ارائۀ روشی برای مدل‌سازی سیستم با مجموعه دادۀ کوچک به کمک شبکۀ عصبی به‌منظور بهینه‌سازی آن

کمبود داده از مهم‌ترین مشکلات در مدل‌سازی و بهینه‌سازی سیستم‌های واقعی در کاربردهای صنعتی است. روش‌های معمول مدل‌سازی، با داشتن مجموعه دادة اندک از یک سیستم، توانمندی لازم را برای مدل‌کردن آن ندارند. در این مقاله روشی برای مدل‌سازی این نوع سیستم‌ها به‌منظور بهینه‌سازی ارائه‌ شده که از دو مرحلة اصلی تشکیل شده است. در مرحلة اول به کمک شبکة عصبی، مدلی برای تولید داده‌ها ایجاد می‌شود که با دریافت هر خروجی دلخواه از سیستم، تعیین می‌کند این خروجی ناشی از اعمال چه ورودی‌ای به سیستم بوده است. در مرحلة دوم، به کمک الگوریتم ژنتیک روشی برای بهینه‌سازی مدل تولیدشده ارائه می‌شود. در این مقاله، به کمک روش پیشنهادشده می‌توان ورودی‌های منجر به تولید خروجی بهینه را یافت. بهینه‌بودن عملکرد سیستم در تابعی موسوم به تابع برازش بررسی می‌شود. روش ارائه‌شده بر روی یک سری زمانی غیرخطی متغیر با زمان، به‌وسیلة معادلة ریاضی مشخص، و یک مجموعه داده واقعی از صنعت کشاورزی ارزیابی شده است. تحلیل نتایج آزمایش‌ها نیز با معیار میانگین مربعات خطا صورت گرفته است. نتایج ارزیابی با این معیار توانمندی این روش را در مدل‌سازی و بهینه‌سازی مجموعه داده‌های این مقاله نشان می‌دهد.