن را به طور خودکار  شناسایی می‌کند. بر روی گزینه‌ی «Continue» کلیک کنید تا تصاویر وارد اپلیکیشن شوند. در صفحه‌ی بعدی گزینه‌ای را برای حذف تصاویر از داخل درایو خود مشاهده خواهید کرد.

۳. پیدا کردن سریع تصاویر

Photos تمام تصاویر شما را بر اساس تاریخ ثبت آن‌ها (که در داده‌های EXIF قرار دارند) در خود نگه‌داری می‌کند. بخش «Collection» که در بالای اپلیکیشن قرار دارد شامل تمامی تصاویر شما که به ترتیب تاریخ و به صورت نزولی قرار گرفته‌اند می‌شود. بر روی تاریخ موجود در بالای صفحه کلیک کنید تا بتوانید تصاویر سایر ماه‌ها را به سرعت مشاهده کنید.

پیدا کردن سریع تصاویر

برای پیدا کردن تصاویری که اخیرا بارگذاری شده‌اند، بر روی بخش «Albums» کلیک کرده و گزینه‌ی «Last Import» را انتخاب کنید.

۴. حذف، کپی یا اشتراک‌گذاری همزمان چندین تصویر

امکان انتخاب دسته‌ای تصاویر در این اپلیکیشن بسیار کاربردی بوده و به شما اجازه‌ی حذف، کپی یا اشتراک‌گذاری همزمان چندین تصویر را می‌دهد. تنها کافی است تمام تصاویر مورد نظر خود را انتخاب کرده و سپس گزینه‌ی مناسب را از بین گزینه‌های موجود در بالا سمت راست انتخاب کنید. برای اشتراک‌گذاری تصاویر خود باید ابتدا مطمئن شوید که اپلیکیشن‌های مناسب و سازگار با این ویژگی را نصب کرده و وارد حساب خود در آن‌ها شده باشید.

، کپی یا اشتراک‌گذاری همزمان چندین تصویر

تصاویری که به صورت اتفاقی حذف می‌کنید را می‌توانید از طریق سطل زباله‌ی ویندوز بازیابی نمایید.

۵. نمایش تصاویر داخل یک پوشه به صورت اسلایدشو

برای این کار ابتدا اپلیکیشن Photos را ببندید. حال به منظور نمایش تمامی تصاویر داخل یک پوشه به صورت اسلایدشو تنها کافی است تصویر اول را باز کنید. با این کار یک گزینه به شما نمایش داده می‌شود که از شما می‌پرسد می‌خواهید با چه نرم‌افزاری تصویر خود را باز کنید. اپلیکیشن Photos را برای این کار برگزیده و سپس بر روی گزینه‌ی «OK» کلیک کنید. اینک کلید F5 را فشار دهید تا تمامی تصاویر آن پوشه به صورت اسلایدشو به نمایش در بیایند. همچنین می‌توانید از فلش‌های چپ و راست روی کیبورد برای رفتن به تصویر بعدی یا قبلی استفاده کنید.

۶. بهبود تصاویر تنها با یک کلیک

بیشتر نرم‌افزارهای خوب ویرایش تصویر گزینه‌هایی ارائه می‌دهند که بتوانید تنها با یک کلیک تصاویر خود را بهتر کنید. در واقع این روش تصویر شما را بررسی کرده و یک سری تغییرات اساسی را بر روی آن‌ها اعمال می‌کند. این تغییرات شامل واضح‌تر کردن تصاویر تار، بهبود روشنایی تصویر یا تضاد آن و سایر موارد می‌شود.

برای اعمال این تغییرات بر روی تصاویر خود به کمک اپلیکیشن Photos، ابتدا باید تصویر خود را در آن باز کنید. سپس بر روی آیکون «Edit» که در بالا سمت راست آن قرار دارد کلیک کنید. بهترین ویژگی‌های ویرایش تصویر در این بخش قرار گرفته‌اند. بر روی گزینه‌ی «Enhance» در بالا سمت راست آن کلیک کرده و گزینه‌ی «one-click fix» را انتخاب کنید.

بهبود تصاویر تنها با یک کلیک

برای بازیابی، ذخیره یا ذخیره‌ی یک کپی از تصویر خود می‌توانید از گزینه‌های موجود در بالای اپلیکیشن استفاده کنید. همچنین می‌توانید تصویر قبل و بعد تغییرات خود را با استفاده از گزینه‌ی «Compare» مقایسه نمایید. با فشردن کلیدهای «/ + Ctrl» می‌توانید آخرین تغییرات اعمال شده را مقایسه کنید.

۷. برش، چرخش و حذف قرمزی چشم

گزینه‌هایی که در زیر قسمت «Enhance» قرار دارند به شما امکان ایجاد تغییرات پایه و سریع نظیر چرخش تصویر، برش بخشی از آن و رفع تاری تصویر را می‌دهند. همچنین به جای رفع مشکل قرمزی چشم در فتوشاپ، می‌توانید از طریق ابزارهای موجود در Photos نیز اقدام کنید. ابزار «Retouch» به شما امکان روتوش سریع تصویر را می‌دهد.

۸. افزودن فیلترهای مختلف به تصویر

گزینه‌های موجود در اپلیکیشن Photos با گزینه‌های داخل اینستاگرام قابل مقایسه نیستند، ولی چیزی حدود شش فیلتر را به شما ارائه می‌دهد که می‌توانید با استفاده از آن تصاویر پویاتری ایجاد نمایید. برای دسترسی به آن‌ها از گزینه‌ی «Filters» در بالا سمت چپ صفحه استفاده کنید.

افزودن فیلترهای مختلف به تصویر

۹. تغییر مقدار نور، تضاد و دمای تصویر

از سمت چپ گزینه‌ی «Light» را انتخاب کنید. در اینجا می‌توانید نور، تضاد، روشنایی و سایه‌های تصویر خود را ویرایش کرده و تغییر دهید. با استفاده از گزینه‌ی «Color» در سمت چپ نیز می‌توانید دما، ته‌رنگ، اشباع رنگ و شدت آن را تغییر دهید.

۱۰. اضافه کردن فوکوس دستی

ابزار «Selective Focus» یک ابزار ویرایش عالی در تصاویر است که برای دوربین‌های «DSLR» بسیار کاربرد دارد. این ابزار به شما این اجازه را می‌دهد که بر روی بخش خاصی از پس‌زمینه یا پیش‌زمینه تمرکز کرده و سایر بخش‌های تصویر را مات کنید.

برای استفاده از این ویژگی در ابزار Photos، بر روی گزینه‌ی «Effects» در پایین سمت چپ کلیک کرده و سپس گزینه‌ی «Selective Focus» را از سمت راست برگزینید. یک نیم‌دایره مشاهده خواهید کرد که ۴ نقطه در اطراف آن قرار دارد. می‌توانید این نیم‌دایره را جابه‌جا کرده و با کشیدن نقاط موجود، محل فوکوس تصویر را تغیر دهید. برای مشخص کردن مقدار تاری سایر بخش‌های تصویر، بر روی آیکون «Blur» که در بالا سمت راست قرار دارد کلیک کرده و سپس یکی از ۵ گزینه‌ی موجود را که به ترتیب از قوی‌ترین که ضعیف‌ترین مرتب شده‌اند را انتخاب نمایید.

اضافه کردن فوکوس دستی

با استفاده از این ابزارها می‌توانید تقریبا هر تغییری که می‌خواهید بر روی تصاویر خود ایجاد نمایید و دیگر نیازی به نصب نرم‌افزارهای شخص ثالث نداشته باشید.

اگر این مطلب برای‌تان مفید بوده است، آموزش‌هایی که در ادامه آمده‌اند نیز به شما پیشنهاد می‌شوند:

  • آموزش ویندوز ۱۰ (Windows 10)
  • آموزش مهارت‌های اساسی کامپیوتر
  • آموزش برنامه‌های کاربردی کامپیوتر
  • مرورگر فایل ویندوز (File Explorer) و ۱۰ ترفند بسیار کاربردی
  • ویرایشگر ویدیو مخفی در ویندوز ۱۰ و نحوه کار با آن

^^

نوشته ده ترفند مخفی اپلیکیشن Photos در ویندوز ۱۰ اولین بار در وبلاگ عیدی. پدیدار شد.

این ۶ کار به قلب شما آسیب میزنند!

۳۱ مرداد ۱۳۹۷

این 6 کار به قلب شما آسیب میزنند!

کارهایی که قلب شما را نابود می کنند

شایع ترین دلیل مرگ در تمام جهان بیماری های قلبی می باشد که بخش کوچکی از بیماری های قلبی و عروقی به دلیل مادرزادی است. چاقی، رژیم غذایی نامناسب، چاقی، شیوه زندگی بی تحرک و الکل هم باعث ابتلا به بیماری های قبلی هستند…

تنباکو، رژیم غذایی نامناسب، چاقی، شیوه زندگی بی تحرک و الکل، از مقصران اصلی ابتلا به بیماری‌های قلبی عروقی هستند؛ با این حال عوامل دیگری هم هستند که به قلب شما صدمات جدی می‌رسانند و شما از آن‌ها بی‌خبرید:

نادیده گرفتن سلامت دهان و دندان

بیماری‌های پریودنتال ناشی از التهاب لثه می‌تواند علاوه بر از دست دادن دندان‌ها، با عوارض شدیدتری مانند بیماری‌های قلبی همراه باشد. باکتری‌های دهان ناشی از بروز التهاب لثه، می‌تواند به بدن و به جریان خون گسترش یافته و به قلب آسیب برساند. بنابراین دو بار در سال، معاینات مکرر دندان‌پزشکی را فراموش نکنید.

مصرف بیش از حد گوشت قرمز

به جای تلاش برای حذف کامل گوشت قرمز از رژیم غذایی، مصرف محصولات گوشتی را به حداقل برسانید. حتی گوشت قرمزی که به ظاهر فاقد چربی است نیز بین ۲۰ تا ۲۵ درصد حاوی چربی است و به افراد بالای ۵۰ سال توصیه می‌شود مصرف گوشت قرمز را به حداقل برسانند. این افراد باید بیشتر از گوشت سفید به صورت کبابی و آب پز استفاده کنند.

شیفت کاری نامناسب تأثیر بدی بر ریتم ساعت زیستی بدن دارد و می‌تواند به قلب شما آسیب وارد کند. بنابراین اگر ساعات عادی روز را کار نمی‌کنید، اقدامات اضافی را برای کاهش خطر ابتلا به بیماری‌های قلبی انجام دهید، نظیر: ورزش، رژیم متعادل و ملاقات با پزشک

 

خوب نخوابیدن

هنگامی که به طور معمول کمتر از ۶ ساعت در شبانه روز می‌خوابید، خطر ابتلا به فشار خون بالا و کلسترول را افزایش می‌دهید. این مسئله باعث ایجاد معضل چاقی و دیابت می‌شود که هر دوی آن‌ها می‌توانند به قلب آسیب برسانند. این بدان معنی نیست که شما باید در طول روز بخوابید. هنگامی که بیش از ۹ ساعت به طور منظم بخوابید، شانس ابتلا به دیابت و سکته مغزی را افزایش می‌دهید. خواب شبانه را ۷ تا ۹ ساعت تنظیم کنید.

بیش از حد ورزش کردن

ورزش برای قلب شما عالی است اما اگر ورزش نمی‌کنید و یا گهگاه این کار را انجام می‌دهید؛ به آرامی شروع کنید و استقامت خود را افزایش دهید. هنگامی که به سختی یا بیش از حد ورزش می‌کنید، ممکن است شما را در معرض خطر حمله قلبی و دیگر مشکلات قرار دهد. با یک ورزش ملایم مثل پیاده روی شروع کنید.

خر و پف شبانه

این عادت آزاردهنده می‌تواند ناشی از وقفه تنفسی در خواب بوده و با فشار خون بالا، آریتمی، خطر سکته و حمله قلبی مرتبط باشد. برای اطمینان از سلامتی‌تان بهتر است خر و پف کردن را دست کم نگیرید و با پزشک متخصص در این زمینه مشاوره کنید.

 

تایم کاری

بر اساس یک مطالعه که اخیرا در دانشگاه وسترن انتاریو کانادا صورت گرفته، کار در شب و یا ساعت‌های نامنظم خطر ابتلا به حمله قلبی را افزایش می‌دهد. محققان می‌گویند که شیفت کاری نامناسب تأثیر بدی بر ریتم ساعت زیستی بدن دارد و می‌تواند به قلب شما آسیب وارد کند. بنابراین اگر ساعات عادی روز را کار نمی‌کنید، اقدامات اضافی را برای کاهش خطر ابتلا به بیماری‌های قلبی انجام دهید، نظیر: ورزش، رژیم متعادل و ملاقات با پزشک برای دوره‌های چکاب.

چگونه ۹۰ درصد مسائل پردازش زبان طبیعی (NLP) را حل کنیم؟ – راهنمای گام به گام

۳۱ مرداد ۱۳۹۷


تعداد بازدید ها:
۱۱

پردازش زبان طبیعی یکی از حوزه‌های مهم هوش مصنوعی، یادگیری ماشین و به طور کلی پردازش سیگنال محسوب می شود. ما قبلاً نیز در بلاگ عیدی به برخی مبانی NLP پرداخته‌ایم و اینک در این مطلب رویکردهای پیشرفته این حوزه را بررسی می‌کنیم.

داده‌های متنی همه جا هستند

چه در یک شرکت قدیمی مشغول به کار بوده و یا در حال آغاز یک سرویس جدید باشید، در هر صورت با حجم بالایی از متون مواجه هستید که برای اعتبارسنجی، بهبود بخشیدن و گسترش کارکردهای محصول خود باید آن‌ها را مدیریت کنید. علم استخراج معنا و یادگیری از داده‌های متنی حوزه فعالی از تحقیقات است که پردازش زبان طبیعی (NLP) نام دارد. تحقیقات NLP هر روزه نتایج جدید و هیجان‌انگیزی با خود به همراه دارند و در واقع یک حوزه پژوهشی بزرگ محسوب می‌شود. با این حال برخی کاربردهای خاص هستند که در زمینه NLP بیشتر به چشم می‌خورند:

  • شناسایی گروه‌های مختلف کاربران/مشتریان (برای مثال پیش‌بینی از دست دادن مشتری، ارزش طول عمر مشتری، ترجیح‌های محصول)
  • تشخیص دقیق و استخراج دسته‌بندی‌های مختلف بازخورد (نظرات مثبت و منفی، اشاره به جنبه‌ خاصی از محصول مانند اندازه لباس و …)
  • دسته‌بندی متن‌ها بر اساس منظور (برای مثال درخواست کمک مقدماتی، مشکل ضروری)

با این که مقاله‌ها و آموزش‌های NLP زیادی به صورت آنلاین وجود دارند؛ اما یافتن راهنمایی و نکاتی در مورد چگونگی برخورد با مسائلی که باید از صفر شروع به حل آن‌ها کرد کار دشواری است.

اهداف این مقاله

این مقاله از سوی تیمی از محققان (Insight Data Science) پس از هدایت صدها پروژه و مشاوره با تیم‌های بزرگ در سراسر ایالات‌متحده به منظور توضیح چگونگی ساخت راه‌حل‌های یادگیری ماشین برای حل مسائلی مانند آنچه در بخش قبل اشاره کردیم، به نگارش در آمده است. ما در ابتدا با ساده‌ترین متد ممکن کار خود را آغاز می‌کنیم و سپس راه‌حل‌های پیچیده‌تر مانند مهندسی ویژگی، بردارهای کلمه و یادگیری عمیق را معرفی می‌کنیم. پس از مطالعه این مقاله شما باید موارد زیر را فراگرفته باشید:

  • گردآوری، آماده‌سازی و بازبینی داده‌ها
  • ساخت مدل‌های ساده برای شروع و در صورت نیاز، گذار به یادگیری عمیق
  • تفسیر و درک مدل‌ها جهت اطمینان یافتن از این که در عمل اطلاعات را گردآوری کرده‌اید و نه نویز.

این راهنما به صورت یک آموزش گام به گام به نگارش در آمده است و می‌توانید به عنوان یک مرور پیشرفته رویکردهای استاندارد و با کارایی بالا به آن نگاه کنید. همه کدهای این راهنما در این آدرس در دسترس هستند و می‌توانید به صورت تعاملی از آن استفاده کنید.

گام ۱: گردآوری داده‌ها

منابع داده‌ای نمونه: هر مسئله یادگیری ماشین با داده‌هایی از قبیل فهرستی از ایمیل‌ها، مطالب یا توییت‌ها آغاز می‌شود. منابع متداول برای اطلاعات متنی شامل موارد زیر هستند:

  • بررسی محصول‌ها (در آمازون، Yelp و App store های مختلف)
  • محتوای تولید شده از سوی کاربر (توییت‌ها، مطالب فیس‌بوک، سؤالات استک‌اورفلو)
  • عیب‌یابی (درخواست‌های مشتری، تیکت‌های پشتیبانی، لاگ‌های چت‌ها)

مجموعه داده «فجایع در شبکه‌های اجتماعی»

در این مطلب از یک مجموعه داده استفاده شده است که از سوی Figure Eight ارائه شده و «فجایع در شبکه‌های اجتماعی» نام دارد. در این مجموعه داده مشارکت‌کنندگان بیش از ۱۰۰۰۰ توییت را در جستجوی کلماتی مانند «آتش‌سوزی» (ablaze)، «قرنطینه» (quarantine) و «آشوب» (pandemonium) بررسی کرده‌اند و سپس تشخیص داده‌اند که آیا توییت به یک رویداد فاجعه‌بار اشاره دارد یا نه (مثلاً ممکن است توییت یک شوخی یا بررسی یک فیلم یا چیزی بوده باشد که به فاجعه‌ای مربوط نبوده است).

وظیفه ما این است که تشخیص دهیم کدام توییت‌ها در مورد رویداد یک فاجعه هستند و کدام یک به موضوعات نامرتبطی مانند فیلم ارتباط دارند. یکی از کاربردهای بالقوه این رویکرد آن است که مأموران اداره‌های مربوطه می‌توانند به سرعت متوجه وضعیت‌های اضطراری شوند و برای مثال مواردی که ناشی از فیلم جدید یک کمدین مشهور است را نادیده بگیرند. یکی از چالش‌های خاص این کار آن است که هر دو دسته توییت‌ها حاوی کلیدواژه‌های جستجوی یکسانی هستند و از این رو باید تفاوت‌های ظریف بین آن‌ها را برای ایجاد تمایز بین دو موضوع مختلف شناسایی کنیم. در ادامه این نوشته توییت‌هایی که در مورد فجایع زیست‌محیطی هستند به صورت «فاجعه» و همه آن‌هایی را که ربطی به رویداد یک فاجعه ندارند به صورت «نامرتبط» مورد اشاره قرار داده‌ایم.

برچسب‌ها

ما داده‌ها را برچسب‌گذاری کرده‌ایم و از این رو می‌دانیم که کدام توییت‌ها به کدام دسته تعلق دارند. همان طور که ریچارد سوچر در ادامه اشاره کرده است، یافتن و برچسب‌گذاری داده‌های کافی برای آموزش دادن یک مدل بسیار سریع‌تر، ساده‌تر و ارزان‌تر از تلاش برای بهینه‌سازی یک متد نظارت‌نشده پیچیده است.

گام ۲: پاک‌سازی داده‌ها

مهم‌ترین قاعده در زمینه پاک‌سازی داده‌ها این است که «مدل شما در نهایت به اندازه مناسب بودن داده‌هایی که در اختیار دارید، بهینه‌سازی خواهد شد». یکی از مهارت‌های کلیدی یک دانشمند داده، دانستن این نکته است که آیا در گام بعدی باید بر روی مدل‌سازی داده‌ها کار کند یا نه. قاعده سرانگشتی مناسب این است که ابتدا به داده‌ها نگاه کرده و سپس آن‌ها را پاک‌سازی کنیم. یک مجموعه داده پاک‌سازی‌شده امکان یادگیری ویژگی‌های معنی‌داری را به مدل می‌دهد و از بیش‌برازش روی نویز نامرتبط جلوگیری می‌کند. در ادامه یک چک‌لیست برای استفاده در زمان پاک‌سازی داده‌ها ارائه شده است.

  1. حذف همه کاراکترهای نامرتبط مانند کاراکترهای حرفی/عددی
  2. توکن‌دار کردن متن با استفاده از جداسازی واژه‌های منفرد
  3. حذف واژه‌هایی که مرتبط نیستند، مانند @ در منشن‌های توییتر یا url ها.
  4. تبدیل همه کاراکترها به حالت حروف کوچک انگلیسی جهت آموزش دادن یکسان واژه‌های «hello»، «Hello» و «HELLO».
  5. بررسی ترکیب واژه‌های با غلط املایی یا نوع نوشتاری متفاوت در یک حالت منحصر به‌ فرد (برای مثال: «cool»، «Kool» و «cooool»).
  6. بررسی خلاصه‌سازی متن (lemmatization) (کاهش کلمه‌هایی مانند «am»، «are» و «is» به یک شکل مانند «be»).

پس از پیمودن گام‌های زیر و بررسی خطاهای دیگر می‌توانیم از داده‌های پاک‌سازی و برچسب‌گذاری شده برای آموزش دادن مدل‌های خود استفاده کنیم.

گام ۳: یافتن بازنمایی مناسب برای داده‌ها

مدل‌های یادگیری ماشین مقادیر عددی را به عنوان ورودی می‌گیرند، برای مثال مدل‌هایی که بر روی عکس‌ها کار می‌کنند یک ماتریس را که نشان‌دهنده شدت روشنایی هر پیکسل در هر کانال رنگی است به عنوان ورودی دریافت می‌کنند.

یک چهره در حال لبخند که به صورت ماتریسی از اعداد نمایش یافته است.

مجموعه داده‌های ما فهرستی از جملات است و از این رو برای استخراج الگو از داده‌ها باید ابتدا روشی برای بازنمایی داده‌ها بیابیم تا الگوریتم بتواند داده‌ها را درک کند مثلاً به صورت فهرستی از اعداد باشد. اگر به بحث بازشناسی چهره علاقه‌مند باشید می‌توانید از این مطلب بلاگ عیدی نیز در این خصوص بهره بگیرید.

کدگذاری One-hot (کیسه کلمات)

یک روش طبیعی برای نمایش متن برای رایانه‌ها این است که هر کاراکتر را به صورت منفرد به صورت یک عدد (برای مثال ASCII) کدگذاری کنیم. اگر بخواهیم این بازنمایی ساده را به عنوان ورودی به یک دسته‌بند (Classifier) بدهیم، این الگوریتم می‌بایست ساختار کلمه‌ها را از ابتدا و صرفاً از روی داده‌های ما بیاموزد که برای اکثر مجموعه داده‌ها، کاری غیر ممکن است. از این رو می‌بایست از رویکردی در سطح بالاتر استفاده کنیم.

برای مثال می‌توانیم یک لغت‌نامه از همه واژه‌های منحصر به فرد در مجموعه داده خود بسازیم و اندیس یکتایی به هر کلمه در لغت‌نامه بدهیم. در این صورت هر جمله به صورت فهرستی از تعدادی واژه‌های منحصر به فرد در لغت‌نامه این مطلب تبدیل می‌شود. در هر اندیس این فهرست مشخص شده است که هر یک از لغات مفروض چند بار در جمله ظاهر شده است. این کار مدل کیسه کلمات نامیده می‌شود، چون بازنمایی آن به طور کامل ترتیب کلمات را در جمله نادیده می‌گیرد. نمودار این مدل به صورت زیر است:

بازنمایی کلمه‌ها به صورت کیسه کلمات. جمله‌های سمت چپ به صورت سمت راست بازنمایی شده‌اند. هر اندیس در بردارها نشان‌دهنده یک کلمه خاص است.

بصری‌سازی جاسازی‌ها

ما در حدود ۲۰،۰۰۰ کلمه در لغت‌نامه خود «فجایع در رسانه‌های اجتماعی» داریم یعنی هر جمله به صورت برداری به طول ۲۰،۰۰۰ نمایش می‌یابد. این بردار در اغلب موارد شامل صفرهای زیادی است، زیرا جمله‌ها تنها یک زیرمجموعه بسیار کوچکی از لغت‌نامه ما را شامل می‌شوند.

برای این که ببینیم این جاسازی‌ها، اطلاعاتی که با مسئله ما مرتبط است را دریافت می‌کنند یا نه (یعنی توییت‌ها که در مورد فاجعه هستند یا نه) بهتر است که آن‌ها را بصری‌سازی کنیم و ببینیم که آیادسته‌های مختلف به درستی از هم تفکیک شده‌اند یا نه. از آنجا که لغت‌نامه‌ها معمولاً بسیار بزرگ هستند و بصری‌سازی داده‌ها در ابعاد ۲۰،۰۰۰ ناممکن است، از تکنیک‌هایی مانند «تحلیل مؤلفه‌های اساسی» (Principal Component Analysis | PCA) برای انعکاس داده‌ها به دو بُعد استفاده می‌کنیم. نمودار آن به صورت زیر است:

بصری‌سازی جاسازی کیسه کلمات

به نظر می‌رسد که این دو دسته به خوبی از هم تمایز نیافته‌اند که می‌تواند یکی از خصوصیات جاسازی ما و یا صرفاً نتیجه کاهش ابعادی باشد که اعمال کرده‌ایم. برای این که ببینیم ویژگی‌های کیسه کلمات کاربردی داشته یا نه می‌توانیم دسته‌بند خود را بر اساس آن‌ها آموزش بدهیم.

گام ۴: دسته‌بندی

زمانی که برای نخستین بار با مسئله‌ای مواجه می‌شویم، بهترین روش آن است که از یک رویه عمومی مناسب برای شروع استفاده کنیم. این رویه ساده‌ترین ابزاری است که می‌تواند یک مسئله را حل کند. هر زمان که بحث دسته‌بندی داده‌ها پیش می‌آید، یکی از متداول‌ترین روش‌ها به دلیل تنوع‌پذیری و قابلیت توصیفی، «رگرسیون لجستیک» (Logistic Regression) محسوب می‌شود. این روش بسیار ساده برای آموزش دادن داده‌ها است و نتایج آن قابل تفسیر هستند، زیرا به سادگی می‌توانید مهم‌ترین ضرایب را از مدل استخراج کنید.

ما داده‌های خود را به یک دسته آموزشی برای برازش مدل و یک دسته تست برای این که ببینیم در مورد داده‌های مشاهده نشده تا چه حد خوب تعمیم یافته است، افراز کرده‌ایم. پس از آموزش دادن با دقتی برابر با ۷۵.۴ درصد مواجه می‌شویم که چندان هم بد نیست. متداول‌ترین دسته («نامرتبط») تنها ۵۷% نتایج را به دست می‌دهد. با این وجود دقت ۷۵% برای نیازهای ما مناسب است. ما هرگز نمی‌توانیم مدلی را بدون داشتن درک عمیقی از آن بسازیم.

گام ۵: بازرسی

یکی از مهمترین ابزارهایی که برای بازرسی کیفیت خطاهای مدل وجود دارد ماتریس درهم‌ریختگی است.

ماتریس درهم‌ریختگی (Confusion Matrix)

گام نخست این است که انواع خطاهایی که مدل ما ایجاد می‌کند را درک کنیم و بدانیم که کدام نوع خطا مطلوبیت کمتری دارد. در مثال ما موارد «مثبت نادرست» که یک توییت نامرتبط را به عنوان یک فاجعه دسته‌بندی می‌کنند و موارد «منفی نادرست» که یک فاجعه را به عنوان یک توییت نامرتبط دسته‌بندی می‌کنند، جزو خطاهای با کمترین مطلوبیت هستند. اگر اولویت ما واکنش به همه رویدادهای بالقوه باشد، احتمالاً می‌خواهیم که موارد منفی نادرست خود را به کمترین مقدار برسانیم. با این حال اگر با کمبود منابع مواجه باشیم ممکن است اولویت ما این باشد که با کاهش موارد مثبت نادرست از هشدارهای بیهوده‌ای که ایجاد می‌شوند، جلوگیری کنیم.

یک روش خوب برای بصری‌سازی این اطلاعات استفاده از ماتریس درهم‌ریختگی است که پیش‌بینی‌های مدل ما را با برچسب‌گذاری‌های صحیح مقایسه می‌کند. به طور مطلوب این ماتریس یک خط قطری از سمت بالا-چپ تا پایین-راست خواهد بود یعنی پیش‌بینی‌های ما با به طور کامل با واقعیت منطبق بوده‌اند.

دسته‌بند ما تعداد منفی‌های نادرست بیشتری نسبت به موارد مثبت نادرست تولید کرده است. به بیان دیگر رایج‌ترین خطاهای مدل ما بدین صورت بوده است که توییت‌های بیشتری در مورد فاجعه وجود داشته‌اند که به صورت نامرتبط دسته‌بندی شده‌اند. اگر موارد مثبت نادرست نیازمند هزینه بالایی در رویه‌های اجرایی باشند، این سوگیری برای دسته‌بند ما یک مزیت محسوب می‌شود.

توضیح و تفسیر مدل

برای اعتبارسنجی و تفسیر پیش‌بینی‌های مدل لازم است که نگاه کنیم از کدام کلمات برای تصمیم‌گیری استفاده می‌کند. اگر داده‌ها ما دارای سوگیری باشند، دسته‌بند پیش‌بینی‌های دقیقی در داده‌های نمونه ارائه می‌کند؛ اما مدل نمی‌تواند در دنیای واقعی به خوبی تعمیم پیدا کند. در ادامه مهم‌ترین کلمات را برای هر دو دسته فاجعه و نامرتبط ترسیم کرده‌ایم. ترسیم اهمیت واژه‌ها با استفاده از کیسه کلمات و رگرسیون لجستیک کار آسانی است، زیرا می‌توانیم ضرایبی را که مدل برای پیش‌بینی خود استفاده می‌کند به سادگی استخراج کرده و رتبه‌بندی کنیم.

دسته‌بند ما از برخی الگوها (hiroshima, massacre) استفاده می‌کند؛ اما بدیهی است که روی برخی اصطلاح‌های بی‌معنی ‌دارای «بیش-برازش» (overfitting) (heyoo, x1392) است. در این مرحله، مدل کیسه کلمات با لغت‌نامه‌ای بسیار حجیم از واژه‌های مختلف سروکار دارد و همه واژه‌ها را به طور یکسان آموزش می‌دهد. با این حال برخی از این واژه‌ها بسیار نادر هستند و تنها نقششان در پیش‌بینی‌های ما تولید نویز است. در ادامه سعی خواهیم کرد جمله‌هایی را که مسئول فراوانی کلمات هستند بررسی کنیم، تا ببینیم آیا می‌توانیم سیگنال بیشتری از داده‌های خود به دست آوریم یا نه.

گام ۶: محاسبه ساختار لغت‌نامه

برای این که کمک کنیم تا مدلمان بیشتر بر روی واژه‌های معنی‌دار متمرکز شود، می‌توانیم از امتیاز TF-IDF (فراوانی واژه، فراوانی سند معکوس) بر روی مدل کیسه کلمات استفاده کنیم. TF-IDF به کلمات بر اساس نرخی که در مجموعه داده حضور دارند وزن می‌دهد و وزن واژه‌هایی که فراوانی زیادی دارند و تنها بر نویز می‌افزایند را کاهش می‌دهد. در ادامه نمایش PCA جاسازی جدیدمان را می‌بینید.

بصری‌سازی جاسازی‌های TF-IDF

در تصویر فوق می‌بینیم که تمایز خوبی بین دو رنگ وجود دارد. این وضعیت کار جداسازی دو گروه را برای دسته‌بند آسان‌تر می‌کند. در ادامه بررسی می‌کنیم که آیا این وضعیت منجر به عملکرد بهتری خواهد شد یا نه. با آموزش دادن رگرسیون لجستیک دیگر بر روی جاسازی‌های جدید، به دقت ۷۶.۲ درصد می‌رسیم. می‌بینیم که بهبود بسیار اندکی حاصل شده است. آیا مدل ما شروع به گزینش واژه‌های مهم‌تر کرده است؟ اگر هنگام جلوگیری از تقلب مدل، نتایج بهتری به دست آورده‌ایم در این صوت می‌توانیم این مدل را یک ارتقای واقعی بدانیم.

TF-IDF: اهمیت واژه‌ها

واژه‌هایی که مدل جدید انتخاب کرده است، بسیار مهم‌تر به نظر می‌رسند. با این که معیارهای ما در مورد مجموعه تست جدید تنها اندکی افزایش یافته‌اند؛ اما اینک اعتماد بیشتری به مدل خود داریم و از این رو در صورت توزیع آن برای کاربرد مشتریان اعتماد به‌ نفس بیشتری خواهیم داشت.

گام ۷: بهره‌گیری از معناشناسی

آخرین مدل ما می‌تواند واژه‌های با سیگنال بالا را انتخاب کند. با این وجود، این احتمال وجود دارد که در صورت کاربرد عملی مدل با واژه‌هایی مواجه شویم که تا پیش از آن در مجموعه آموزشی خود ندیده‌ایم. مدل قبلی توانایی دسته‌بندی دقیق این توییت‌ها را نداشت، اگرچه در طی مرحله آموزش واژه‌های کاملاً مشابهی را مشاهده کردیم.

برای حل این مشکل باید مفهوم معناشناختی واژه‌ها را به دست آوریم، یعنی باید درک کنیم که واژه‌های «خوب» و «مثبت» نزدیک‌تر از «زردآلو» و «قاره» هستند. ابزاری که برای کمک به درک معنی واژه‌ها مورد استفاده قرار خواهیم داد، Word2Vec نام دارد.

استفاده از واژه‌های از پیش آموزش یافته

Word2Vec تکنیکی برای یافتن جاسازی‌های پیوسته برای کلمات است. این ابزار از خواندن حجم عظیمی از متن و به خاطر سپاری این که کدام واژه در کدام زمینه‌ها بیشتر به چشم می‌خورد بهره می‌گیرد. پس از این که این ابزار بر روی داده‌های کافی آموزش داده شد، می‌تواند یک بردار ۳۰۰-بُعدی برای هر واژه در یک لغت‌نامه تهیه کند که در آن واژه‌های دارای معانی مشابه به هم نزدیک‌تر خواهند بود.

مؤلفان این مقاله مدلی را که بر روی حجم بالایی از واژه‌ها آموزش یافته است را به صورت متن باز (Open Source) عرضه کرده‌اند و ما می‌توانیم از آن برای کسب برخی دانش از مفاهیم معناشناختی برای مدل خود بهره بگیریم. بردارهای از پیش آموزش یافته را در این ریپازیتری می‌توانید بیابید.

بازنمایی در سطح جمله

یک روش سریع برای جاسازی یک جمله در دسته‌بند این است که امتیازهای میانگین Word2Vec همه واژه‌ها را در جمله محاسبه کنیم. این همان رویکرد کیسه کلمات است که قبلاً استفاده کردیم؛ اما این بار تنها ساختار نحوی جمله را از دست می‌دهیم و برخی از اطلاعات معناشناختی آن را حفظ می‌کنیم.

جاسازی جمله Word2Vec

در این جا بصری‌سازی جاسازی‌های جدیدمان را با استفاده از تکنیک‌های قبلی می‌بینیم:

بصری‌سازی جاسازی‌های Word2Vec

دو گروه از رنگ‌ها در تصویر فوق متمایزتر از تکنیک‌های قبلی دیده می‌شوند و جاسازی جدید ما می‌تواند به دسته‌بند در جهت ایجاد تمییز بین دو دسته کمک کند. پس از آموزش داده همین مدل برای بار سوم (یک رگرسیون لجستیک) با دقتی برابر با ۷۷.۷ درصد مواجه می‌شویم که تا اینجا بهترین نتیجه ما بوده و  اینک نوبت به بررسی مدل رسیده است.

تعادل پیچیدگی/توصیف‌پذیری

از آنجا که جاسازی‌های ما به صورت یک بردار تک‌بُعدی برای هر واژه مانند مدل‌های قبلی نمایش نمی‌یابد، مشاهده این که کدام واژه به دسته‌بندی ما ارتباط بیشتری دارد کار دشواری است. با این که ما همچنان به ضرایب رگرسیون لجستیک خود دسترسی داریم؛ اما آن‌ها به ۳۰۰ بُعد جاسازی‌های ما ارتباط دارند و نه اندیس واژه‌ها.

برای چنین ارتقای اندکی در میزان دقت، آن حجم از توصیف‌پذیری که از دست رفته است به نظر نامنصفانه می‌آید. با این حال در مدل‌های پیچیده‌تر می‌توانیم از توصیفگرهای جعبه سیاه (black box explainers) مانند LIME بهره بگیریم تا بینش‌هایی در مورد چگونگی کارکرد مدل خود کسب کنیم.

LIME

توصیفگر LIME بر روی گیت‌هاب به صورت یک بسته اوپن‌سورس موجود است. یک توصیفگر جعبه سیاه، تصمیم‌های هر دسته‌بند را روی یک نمونه خاص از طریق آشفته سازی ورودی (در مورد ما حذف کلمه‌ها از جملات) توصیف کرده و شیوه تغییر یافتن پیش‌بینی‌ها را بررسی می‌کند. در ادامه برخی توصیف‌ها را برای جملات مجموعه داده‌های خودمان می‌بینیم.

واژه‌های فاجعه صحیح که برای دسته‌ «مرتبط» انتخاب شده‌اند.

در این تصویر مشارکت واژه‌هایی را در دسته‌بندی می‌بینیم که کمتر بدیهی به نظر می‌رسند.

با این حال ما زمان کافی برای کاوش هزاران مثال در مجموعه داده‌های خود را نداریم. در عوض آنچه که باید انجام دهیم این است که LIME را روی نمونه گویایی از موارد تست اجرا کنیم و ببینیم که کدام واژه‌ها به صورت مشارکت‌کننده قوی ظاهر شده‌اند. با استفاده از این رویکرد می‌توانیم امتیاز اهمیت واژه‌ها را مانند مدل‌های قبلی به دست آوریم و پیش‌بینی‌های مدلمان را اعتبارسنجی کنیم.

Word2Vec: اهمیت واژه

به نظر می‌رسد که این مدل واژه‌های با ارتباط بالا را انتخاب می‌کند که بدین معنی است که تصمیم‌های قابل‌درکی می‌گیرد. این وضعیت به این ترتیب است که مرتبط‌ترین واژه‌ها از همه مدل‌های قبلی استخراج می‌شود و از این رو در عمل توزیع واقعی قابل‌اعتمادتری ایجاد می‌کند.

گام ۸: بهره‌گیری از ساختار نحوی با استفاده از رویکردهای سربه‌سر

ما از رویکردهای سریع و کارآمد برای تولید جاسازی‌های جمله‌های فشرده استفاده می‌کنیم. با این حال با حذف ترتیب واژه‌ها، همه اطلاعات معناشناختی جمله‌ها از میان می‌رود. اگر این متدها نتایج کافی ارائه نکنند، می‌توانید از مدل‌های پیچیده‌تری استفاده کنید که کل یک جمله را به عنوان ورودی می‌گیرند و برچسب‌ها را بدون نیاز به ساخت یک بازنمایی واسط ایجاد می‌کنند. یک روش معمول برای انجام این کار آن است که با هر جمله به صورت یک توالی از بردارهای واژگانی منفرد (a sequence of individual word vectors) با استفاده از Word2Vec یا رویکردهای جدیدتر مانند GloVe یا CoVe برخورد کنیم. این وضعیت در ادامه مشخص شده است.

یک معماری سربه‌سر با کارایی بالا

شبکه‌های عصبی پیچشی (Convolutional) برای دسته‌بندی جمله بسیار سریع آموزش می‌یابند و به عنوان معماری یادگیری عمیق مقدماتی به خوبی عمل می‌کند. با این که شبکه‌های عصبی پیچشی (CNN) به طور عمده به دلیل عملکردشان بر روی داده‌های تصویر مشهور هستند، اما معمولاً از اغلب رویکردهای NLP پیچیده‌تر (مانند معماری‌های LSTM و Encoder/Decoder)، آموزش سریع‌تری دارند. این مدل ترتیب کلمات را حفظ می‌کند و اطلاعات ارزشمندی در مورد این که کدام توالی‌های واژه‌ها دسته‌های موردنظر ما را بهتر پیش‌بینی می‌کند به دست می‌دهد. برخلاف مدل‌های قبلی این مدل می‌تواند بگوید که تفاوت بین «الکس گیاهان را می‌خورد» و «گیاهان الکس را می‌خورند» چیست.

آموزش دادن این مدل به کار بیشتری نسبت به رویکردهای قبلی نیاز دارد و مدلی به دست می‌دهد که بسیار بهتر از مدل‌های قبلی عمل می‌کند و دقتی برابر با ۷۹.۵% دارد. همانند مدل‌های قبلی، گام بعدی باید این باشد که پیش‌بینی‌ها را با استفاده از متدهایی اعتبارسنجی کنیم تا مطمئن شویم که بهترین مدل را در اختیار کاربران قرار می‌دهیم.

نکته‌های نهایی

در این بخش برخی نکات مهم رویکردی که در این راهنما مورد استفاده قرار دادیم را جمع‌بندی کرده‌ایم:

  • کار خود را یک مدل ساده و سریع آغاز کنید
  • پیش‌بینی‌های آن را توضیح دهید
  • نوع خطاهایی که ایجاد می‌شود را درک کنید
  • از این دانش برای آگاهی بخشی گام بعدی استفاده کنید، چه بخواهید بر روی داده‌های خود کار کنید و یا مدل پیچیده‌تری را مورد استفاده قرار دهید.

این رویکردها در مورد یک نمونه خاص با استفاده از مدل‌هایی که برای درک متون کوتاهی مانند توییت استفاده می‌شوند توسعه یافته‌اند؛ اما ایده کار در مورد مسائل مختلفی قابل استفاده است.

اگر به این نوشته علاقه‌مند بودید، پیشنهاد می‌کنیم موارد زیر را نیز ملاحظه نمایید:

==

آیا این مطلب برای شما مفید بود؟

چرا من بیشتر مواقع سرماخوردگی دارم؟

۳۰ مرداد ۱۳۹۷

چرا من بیشتر مواقع سرماخوردگی دارم؟

چرا من مرتب سرماخوردگی دارم؟

پزشکان بر اهمیت هیدراته شدن بدن بسیار تأکید دارند، خواه شما در حال تلاش برای جلوگیری از سرماخوردگی باشید و خواه در حال مبارزه با ویروسی که به آن مبتلا شده‌اید، باشید. در حالی که تحقیقات زیادی وجود ندارد که نشان دهد که نوشیدن مایعات اضافی به شما کمک می‌کند تا سرماخوردگی را سرکوب کنید..

اگر شما هم از آن دسته افراد هستید که دائما احساس سرماخوردگی می‌کنید، تنها نیستید. برخی افراد ممکن است بیش از سایرین مستعد سرماخوردگی باشند؛ اما کارها و عادات زیادی نیز وجود دارند که اگر آن‌ها را انجام دهید احتمال بیشتری دارد که به سرماخوردگی مبتلا شوید.

سرماخوردگی بسیار قابل انتقال است. ویروس‌های آن (معمولاً رینوویروس‌ها) هم از طریق لمس و هم از طریق هوا گسترش می‌یابند. شما حتی می‌توانید از طریق تنفس عطسه دیگران به بیماری آن‌ها دچار شوید.
نشانه‌های معمول سرماخوردگی شامل گرفتگی بینی، گلودرد، بدن درد، سردرد، عطسه و تب خفیف است. آنفلوانزا، نوع دیگری از بیماری تنفسی، علائم مشابهی ایجاد می‌کند که بیشتر و شدیدتر هستند.

۱٫ دست‌هایتان را به اندازه کافی نمی‌شویید

یکی از راه‌های جلوگیری از سرماخوردگی شستن دست‌ها چه با صابون‌های سنتی و آب و چه با ژل‌های الکلی دست که بسیار قابل دسترس هستند، می‌باشد. شستن دست‌ها باید ۲۰ ثانیه طول بکشد. اگر در موقعیتی هستید که نمی‌دانید که آیا شستن دست‌هایتان ضروری است یا خیر، لیست زمان‌هایی که شما به شستن دست‌هایتان نیازمندید را به شما خواهیم گفت:
* قبل، بعد و در حین آماده‌سازی غذا
* قبل از غذا خوردن
* قبل و بعد از مراقبت از فرد بیمار
* قبل و بعد از درمان بریدگی و زخم

استراحت کافی، خوابیدن و مصرف یک رژیم غذایی سالم به سیستم ایمنی بدن کمک می‌کند تا در مواجهه با عفونت‌ها مقاومت کند

* بعد از استفاده از سرویس بهداشتی
* بعد از تعویض پوشک یا استفاده از سرویس بهداشتی توسط کودک
* بعد از دمیدن بینی، سرفه و عطسه
* بعد از تماس با حیوانات، غذای حیوانات، و فضولات آن‌ها
* بعد از غذا دادن به حیوان خانگی یا درمان او
* بعد از دست زدن به زباله‌ها

۲٫ نمی‌توانید دست از لمس صورتتان بردارید

اگر درحالی‌که دست‌هایتان آلوده هستند، با آن‌ها صورتتان را لمس کنید، بی‌شک شانس بیمار شدن خود را افزایش داده‌اید. این به این دلیل است که ویروس‌های سرماخوردگی از طریق چشمان، بینی و دهان شما وارد بدن شما می‌شوند. دور نگه داشتن دست‌ها از صورت بهترین کاری است که می‌توان انجام داد.

۳٫ خواب کافی ندارید

اگر خواب کافی نداشته باشید، سیستم ایمنی بدنتان نمی‌تواند با عفونت ناشی از ویروس سرماخوردگی مبارزه کند. یک مطالعه کوچک بر روی ۱۱ دوقلو نشان داد که عدم استراحت کافی و چرت نزدن در طول روز می‌تواند سیستم ایمنی را سرکوب کند. استراحت کافی، خوابیدن و مصرف یک رژیم غذایی سالم به سیستم ایمنی بدن کمک می‌کند تا در مواجهه با عفونت‌ها مقاومت کند. بزرگسالان نیاز به حداقل هفت ساعت خواب در شب دارند.

۴٫ بدنتان کم‌آب است

پزشکان بر اهمیت هیدراته شدن بدن بسیار تأکید دارند، خواه شما در حال تلاش برای جلوگیری از سرماخوردگی باشید و خواه در حال مبارزه با ویروسی که به آن مبتلا شده‌اید، باشید. در حالی که تحقیقات زیادی وجود ندارد که نشان دهد که نوشیدن مایعات اضافی به شما کمک می‌کند تا سرماخوردگی را سرکوب کنید، اما این نکته واضح است که کم آبی بدن، سیستم ایمنی را تضعیف می‌کند و موجب آسیب بیشتر به بدن توسط سرماخوردگی می‌شود. به اندازه کافی هیدراته باقی ماندن (حدود ۱۵٫۵ فنجان آب در روز برای مردان و ۱۱٫۵ فنجان برای زنان) به عملکرد بهتر بدن کمک می‌کند.

۵٫ شما یک آلرژی اساسی دارید

وقتی آلرژی باعث گرفتگی بینی می‌شود، حتی یک سرماخوردگی خفیف هم می‌تواند غیرقابل تحمل شود. به عنوان مثال اگر فردی به گردوخاک آلرژی داشته باشد، ممکن است انسداد بینی بیشتری را تجربه کرده و در نهایت یک سرماخوردگی جزئی شرایط را بدتر کند.
اگر سرماخوردگی‌تان در زمان استاندارد خود (عموماً ۷ تا ۱۰ روز) بهبود نیافت، به یک متخصص گوش و حلق و بینی یا متخصص آلرژی مراجعه کنید.

۶٫ واکسینه نشده‌اید

واکسن آنفلوانزا را دریافت کنید. واکسن آنفلوانزا می‌تواند در جلوگیری از گسترش این عفونت مهم در فصل زمستان کمک کند. در حالی که اثربخشی آن هر ساله بر اساس نوع شایع آنفولانزا متفاوت است، به طور کلی، واکسن آنفولانزا ۶۵ درصد در جلوگیری از ابتلا به این ویروس مؤثر می‌باشد. و حتی اگر پس از واکسیناسیون نیز به آن دچار شوید، علائم شما تقریباً به همان اندازه شدید نخواهند بود.

محققان در مطالعه‌ای متوجه شدند، زنان دارای اضافه وزن که تمرین متوسط را به مدت ۴۵ دقیقه و به مدت ۵ روز در هفته انجام دادند، به میزان قابل توجهی کمتر از آن دسته از زنانی که فقط یک بار در هفته ۴۵ دقیقه ورزش می‌کنند دچار سرماخوردگی می‌شوند

 

۷٫ به واسطه شغلتان در معرض میکروب‌ها قرار دارید

وقتی به خاطر شغلتان، کودکان زیادی در اطرافتان هستند درحالی‌که سرماخورده‌اند در هنگام عطسه و سرفه جلوی دهانشان را نمی‌گیرند و به خوبی دست‌هایشان را نمی‌شویند، با احتمال زیادی شما نیز بیمار خواهید شد. معلمان همیشه بیش از دیگران در معرض سرماخوردگی قرار دارند. و طبق گفته پزشکان، برای برخی افراد خطر ابتلا به سرماخوردگی به محیط کارشان مربوط می‌شود.
کار کردن در یک مهدکودک، کار در یک شرکت با یک کیبورد آلوده و یا سفرهای مکرر کاری احتمال بیمار شدنتان را افزایش می‌دهند.
بدیهی است که شما نمی‌توانید شغلتان را تغییر دهید، تنها می‌توانید با اهمیت دادن به شستن دست‌ها با آب و صابون یا استفاده از دستمال‌های ضدعفونی کننده الکلی، از خودتان مراقبت کنید.

۸٫ قید ورزش را زده‌اید

ورزش منظم متعادل، حتی اگر یک پیاده‌روی روزانه باشد، ممکن است سلامت ایمنی را افزایش دهد. محققان در مطالعه‌ای متوجه شدند، زنان دارای اضافه وزن که تمرین متوسط را به مدت ۴۵ دقیقه و به مدت ۵ روز در هفته انجام دادند، به میزان قابل توجهی کمتر از آن دسته از زنانی که فقط یک بار در هفته ۴۵ دقیقه ورزش می‌کنند دچار سرماخوردگی می‌شوند. در واقع، در پایان مطالعه نشان داده شد که، گروهی که به طور منظم ورزش نمی‌کنند سه برابر بیش از سایرین در معرض سرماخوردگی قرار دارند.
چرا؟ محققان خاطرنشان می‌کنند که این کار ممکن است سطوح ایمونوگلوبولین A (IgA) بزاق را افزایش دهد. IgA یک آنتی‌بادی است که در موکوس وجود دارد و برای عملکرد مناسب سیستم ایمنی بسیار ضروری است.

۹٫ سیستم ایمنی‌تان آسیب دیده است

افرادی که سیستم ایمنی ضعیفی به واسطه ابتلا به انواع خاصی از سرطان (مثل لنفوم یا لوسمی) یا مصرف داروهایی که سیستم ایمنی را تضعیف می‌کنند (مثل شیمی‌درمانی) دارند، بیش از سایرین در معرض ابتلا به عفونت‌ها ازجمله سرماخوردگی می‌باشند.
اختلالات سیستم ایمنی بدن می‌تواند از خفیف تا شدید دسته‌بندی شود. این در واقع به علت IgA کم در خون شما است، که شما را در معرض خطر بیشتر عفونت‌های تنفسی قرار می‌دهد.
البته، سن نیز نقش مهمی در قدرت سیستم ایمنی بدن و توانایی‌های مبارزه با سرماخوردگی دارد. نوزادان و افراد مسن در معرض خطر بیشتری برای عفونت‌های شدید به علت مشکلات ایمنی هستند.

۱۰٫ نزدیک بودن به افراد مبتلا

در فصول سرد معمولاً افراد تمایل به با هم بودن آن هم در محیط سرپوشیده و بسته دارند و این مسئله احتمال دریافت بیماری از دیگران را افزایش خواهد داد. در این شرایط خواب کافی و هیدراته کردن بدن بهترین کاری است که می‌توان انجام داد.

چگونه از سرماخوردگی جلوگیری کنیم؟
علاوه بر شستن دست‌ها و دور نگه‌داشتن آن‌ها از صورت، چند روش دیگر برای جلوگیری از سرماخوردگی وجود دارد:
* ضدعفونی کردن تلفن همراه و صفحه کلید با دستمال مرطوب
* برنامه‌ریزی برای استراحت و خواب در طول روز و شب
* مصرف غذاهای غنی از ویتامین D (مانند تخم‌مرغ، ماهی قزل‌آلا و شیر غنی‌شده)، مواد حاوی روی (مانند گوشت گاو و غلات غنی شده) و پروبیوتیک‌ها

مومنتوم زاویه‌ای (Moment of Momentum) در سیالات – آموزش سریع و ساده

۳۰ مرداد ۱۳۹۷


تعداد بازدید ها:
۲

همانطور که در مطالب قبلی وبلاگ عیدی اشاره شد، قانون بقای جرم، معادله پیوستگی، مومنتوم خطی و مومنتوم زاویه‌ای، کاربرد بسیار زیادی در مکانیک سیالات و محاسبه میدان سرعت جریان دارند. معادلات مومنتوم خطی و مومنتوم زاویه‌ای به صورت کلی با توجه به قانون دوم نیوتن به دست می‌آیند. در مطالب قبلی، مومنتوم خطی و روابط حاکم بر آن بررسی شدند و شیوه کاربرد مفهوم مومنتوم خطی در مسائل مکانیک سیالات مورد بحث قرار گرفت. در این مطلب ابتدا مفهوم مومنتوم زاویه‌ای و روابط حاکم بر آن به صورت دقیق مورد بررسی قرار می‌گیرند و در انتهای مطلب به کمک یک مثال، کاربرد معادله مومنتوم زاویه‌ای در حل مسائل مکانیک سیالات نشان داده می‌شود.

معادله مومنتوم زاویه‌ای

در بسیاری از مسائل مهندسی، «گشتاور» (Torque) حول یک محور، مفهوم بسیار مهمی است که با استفاده از رابطه $T=overrightarrow {r} times overrightarrow {F}$ محاسبه می‌شود. در این رابطه $overrightarrow {r}$ بردار فاصله نیرو تا محور و $overrightarrow {F}$ بردار نیرو را نشان می‌دهند. در مطلب «ممنتوم خطی در سیالات» برای محاسبه معادله مومنتوم خطی از قانون دوم نیوتن استفاده کردیم و به روابط قابل استفاده برای مسائل مکانیک سیالات دست یافتیم.

در این مطلب، هدف تعیین معادله مومنتوم زاویه‌ای است. این معادله را می‌توان با ضرب طرفین معادله مومنتوم خطی در فاصله نیرو از محور دوران محاسبه کرد. بنابراین برای شروع،‌ قانون دوم نیوتن برای یک ذره سیال را به فرم زیر می‌نویسم:

قانون دوم نیوتن

رابطه ۱

در این رابطه، V سرعت ذره سیال است که در یک سیستم مختصات لَخت محاسبه می‌شود. عبارت سمت راست رابطه بالا، نیروی خارجی که بر این ذره وارد می‌شود را نشان می‌دهد. در ادامه و برای محاسبه مومنتوم زاویه‌ای، گشتاور دو سمت رابطه فوق را نسبت به محور با فاصله r از آن، محاسبه می‌کنیم. برای این منظور، معادله بالا را به صورت ضرب خارجی r در دو طرف رابطه و به شکل زیر بازنویسی می‌کنیم.

مومنتوم زاویه‌ای

رابطه ۲

برای ساده‌سازی رابطه بالا نیاز به استفاده از روابط ریاضی و مفهوم ضرب خارجی داریم. یکی از ویژگی‌های ضرب خارجی در ریاضیات، در رابطه زیر نشان داده شده است.

رابطه انتقال رینولدز

رابطه ۳

برای ساده‌سازی رابطه بالا از این نکته استفاده می‌کنیم که حاصل مشتق مادی r برابر با V می‌شود. بنابراین عبارت اول سمت راست رابطه فوق به صورت حاصل ضرب خارجی عبارت V در خودش در می‌آید که می‌توان آن را به فرم زیر نمایش داد.

مومنتوم زاویه‌ای

رابطه ۴

رابطه ۵

بنابراین در صورتی که روابط ۳، ۴ و ۵ در رابطه ۲ قرار داده شوند، معادله مومنتوم زاویه‌ای به فرم زیر بازنویسی می‌شود.

مومنتوم زاویه‌ای

رابطه ۶

رابطه فوق برای تمام ذراتی که در یک سیستم حضور دارند، صادق است. بنابراین این رابطه را می‌توان برای کل سیستم بازنویسی کرد. برای این منظور باید مومنتوم زاویه‌ای سیستم، به صورت مجموع مومنتوم زاویه‌ای تک تک ذرات تشکیل دهنده آن سیستم نوشته شود که این کار با استفاده از رابطه انتگرالی زیر انجام می‌شود.

مومنتوم زاویه‌ای

رابطه ۷

در مکانیک سیالات با توجه به تعاریف سیستم و مشتق مادی، روابط زیر برای ذرات یک سیستم و مشتق مادی آن سیستم برقرار هستند.

رابطه ۸

مومنتوم زاویه‌ای

رابطه ۹

بنابراین با استفاده از روابط ۸ و ۹، در نهایت رابطه ۷ به شکل زیر بازنویسی خواهد شد:

رابطه ۱۰

سمت چپ این معادله، نرخ زمانی تغییرات مومنتوم زاویه‌ای سیستم را نمایش می‌دهد و عبارت سمت راست این معادله نشان‌دهنده مجموع گشتاور نیروهای خارجی است که به سیستم وارد می‌شود. نکته مهم دیگر این است که، گشتاور وارد بر یک حجم کنترل که به سیستم چسبیده است با گشتاور وارد بر آن سیستم برابر است. رابطه ۱۱ به خوبی این موضوع را نشان می‌دهد. همچنین روش محاسبه گشتاور به صورت شماتیک در شکل زیر نمایش داده شده است.

گشتاور

رابطه ۱۱

قدم بعدی برای به دست آوردن رابطه مومنتوم زاویه‌ای، محاسبه معادله انتقال رینولدز است. در سیستم نشان داده شده، حجم کنترل به صورت ثابت و چسبیده به سیستم انتخاب شده است و این حجم کنترل قابلیت تغییر شکل ندارد. برای چنین حجم کنترل و سیستمی رابطه انتقال رینولدز را می‌توان به شکل زیر نوشت.

مومنتوم زاویه‌ای

رابطه ۱۲

ترم سمت چپ معادله انتقال رینولدز نشان دهنده نرخ زمانی تغییرات مومنتوم زاویه‌ای یک سیستم است و به صورت مشتق مادی نمایش داده می‌شود. عبارت اول در سمت راست معادله بالا، نشان دهنده نرخ زمانی تغییرات مومنتوم زاویه‌ای برای حجم کنترل است و عبارت دوم سمت راست معادله فوق، نرخ مومنتوم زاویه‌ای خالص عبوری از مرزهای حجم کنترل است.

در ادامه برای این حجم کنترل که ساکن است و تغییر شکلی در آن رخ نمی‌دهد، روابط ۱۰، ۱۱ و ۱۲ را با یکدیگر ترکیب می‌کنیم و در نهایت معادله مومنتوم زاویه‌ای را به شکل زیر می‌نویسیم.

مومنتوم زاویه‌ای

رابطه ۱۳

کاربرد معادله مومنتوم زاویه‌ای در حل مسائل

معادله مومنتوم زاویه‌ای که در این بخش به بررسی آن پرداخته شد، در حل مسائل مربوط به ماشین‌های چرخان مانند توربوماشین‌ها، پره‌های توربین و کمپرسور و آب‌پاش‌های چمن به صورت رایج مورد استفاده قرار می‌گیرد. در هرکدام از مسائل با توجه به شرایط خاص آن مسئله، معادله مومنتوم زاویه‌ای به شکل‌های مختلف اصلاح می‌شود.

در برخی از مسائل برای ساده‌سازی حل، جریان به صورت یک بعدی در نظر گرفته می‌شود. در این حالت توزیع یکنواختی از سرعت متوسط در هر بخش جریان موجود است و ضرب خارجی موجود در رابطه مومنتوم زاویه‌ای (رابطه ۱۳) به صورت ساده قابل محاسبه است.

در گروهی دیگر از مسائل مکانیک سیالات برای ساده‌سازی معادله مومنتوم زاویه‌ای، جریان به صورت پایا در نظر گرفته می‌شود. در این حالت عبارت اول سمت چپ معادله مومنتوم زاویه‌ای به شکل زیر نوشته می‌شود و برابر با صفر است.

برای بررسی بیشتر کاربرد معادله مومنتوم زاویه‌ای در مسائل مکانیک سیالات، یک آب‌پاش چرخان را مطابق شکل زیر در نظر بگیرید.

مومنتوم زاویه‌ای مثال

در این آب‌پاش، اندازه و جهت جریان سیال در ورودی (مقطع ۱) با خروجی (مقطع ۲) متفاوت است بنابراین جریان آب، یک گشتاور در قسمت بالای آب‌پاش ایجاد می‌کند و باعث چرخش این مجموعه در جهت نشان داده شده در شکل بالا، می‌شود. این موضوع مشابه فرآیندی است که به صورت رایج در پره‌های توربین مشاهده می‌شود.

برای اعمال رابطه مومنتوم زاویه‌ای (رابطه ۱۳) در این سیستم، حجم کنترل را به صورت ثابت و بدون تغییر شکل در نظر می‌گیریم. این حجم کنترل در شکل بالا به صورت خط‌چین و به کمک یک دیسک نشان داده شده است و شامل مرز‌هایی است که از یکسو قسمت خروجی آب از بخش فوقانی آب‌پاش و از سوی دیگر، بخش ورودی آب از پایین این دیسک را در بر می‌گیرد. این موضوع در شکل بالا به تصویر کشیده شده است.

همانند روشی که در محاسبه روابط مومنتوم خطی، پیوستگی و بقای جرم در قسمت‌های قبلی وبلاگ عیدی بررسی شدند، رابطه‌ی سرعت‌های نسبی را در این مجموعه می‌توان به شکل زیر نمایش داد.

V سرعت سیالی را نشان می‌دهد که نسبت به سطح کنترل ثابت، محاسبه می‌شود. سرعت سیال در خروجی نازل که نسبت به خود نازل محاسبه می‌شود، با W نشان داده شده است. این سرعت را سرعت نسبی سیال می‌نامند. در این رابطه U سرعت نازل است که نسبت به سطح کنترل ثابت، اندازه‌گیری می‌شود.

عبارت دوم سمت چپ معادله مومنتوم زاویه‌ای (رابطه ۱۳)، مطابق شکل زیر است. عبارات ضرب خارجی و داخلی در این رابطه، جریان مومنتوم زاویه‌ای از مرز‌های سطح کنترل را نشان می‌دهند.

در این رابطه که بخشی از معادله مومنتوم زاویه‌ای است، زمانی که حاصل عبارت ضرب داخلی نشان داده شده ($V.hat{n}$) مثبت باشد، جریان به سمت خارج از مرزهای حجم کنترل است و زمانی که جریان به سمت داخل مرزهای حجم کنترل باشد، عبارت $V.hat{n}$ مقداری منفی دارد. شناسایی جهت مناسب در عبارت ضرب خارجی با استفاده از قانون دست راست، انجام می‌شود (برای دریافت اطلاعات بیشتر در زمینه ضرب خارجی به مطلب «ضرب خارجی بردارها — به زبان ساده» در وبلاگ عیدی مراجعه کنید). در اینجا تمامی عبارات، حول محور دوران مشخصی، نوشته می‌شوند و در نهایت عبارت دوم سمت چپ معادله مومنتوم زاویه‌ای برای آب‌پاش نشان داده شده، به صورت زیر نوشته می‌شود.

در این رابطه $dot{m}$ برابر با نرخ جریان جرمی عبوری از هر دو نازل آب‌پاش است. نکته مهم دیگر در به کارگیری معادله مومنتوم زاویه‌ای، شیوه محاسبه ترم سمت راست معادله ۱۳ است. این عبارت نمایانگر مجموع گشتاورهای خارجی‌ است که به سیستم وارد می‌شوند. همانطور که اشاره شد، برای محاسبه عبارت گشتاور در معادله مومنتوم زاویه‌ای در سیستم آب‌پاش، تنها گشتاورهایی را در نظر می‌گیریم که در راستای محور دوران بر سیستم اعمال می‌شوند. این عبارت به شکل زیر نمایش داده می‌شود.

گشتاور

در رابطه بالا فرض شده است که جهت Tshaft و چرخش آب‌پاش یکسان هستند. بنابراین رابطه مومنتوم زاویه‌ای برای آب‌پاشی که در شکل بالا نشان داده شده به فرم زیر است.

با توجه به رابطه‌ی بالا متوجه می‌شویم که Tshaft مقداری منفی دارد و بنابراین فرض یکسان بودن جهت Tshaft و چرخش آب‌پاش اشتباه است و گشتاور «شفت» (Shaft) عموما جهتی خلاف با جهت چرخش آب‌پاش دارد. این موضوع در حالت کلی در تجهیزات دوار مانند توربین‌ها صادق است.

نکته دیگری که در برخی از مسائل مورد استفاده قرار می‌گیرد، مفهوم «توان شفت» (Shaft Power) است. این مفهوم به صورت حاصل ضرب داخلی گشتاور شفت در سرعت دوران آن تعریف می‌شود و می‌توان آن را به فرم زیر نمایش داد.

برای ساده‌سازی این رابطه در یک آب‌پاش توجه کنید که مقدار $r_{2} omega$ برابر با سرعت هرکدام از نازل‌های خروجی آب‌پاش است که می‌توان آن را با U نشان داد. بنابراین رابطه توان شفت برای این آب‌پاش به صورت زیر قابل بازنویسی است.

منفی بودن عبارت توان شفت در رابطه بالا نشان دهنده آن است که در این مثال، کار توسط سیال روی روتور و شفت انجام شده است.

اصولی که تا به اینجا برای محاسبه مومنتوم زاویه‌ای آب‌پاش توضیح داده شد را می‌توان در بسیاری از مسائل توربوماشین نیز مورد استفاده قرار داد. در حالت کلی، زمانی که معادله مومنتوم زاویه‌ای را در یک ماشین دوار بنویسیم که به صورت یک بعدی جریان دارد، در نهایت رابطه گشتاور و توان شفت به فرم زیر در می‌آید.

گشتاور شفت

توان شفت

روابط بالا در حالت کلی نوشته شده‌اند و برای تعیین مقدار دقیق آن در هر مسئله نیاز به تعیین علامت‌های مثبت و منفی است که در این رابطه مشاهده می‌شوند. برای مثال علامت مثبت قبل از عبارت $dot{m}$ زمانی استفاده می‌شود که جریان جرمی سیال مورد نظر به سمت خارج از حجم کنترل باشد و علامت منفی قبل از $dot{m}$ برای حالتی است که جریان جرمی به سمت داخل حجم کنترل داشته باشیم. علامت مثبت و منفی دیگری نیز قبل از عبارت $r v_{theta}$ وجود دارد و برای تعیین این علامت مثبت و منفی به شکل زیر عمل می‌شود:

مومنتوم زاویه‌ای گشتاور

مومنتوم زاویه‌ای گشتاور

با توجه به شکل‌های بالا، زمانی که عبارت $v_{theta}$ و U در یک جهت باشند، علامت $r v_{theta}$ مثبت است و زمانی که عبارت $v_{theta}$ و U خلاف جهت یکدیگر باشند علامت $r v_{theta}$ منفی است. در ادامه در قالب مثالی، شیوه محاسبه اجزای مختلف رابطه مومنتوم زاویه‌ای را به طور دقیق مورد مطالعه قرار می‌دهیم.

مثال

آب‌پاشی را مطابق شکل زیر در نظر بگیرید. آب به قسمت چرخان این آب‌پاش از قسمت زیرین آن و با دبی حجمی ۱۰۰۰ml/s وارد می‌شود. قسمت خروجی این آب‌پاش از دو نازل تشکیل شده که سطح مقطع هرکدام از آن‌ها برابر با $۳۰mm^2$ است و جریان سیال، مطابق شکل به صورت افقی و در جهت مماسی از این دو نازل خارج می‌شود. همچنین شعاع بین محور دوران و هرکدام از نازل‌ها برابر با ۲۰۰mm است.

  1. گشتاور لازم برای ثابت نگه داشتن قسمت بالای آب‌پاش را محاسبه کنید. دقت کنید که در این مثال سرعت خروج سیال از نازل برابر با ۱۶.۷m/s است.
  2. گشتاور قسمت فوقانی آب‌پاش را در حالتی به دست آورید که در آن آب‌پاش با سرعت دورانی ۵۰۰rev/min حول محور دوران در حال چرخش است.
  3. سرعت آب‌پاش را در حالتی بیابید که هیچ گشتاوری به سیستم وارد نمی‌شود.

مومنتوم زاویه‌ای

اولین گام در حل اکثر مسائل مکانیک سیالات تعیین مناسب حجم کنترل است. در این مثال و در هر سه بخش آن، حجم کنترل به صورت یک دیسک ساکن و بدون تغییر شکل در نظر گرفته می‌شود. این حجم کنترل در شکل بالا با خط‌چین نشان داده شده است. علاوه بر این، همانطور که در شکل بالا نیز مشاهده می‌شود، گشتاور محوری در این مسئله فقط گشتاوری است که در مقابل حرکت مقاومت می‌کند. این گشتاور با عبارت Tshaft در شکل به تصویر کشیده شده است.

در قسمت ۱ این سوال، قسمت فوقانی آب‌پاش ساکن و رابطه بین سرعت‌ها در این قسمت را می‌توان مطابق شکل زیر نمایش داد.

مومنتوم زاویه‌ای

رابطه گشتاور شفت که در درسنامه برای آب‌پاش و در حالت کلی نوشته شده بود را می‌توان برای این مسئله خاص به صورت زیر نمایش داد.

در این مثال همانطور که اشاره شد، حجم کنترل ساکن است و قابلیت تغییر شکل ندارد و سیال از هرکدام از نازل‌ها به صورت مماسی خارج می‌شود. بنابراین رابطه سرعت مماسی و گشتاور شفت را می‌توان به شکل زیر اصلاح کرد.

دبی جرمی در معادله بالا را می‌توان با استفاده از رابطه زیر محاسبه کرد.

بنابراین با قرار دادن مقادیر شعاع، سرعت مماسی و دبی جرمی در رابطه گشتاور شفت، در نهایت گشتاور لازم برای ثابت نگه داشتن قسمت بالای آب‌پاش به شکل زیر محاسبه می‌شود.

در قسمت ۲ این سوال و در حالتی که آب‌پاش با سرعت زاویه‌ای ثابت ۵۰۰rpm می‌چرخد، جریان ذاتا ناپایا است ولی با توجه به اینکه سرعت زاویه‌ای ثابت و جهت خروج سیال همواره مماس بر دایره است، می‌توان جریان را به صورت پایا در نظر گرفت. بنابراین در اولین گام نیاز به تعیین رابطه بین سرعت‌ها داریم. در این قسمت، سرعت سیال در ورودی و خروجی حجم کنترل همانند شکل زیر در نظر گرفته می‌شود.

مومنتوم زاویه‌ای

V2، سرعت مطلق سیالی که از نازل خارج می‌شود را نشان می‌دهد و W2 سرعت نسبی این سیال را بیان می‌کند و برابر با سرعت سیال خروجی از نازل در قسمت ۱ است. اندازه این سرعت در صورت سوال برابر با ۱۶.۷m/s داده شده است. در ادامه رابطه بین سرعت‌های مختلف این قسمت از سوال به شکل زیر نوشته می‌شود.

در معادله بالا U2 سرعت نازل است که با استفاده از رابطه زیر محاسبه می‌شود.

بنابراین با توجه به روابط بالا، سرعت مطلق سیال خروجی از نازل (V2) قابل محاسبه است و برای به دست آوردن آن به شکل زیر عمل می‌کنیم.

در نهایت با توجه به رابطه گشتاور و جریان جرمی که در قسمت ۱ سوال به دست آمدند، اندزه گشتاور شفت به صورت زیر محاسبه می‌شود.

در قسمت ۳ سوال، هیچ گشتاوری به سیستم وارد نمی‌شود. در این حالت سرعت دورانی آب‌پاش تا مقدار ماکزیمم پیش می‌رود و در نهایت ثابت باقی می‌ماند. بنابراین رابطه گشتاور شفت که در دو قسمت قبلی سوال به دست آمد را می‌توان در این قسمت نیز به شکل زیر مورد استفاده قرار داد.

در نهایت باید پارامترهای سرعت و شعاع که اندازه آن‌ها معلوم هستند، در رابطه فوق جایگذاری شوند. در این حالت سرعت زاویه‌ای آب‌پاش برای سیستم بدون گشتاور، به شکل زیر محاسبه می‌شود.

دقت کنید که در قسمت ۳ این سوال که گشتاور برابر با صفر است (۰=Tshaft)، آب با مومنتوم زاویه‌ای صفر به حجم کنترل وارد و با همین مقدار مومنتوم زاویه‌ای از حجم کنترل خارج می‌شود.

در این مطلب مفهوم مومنتوم زاویه‌ای و روابط حاکم بر آن به صورت دقیق و کامل شرح داده شدند و نحوه استفاده از این روابط در قالب یک مثال مورد بررسی قرار گرفت. همانطور که اشاره شد بررسی مفاهیم پیوستگی، مومنتوم خطی، مومنتوم زاویه‌ای و قوانین بقا به عنوان پیش نیاز اساسی برای فهم معادلات ناویر استوکس معرفی می‌شوند. در مطالب بعدی وبلاگ عیدی به بررسی دقیق مفهوم بقا و معادلات ناویر استوکس پرداخته می‌شود.

در صورتی که به مباحث ارائه شده در این مطلب، علاقه‌مند هستید و قصد یادگیری در زمینه‌های مطرح شده در علم مکانیک سیالات را دارید، آموز‌ش‌های زیر به شما پیشنهاد می‌شود:

^^


بر اساس رای ۲ نفر

آیا این مطلب برای شما مفید بود؟

ایجاد افکت انیمیشن ذرات (Particles) در افتر افکت – آموزک [ویدیوی آموزشی]

۳۰ مرداد ۱۳۹۷



ایجاد افکت انیمیشن ذرات (Particles) در افتر افکت – آموزک [ویدیوی آموزشی] – وبلاگ عیدی



























تعداد بازدید ها:
۰

استفاده از جلوه انیمیشن ذرات (Particles) در صنعت انیمیشن‌سازی و موشن گرافیک بسیار مرسوم است. چرا که از این طریق، شما می‌توانید گروهی از ذرات را به صورت داینامیک و طبق قواعد فیزیکی انیمیت کنید. کاری که اگر می‌خواستید بصورت دستی انجام دهید، قطعا غیر ممکن بود.

در همین راستا و در آموزکی که در ادامه آمده است، انیمیشن ذرات در افترافکت را بررسی می‌کنیم و تنظیمات مهم آن را آموزش خواهیم داد و ضمناً توضیح می‌دهیم که چگونه می‌توان انواع حرکت‌ها را برای ذرات ایجاد کرد.

 لینک دانلود ویدئو (+)

لینک دانلود فایل های جانبی آموزک (+)

در صورتیکه ویدیوی بالا برای‌تان مفید بوده است، آموزش‌هایی که در ادامه آمده‌اند نیز به شما پیشنهاد می‌شوند:

^^

آیا این مطلب برای شما مفید بود؟