Bücher von Shahide Dehghan

Prognozy buduschih sobytij neobhodimy wo mnogih widah deqtel'nosti, swqzannyh s planirowaniem i äxpluataciej komponentow sistemy wodnyh resursow. Dlq gidrologicheskogo komponenta suschestwuet potrebnost' w kratkosrochnyh i dolgosrochnyh prognozah gidrologicheskih wremennyh rqdow s cel'ü optimizacii sistemy ili planirowaniq buduschego rasshireniq ili sokrascheniq. V dannoj rabote predstawleno srawnenie razlichnyh metodow iskusstwennyh nejronnyh setej (INS) w kratkosrochnom neprerywnom i prerywistom prognozirowanii sutochnogo stoka i sutochnogo prognozirowaniq wzweshennyh nanosow. Tri razlichnyh metoda INS, a imenno: nejronnye seti s prqmym obratnym rasprostraneniem (FFBP), obobschennye regressionnye nejronnye seti (GRNN) i nejronnye seti na osnowe radial'nyh bazisnyh funkcij (RBF), primenqütsq k gidrologicheskim dannym. V celom, äffektiwnost' prognozirowaniq s pomosch'ü metodow ANN prewoshodit drugie tradicionnye statisticheskie i stohasticheskie metody po wybrannym kriteriqm äffektiwnosti.

La previsión de acontecimientos futuros es necesaria en muchas de las actividades asociadas a la planificación y explotación de los componentes de un sistema de recursos hídricos. En el caso del componente hidrológico, se necesitan previsiones de series temporales hidrológicas tanto a corto como a largo plazo para optimizar el sistema o planificar futuras ampliaciones o reducciones. Se presenta aquí la comparación de diferentes técnicas de redes neuronales artificiales (RNA) en la previsión a corto plazo de caudales diarios continuos e intermitentes y de sedimentos en suspensión diarios. Se aplican a los datos hidrológicos tres técnicas diferentes de RNA, a saber, la retropropagación directa (FFBP), las redes neuronales de regresión generalizada (GRNN) y las redes neuronales basadas en funciones de base radial (RBF). En general, los resultados de las técnicas RNA son superiores a los de otros métodos estadísticos y estocásticos convencionales en función de los criterios de rendimiento seleccionados.

Les prévisions d'événements futurs sont nécessaires dans de nombreuses activités associées à la planification et à l'exploitation des composantes d'un système de ressources en eau. Pour la composante hydrologique, il est nécessaire de disposer de prévisions à court et à long terme des séries temporelles hydrologiques afin d'optimiser le système ou de planifier une expansion ou une réduction future. Ce document présente la comparaison de différentes techniques de réseaux neuronaux artificiels (RNA) pour la prévision à court terme des débits journaliers continus et intermittents et la prévision des sédiments en suspension journaliers. Trois techniques ANN différentes, à savoir la rétropropagation par avance (FFBP), les réseaux neuronaux à régression généralisée (GRNN) et les réseaux neuronaux à base de fonctions radiales (RBF), sont appliquées aux données hydrologiques. En général, les performances de prévision des techniques ANN sont supérieures à celles des autres méthodes statistiques et stochastiques conventionnelles en termes de critères de performance sélectionnés.

As previsões de eventos futuros são necessárias em muitas das actividades associadas ao planeamento e funcionamento dos componentes de um sistema de recursos hídricos. Para a componente hidrológica, há necessidade de previsões a curto e longo prazo de séries cronológicas hidrológicas, a fim de optimizar o sistema ou de planear a expansão ou redução futura. Isto apresenta a comparação de diferentes técnicas de rede neural artificial (ANN) em previsões de fluxo diário contínuo e intermitente a curto prazo e previsão diária de sedimentos suspensos. Três técnicas diferentes de ANN, nomeadamente, propagação de avanço e retrocesso (FFBP), redes neurais de regressão generalizada (GRNN) e redes neurais radiais baseadas em funções (RBF) são aplicadas aos dados hidrológicos. Em geral, o desempenho de previsão das técnicas ANN é considerado superior aos outros métodos estatísticos e estocásticos convencionais em termos dos critérios de desempenho seleccionados.

Due to the importance of economic issues in engineering and design works, the issue of cost should be taken into consideration in the plans and implementation of construction and operation operations. In the last 50 years, the development of hardware facilities and numerical methods have made it possible to simulate the hydraulic behavior of the network even for very large networks, while the problem of determining the optimal design even for small networks remains remained. Considering that the water distribution network optimization problem is inherently a non-linear problem with a large number of discrete variables, recent research has focused on stochastic methods. Therefore, genetic algorithm was used in this research. The design of urban water transmission networks is always designed based on the minimum allowable pressure. In this research, the pressure exceeding the permissible limit is also considered as a design criterion. Although adding this parameter as a design criterion leads to a more expensive network, it leads to a longer useful life of the network. The optimization of the water distribution network using genetic algorithm (GA) technique with the design.

Forecasts of future events are required in many of the activities associated with the planning and operation of the components of a water resource system. For the hydrologic component, there is a need for both short and long-term forecasts of hydrologic time series in order to optimize the system or to plan for future expansion or reduction. This presents the comparison of different artificial neural network (ANN) techniques in short-term continuous and intermittent daily streamflow forecasting and daily suspended sediment forecasting. Three different ANN techniques, namely, feed forward back propagation (FFBP), generalized regression neural networks (GRNN) and radial basis function-based neural networks (RBF) are applied to the hydrologic data. In general, the forecasting performance of ANN techniques is found to be superior to the other conventional statistical and stochastic methods in terms of the selected performance criteria.

Uma barragem é uma barreira que pára ou restringe o fluxo de água de superfície ou de cursos de água subterrâneos. Os reservatórios criados pelas barragens não só suprimem as cheias como também fornecem água para actividades tais como irrigação, consumo humano, uso industrial, aquicultura e navegabilidade. A energia hidroeléctrica é frequentemente utilizada em conjunto com barragens para gerar electricidade. Uma barragem também pode ser utilizada para recolher ou armazenar água que pode ser distribuída uniformemente entre os locais. As barragens servem geralmente o objectivo principal de retenção de água, enquanto outras estruturas como comportas ou diques (também conhecidos como diques) são utilizados para gerir ou impedir o fluxo de água para regiões terrestres específicas. A mais antiga barragem conhecida é a barragem de Jawa na Jordânia, datada de 3.000 a.C.

Una diga è una barriera che arresta o limita il flusso delle acque di superficie o dei corsi d'acqua sotterranei. I bacini creati dalle dighe non solo eliminano le inondazioni, ma forniscono anche acqua per attività come l'irrigazione, il consumo umano, l'uso industriale, l'acquacoltura e la navigabilità. L'energia idroelettrica è spesso utilizzata insieme alle dighe per generare elettricità. Una diga può anche essere utilizzata per raccogliere o immagazzinare l'acqua che può essere distribuita uniformemente tra le varie località. Le dighe hanno generalmente lo scopo primario di trattenere l'acqua, mentre altre strutture, come le paratoie o gli argini (noti anche come dighe), sono utilizzate per gestire o impedire il flusso dell'acqua in specifiche regioni del territorio. La più antica diga conosciuta è quella di Jawa, in Giordania, risalente al 3.000 a.C.

Una presa es una barrera que detiene o restringe el flujo de aguas superficiales o corrientes subterráneas. Los embalses creados por las presas no sólo suprimen las inundaciones, sino que también proporcionan agua para actividades como el riego, el consumo humano, el uso industrial, la acuicultura y la navegabilidad. La energía hidroeléctrica se utiliza a menudo junto con las presas para generar electricidad. Una presa también puede utilizarse para recoger o almacenar agua que puede distribuirse uniformemente entre distintos lugares. Por lo general, las presas tienen como objetivo principal retener el agua, mientras que otras estructuras, como las compuertas o los diques, se utilizan para gestionar o impedir el flujo de agua hacia regiones terrestres específicas. La presa más antigua conocida es la de Jawa, en Jordania, que data del año 3.000 a.C.

Ein Damm ist eine Barriere, die den Durchfluss von Oberflächenwasser oder unterirdischen Wasserläufen stoppt oder einschränkt. Die durch Dämme geschaffenen Stauseen dienen nicht nur dem Hochwasserschutz, sondern auch der Wasserversorgung, z. B. für die Bewässerung, den menschlichen Verbrauch, die industrielle Nutzung, die Aquakultur und die Schifffahrt. Wasserkraft wird oft in Verbindung mit Dämmen zur Stromerzeugung genutzt. Ein Damm kann auch dazu dienen, Wasser zu sammeln oder zu speichern, das dann gleichmäßig auf verschiedene Orte verteilt werden kann. Dämme dienen in der Regel in erster Linie dazu, Wasser zurückzuhalten, während andere Bauwerke wie Schleusen oder Dämme (auch als Deiche bekannt) dazu dienen, den Wasserfluss in bestimmte Landregionen zu steuern oder zu verhindern. Der älteste bekannte Damm ist der Jawa-Damm in Jordanien aus dem Jahr 3.000 vor Christus.

Un barrage est une barrière qui arrête ou restreint l'écoulement des eaux de surface ou des cours d'eau souterrains. Les réservoirs créés par les barrages ne servent pas seulement à empêcher les inondations, mais aussi à fournir de l'eau pour des activités telles que l'irrigation, la consommation humaine, l'utilisation industrielle, l'aquaculture et la navigabilité. L'hydroélectricité est souvent utilisée en conjonction avec les barrages pour produire de l'électricité. Un barrage peut également être utilisé pour collecter ou stocker de l'eau qui peut être distribuée uniformément entre différents endroits. Les barrages ont généralement pour fonction première de retenir l'eau, tandis que d'autres structures, telles que les vannes ou les levées (également appelées digues), sont utilisées pour gérer ou empêcher l'écoulement de l'eau dans des régions terrestres spécifiques. Le plus ancien barrage connu est le barrage de Jawa en Jordanie, datant de 3 000 ans avant Jésus-Christ.

En las últimas décadas, con la aceleración de la urbanización y el rápido desarrollo económico, está aumentando la investigación sobre el desarrollo y la utilización del espacio subterráneo, la mejora del suelo, la prevención y el control de catástrofes en ingeniería geológica, ingeniería geotécnica medioambiental y otros campos. Con el avance de la tecnología informática y el progreso de la potencia de cálculo, los métodos de simulación numérica se han convertido en un medio indispensable para resolver problemas de ingeniería geotécnica. La mayoría de los métodos numéricos utilizados en ingeniería geotécnica son el método de diferencias finitas (MDF), el método de elementos finitos (MEF), el método de elementos de contorno (MEF), el método de análisis de deformación discontinua (ADD), el método de elementos discretos (MDE), el método de flujo de partículas (MFP), etc.

In den letzten Jahrzehnten, mit der Beschleunigung der Urbanisierung und der rasanten wirtschaftlichen Entwicklung, nimmt die Forschung zur Erschließung und Nutzung des unterirdischen Raums, zur Bodenverbesserung, zur Katastrophenverhütung und zum Katastrophenschutz in der Ingenieurgeologie, der Umweltgeotechnik und in anderen Bereichen zu. Mit dem Fortschritt der Computertechnologie und der zunehmenden Rechenleistung sind numerische Simulationsmethoden zu einem unverzichtbaren Mittel zur Lösung geotechnischer Ingenieurprobleme geworden. Die meisten numerischen Methoden, die in der Geotechnik eingesetzt werden, sind die Finite-Differenzen-Methode (FDM), die Finite-Elemente-Methode (FEM), die Boundary-Elemente-Methode (BEM), die Methode der diskontinuierlichen Deformationsanalyse (DDA), die Diskrete-Elemente-Methode (DEM), die Partikelflussmethode (PFM), usw.

Nas últimas décadas, com a aceleração da urbanização e o rápido desenvolvimento económico, a investigação sobre desenvolvimento e utilização do espaço subterrâneo, melhoramento do solo, prevenção e controlo de catástrofes em geologia de engenharia, engenharia geotécnica ambiental, e outras áreas, está a aumentar. Com o avanço da tecnologia informática e o progresso do poder computacional, os métodos de simulação numérica tornaram-se um meio indispensável para resolver problemas de engenharia geotécnica. A maioria dos métodos numéricos utilizados na engenharia geotécnica são o método da diferença finita (FDM), método dos elementos finitos (FEM), método dos elementos limite (BEM), método da análise de deformação descontínua (DDA), método dos elementos discretos (DEM), método do fluxo de partículas (PFM), etc.

Au cours des dernières décennies, avec l'accélération de l'urbanisation et le développement économique rapide, la recherche sur le développement et l'utilisation de l'espace souterrain, l'amélioration du sol, la prévention et le contrôle des catastrophes dans les domaines de la géologie de l'ingénierie, de l'ingénierie géotechnique environnementale et d'autres domaines s'intensifie. Avec l'avancée de la technologie informatique et le progrès de la puissance de calcul, les méthodes de simulation numérique sont devenues un moyen indispensable pour résoudre les problèmes d'ingénierie géotechnique. La plupart des méthodes numériques utilisées en géotechnique sont la méthode des différences finies (FDM), la méthode des éléments finis (FEM), la méthode des éléments de frontière (BEM), la méthode d'analyse des déformations discontinues (DDA), la méthode des éléments discrets (DEM), la méthode des flux de particules (PFM), etc.

Negli ultimi decenni, con l'accelerazione dell'urbanizzazione e il rapido sviluppo economico, la ricerca sullo sviluppo e l'utilizzo dello spazio sotterraneo, il miglioramento del terreno, la prevenzione e il controllo dei disastri in geologia ingegneristica, ingegneria geotecnica ambientale e altri campi è in aumento. Con l'avanzamento della tecnologia informatica e il progresso della potenza di calcolo, i metodi di simulazione numerica sono diventati un mezzo indispensabile per risolvere i problemi di ingegneria geotecnica. La maggior parte dei metodi numerici utilizzati nell'ingegneria geotecnica sono il metodo delle differenze finite (FDM), il metodo degli elementi finiti (FEM), il metodo degli elementi limite (BEM), il metodo dell'analisi delle deformazioni discontinue (DDA), il metodo degli elementi discreti (DEM), il metodo del flusso di particelle (PFM), ecc.

Ces dernières années, les réseaux neuronaux artificiels (RNA) et l'intelligence artificielle (IA) en général ont suscité une attention particulière en raison de leurs applications dans plusieurs domaines scientifiques, allant de la gestion des données massives (big data) au diagnostic médical. Les techniques ANN sont déjà utilisées dans des applications quotidiennes, telles que les publicités personnalisées, les assistants virtuels, la conduite autonome, etc. Le début de la régénération des ANN remonte à l'année 2005 et peut être attribué au développement de nouvelles architectures d'apprentissage telles que les réseaux neuronaux convolutifs (CNN) et les réseaux de croyance profonde (DBN), avec des progrès significatifs réalisés jusqu'à présent et de nouvelles méthodologies proposées, telles que les réseaux adversariaux génératifs (GAN). À l'heure actuelle, les modèles basés sur les réseaux neuronaux sont largement utilisés dans plusieurs formes d'applications techniques.

En los últimos años, las redes neuronales artificiales (RNA) y la inteligencia artificial (IA), en general, han acaparado una gran atención por sus aplicaciones en diversos campos científicos, desde la gestión de grandes volúmenes de datos hasta el diagnóstico médico. Las técnicas de RNA ya se utilizan en aplicaciones cotidianas, como la publicidad personalizada, los asistentes virtuales, la conducción autónoma, etc. El inicio de los avances en la regeneración de las RNA se remonta al año 2005 y puede atribuirse al desarrollo de arquitecturas de aprendizaje novedosas, como las redes neuronales convolucionales (CNN) y las redes de creencia profunda (DBN), habiéndose logrado hasta la fecha avances significativos y propuesto nuevas metodologías, como las redes generativas adversariales (GAN). En la actualidad, los modelos basados en RNA se utilizan ampliamente en diversas formas de aplicaciones de ingeniería.

Nos últimos anos, as redes neurais artificiais (ANN) e a inteligência artificial (IA), em geral, têm recebido uma atenção significativa no que diz respeito às suas aplicações em vários campos científicos, variando desde a grande gestão de dados até ao diagnóstico médico. As técnicas de ANN já são utilizadas em aplicações quotidianas, tais como anúncios personalizados, assistentes virtuais, condução autónoma, etc. O início dos avanços da regeneração nas ANN pode ser traçado desde 2005 e pode ser atribuído ao desenvolvimento de novas arquitecturas de aprendizagem, tais como redes neurais convolucionais (CNN) e redes de crenças profundas (DBN), tendo sido alcançados até agora progressos significativos e propostas novas metodologias, tais como as redes adversas generativas (GAN). Actualmente, os modelos baseados em ANN são amplamente utilizados em várias formas de aplicações de engenharia.

V poslednie gody iskusstwennye nejronnye seti (INS) i iskusstwennyj intellekt (II) w celom priwlekaüt znachitel'noe wnimanie w swqzi s ih primeneniem w neskol'kih nauchnyh oblastqh, nachinaq ot uprawleniq bol'shimi dannymi i zakanchiwaq medicinskoj diagnostikoj. Metody INS uzhe ispol'zuütsq w powsednewnyh prilozheniqh, takih kak personalizirowannaq reklama, wirtual'nye pomoschniki, awtonomnoe wozhdenie i t.d. Nachalo regeneracionnyh prorywow w INS mozhno prosledit' s 2005 goda i otnesti k razrabotke nowyh arhitektur obucheniq, takih kak swertochnye nejronnye seti (CNN) i glubokie seti ubezhdenij (DBN), pri ätom k nastoqschemu wremeni byl dostignut znachitel'nyj progress i predlozheny nowye metodologii, takie kak generatiwnye adwersarnye seti (GAN). V nastoqschee wremq modeli na osnowe INS shiroko ispol'zuütsq w neskol'kih widah inzhenernyh prilozhenij.

In den letzten Jahren haben künstliche neuronale Netze (ANN) und künstliche Intelligenz (KI) im Allgemeinen im Hinblick auf ihre Anwendungen in verschiedenen wissenschaftlichen Bereichen - von der Verwaltung großer Datenmengen bis zur medizinischen Diagnose - große Aufmerksamkeit erregt. ANN-Techniken werden bereits in alltäglichen Anwendungen wie personalisierte Werbung, virtuelle Assistenten, autonomes Fahren usw. eingesetzt. Der Beginn des Durchbruchs bei der Regeneration von ANNs lässt sich bis ins Jahr 2005 zurückverfolgen und kann auf die Entwicklung neuartiger Lernarchitekturen wie Convolutional Neural Networks (CNN) und Deep Belief Networks (DBN) zurückgeführt werden, wobei bis heute erhebliche Fortschritte erzielt und neue Methoden wie Generative Adversarial Networks (GAN) vorgeschlagen worden sind. Gegenwärtig werden ANN-basierte Modelle in verschiedenen technischen Anwendungen weit verbreitet.

Negli ultimi anni, le reti neurali artificiali (RNA) e l'intelligenza artificiale (AI), in generale, hanno raccolto un'attenzione significativa per quanto riguarda le loro applicazioni in diversi campi scientifici, che vanno dalla gestione dei big data alla diagnosi medica. Le tecniche ANN sono già utilizzate in applicazioni quotidiane, come la pubblicità personalizzata, gli assistenti virtuali, la guida autonoma, ecc. L'inizio della rigenerazione delle RNA può essere fatto risalire al 2005 e può essere attribuito allo sviluppo di nuove architetture di apprendimento come le reti neurali convoluzionali (CNN) e le reti di credenza profonde (DBN), con progressi significativi raggiunti finora e nuove metodologie proposte, come le reti generative avversarie (GAN). Attualmente, i modelli basati sulle RNA sono ampiamente utilizzati in diverse applicazioni ingegneristiche.

In recent years, artificial neural networks (ANN) and artificial intelligence (AI), in general, have garnered significant attention with respect to their applications in several scientific fields, varying from big data management to medical diagnosis. ANN techniques are already used in everyday applications, such as personalized advertisements, virtual assistants, autonomous driving, etc. The start of regeneration breakthroughs in ANNs can be traced back to the year 2005 and can be attributed to the development of novel learning architectures such as convolutional neural networks (CNN) and deep belief networks (DBN), with significant progress having been achieved so far and new methodologies having been proposed, such as generative adversarial networks (GAN). At present, ANN-based models are widely used in several forms of engineering applications.

In recent decades, with the acceleration of urbanization and rapid economic development, research on underground space development and utilization, ground improvement, disaster prevention and control in engineering geology, environmental geotechnical engineering, and other fields is increasing. With the advance of computer technology and the progress of computing power, numerical simulation methods have become an indispensable means to solve geotechnical engineering problems. Most of the numerical methods used in geotechnical engineering are the finite difference method (FDM), finite element method (FEM), boundary element method (BEM), discontinuous deformation analysis (DDA) method, discrete element method (DEM), particle flow method (PFM), etc.

Les sources d'eau souterraines sont l'une des plus importantes sources d'approvisionnement en eau, leur modélisation est donc importante. Dans le même temps, l'étude et l'investigation des fluctuations du niveau des eaux souterraines en termes d'études de gestion, de création de structures d'ingénierie, d'utilisations agricoles et d'obtention d'une eau souterraine de haute qualité sont d'une grande importance. La plupart de la demande en eau potable et agricole dans la plaine de Mashgin Shahr est également fournie par les eaux souterraines. Quatre modèles d'intelligence artificielle, dont le réseau neuronal avant, le réseau neuronal arrière, la logique floue Sagno et la machine à vecteur de support ont été utilisés pour prédire le niveau des eaux souterraines.

As fontes de água subterrâneas são uma das mais importantes fontes de abastecimento de água, pelo que a sua modelização é importante. Entretanto, estudar e investigar as flutuações do nível da água subterrânea em termos de estudos de gestão, criação de estruturas de engenharia, usos agrícolas e obtenção de água subterrânea de alta qualidade, é de grande importância. A maior parte da procura de água potável e agrícola na planície de Mashgin Shahr é também fornecida através da água subterrânea. Quatro modelos de inteligência artificial, incluindo rede neural avançada, rede neural recuada, lógica Sagno fuzzy e máquina vectorial de suporte foram utilizados para prever o nível das águas subterrâneas.

Las aguas subterráneas son una de las fuentes más importantes de abastecimiento de agua, por lo que su modelización es importante. Entretanto, el estudio y la investigación de las fluctuaciones del nivel de las aguas subterráneas con vistas a los estudios de gestión, la creación de estructuras de ingeniería, los usos agrícolas y la obtención de aguas subterráneas de alta calidad revisten gran importancia. La mayor parte de la demanda de agua potable y agrícola de la llanura de Mashgin Shahr se abastece también a través de aguas subterráneas. Para predecir el nivel de las aguas subterráneas se utilizaron cuatro modelos de inteligencia artificial: red neuronal directa, red neuronal inversa, lógica difusa Sagno y máquina de vectores de apoyo.

Le sorgenti d'acqua sotterranee sono una delle più importanti fonti di approvvigionamento idrico, pertanto la loro modellazione è importante. Nel frattempo, lo studio e l'indagine delle fluttuazioni del livello delle acque sotterranee in termini di studi di gestione, creazione di strutture ingegneristiche, usi agricoli e ottenimento di acqua sotterranea di alta qualità è di grande importanza. La maggior parte della domanda di acqua potabile e agricola nella pianura di Mashgin Shahr è fornita anche attraverso l'acqua sotterranea. Per prevedere il livello delle acque sotterranee sono stati utilizzati quattro modelli di intelligenza artificiale, tra cui la rete neurale forward, la rete neurale backward, la logica fuzzy di Sagno e la macchina vettoriale di supporto.

Unterirdische Wasserquellen sind eine der wichtigsten Quellen für die Wasserversorgung, weshalb ihre Modellierung wichtig ist. In der Zwischenzeit ist es von großer Bedeutung, die Schwankungen des Grundwasserspiegels zu studieren und zu untersuchen, um Studien zur Bewirtschaftung, zur Schaffung von technischen Strukturen, zur landwirtschaftlichen Nutzung und zur Gewinnung von qualitativ hochwertigem Grundwasser durchzuführen. Der größte Teil des Bedarfs an Trinkwasser und landwirtschaftlichem Wasser in der Mashgin Shahr-Ebene wird ebenfalls durch Grundwasser gedeckt. Zur Vorhersage des Grundwasserspiegels wurden vier Modelle der künstlichen Intelligenz verwendet, darunter ein vorwärtsgerichteter neuronaler Verbund, ein rückwärtsgerichteter neuronaler Verbund, Sagno-Fuzzy-Logik und eine Support-Vector-Maschine.

Aujourd'hui, les compagnies d'assurance, en tant qu'institution de services financiers, jouent, avec les banques et les autres établissements de crédit, un rôle important dans le processus de développement économique des pays en créant une sécurité économico-sociale et une plate-forme appropriée pour les investissements. Outre le fait que les compagnies d'assurance jouent un rôle important dans la création de la sécurité économique et le développement des investissements pour les entreprises, elles investissent également en fonction de la nature de leurs activités.