سیستم استنتاج عصبی - فازی تطبیقی خودبازخورد آموزش‌یافته با الگوریتم رقابت استعماری برای پیش‌بینی سری‌های زمانی آشوبناک

Authors

  • مجید محمدی دانشیار بخش مهندسی کامپیوتر، دانشکده مهندسی - دانشگاه شهید باهنر کرمان – کرمان - ایران
  • میثم بهمنش دانشجوی دکتری هوش مصنوعی، دانشکده مهندسی کامپیوتر - دانشگاه اصفهان – اصفهان - ایران
Abstract:

پیش‌بینی سری‌های زمانی، مخصوصاً سری‌های زمانی آشوبیِ سیستم‌های پویای غیر‌خطی، یکی از زمینه‌های مهم تحقیقاتی است و کاربرد زیادی در زمینه‌های گوناگون دارد. از میان روش‌های معرفی‌شده برای پیش‌بینی سری‌های زمانی آشوبناک، به استفاده از شبکه‌های عصبی و سیستم‌های فازی بیشتر توجه شده است. در این مقاله، سیستم استنتاج عصبی - فازی تطبیقیِ بهبودیافته، برای پیش‌بینی سری‌های زمانی آشوبناک پیشنهاد شده است. با توجه به اینکه ساختار سیستم استنتاج عصبی -فازی تطبیقی براساس یک شبکه پیشرو است، بیشتر به مسائل ایستا محدود بوده است و توانایی مواجهه مؤثر با ویژگی‌های پویا مانند سری‌های زمانی را ندارد. برای غلبه بر این مشکل، در این مقاله برای مدل‌سازی وابستگی‌های زمانی این سیستم، از ارتباط خودبازخورد خروجی مراحل قبلی استفاده شده است. همچنین از ترکیب الگوریتم بهینه‌سازی رقابت استعماری ICA، همراه با تخمین حداقل مربعات LSE، برای آموزش سیستم عصبی - فازی و به‌روزرسانی پارامترهای آن استفاده شده است که این روش، مشکلات آموزشِ الگوریتم‌هایِ بر پایه گرادیان را ندارد. این روش برای پیش‌بینی و مدل‌سازی چند سری زمانی غیر‌خطی و آشوبناک جهان واقعی استفاده شده است. تجزیه و تحلیل نتایج و مقایسه آن با کارهای اخیر، نشان‌دهندۀ عملکرد بهتر روش پیشنهادی نسبت به روش‌های قبلی، از نظر معیار خطای کل پیش‌بینی برای مدل‌سازی و پیش‌بینی سری‌های زمانی هستند.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

مدل سازی فرایند لجن فعال با روش ترکیبی سیستم استنتاج فازی عصبی تطبیقی

در این مطالعه، از سامانه استنتاج فازی-عصبی تطبیقی برای مدل‌سازی فرایند تصفیه فاضلاب لجن فعال پتروشیمی مبین استفاده شد. این مدل برای پیش‌بینی غلظت اکسیژن مورد نیاز شیمیایی خروجی مورد استفاده قرار گرفت و ضریب همبستگی بین پارامترهای ورودی و کیفیت جریان خروجی محاسبه شد. پارامتر ورودی با بیشترین تأثیر بر کیفیت جریان خروجی تعیین شد و بر اساس آن، سه ساختار فازی- عصبی تطبیقی مستقل با تعداد پارامترهای گ...

full text

تخمین ضریب اصطکاک در لوله‌ها با استفاده از سیستم تطبیقی استنتاج فازی- عصبی

تخمین ضریب اصطکاک در لوله‌ها در بسیاری از مسائل مهندسی آب و فاضلاب، مانند توزیع سرعت و تنش برشی، فرسایش، انتقال رسوب و افت هد، اهمیت ویژه‌ای دارد. در تحلیل این‌گونه مسائل با دانستن ضریب اصطکاک، می‌توان تخمین دقیق‌تری از آنها به‌دست آورد. در این تحقیق به‌منظور تخمین ضریب اصطکاک در لوله‌ها با استفاده از سیستم تطبیقی استنتاج فازی- عصبی، روش افراز شبکه‌ای مورد استفاده قرار گرفت. برای آموزش و تست مد...

full text

جبران اشباع محرک در سیستمی با کنترل کننده PID با استفاده از سیستم فازی و الگوریتم رقابت استعماری

سیستم‌‌های فیزیکی همواره با قیود و محدودیت‌هایی همراه هستند. درسیستم‌های کنترل قیود معمولاً به شکل محدودیت‌های دما یا فشار و یا ظرفیت پمپ‌ها ظاهر می‌شود یکی از محدودیت‌های موجود در سیستم‌هایی با کنترل کننده PID، محدودیت‌های مربوط به اشباع محرک می‌باشد. در اثر به اشباع رفتن محرک خروجی کنترل کننده و ورودی فرآیند تحت کنترل با هم تفاوت پیدا می‌کنند و در حقیقت سیگنال خروجی کنترل‌کننده، سیستم را هدایت...

full text

مدل‌سازی بارش- رواناب با سیستم استنتاج فازی- عصبی تطبیقی (ANFIS) و رگرسیون خطی چندمتغیره (MLR)

در این پژوهش، کارآیی سیستم فازی- عصبی برای برآورد رواناب ناحیه کوهستانی حوضه هراز مورد ارزیابی قرار گرفت. هدف ایجاد مدلی با توابع و درجه عضویت مناسب است که بتواند رابطه بارندگی- رواناب را در یک حوضه به­درستی برقرار کند. بدین منظور برای پیش­بینی رواناب، 44 ترکیب مختلف از پارامترهای بارندگی، دما، تبخیر، دبی جریان و شاخص بارش پیشین با تأخیر زمانی بین آنها به­صورت روزانه طی دوره 32 سال آماری وارد م...

full text

پیش‌بینی کیفی رودخانه‌ها با استفاده از سیستم استنتاج فازی-عصبی تطبیقی

اخیرأ استفاده از مدل‌های ریاضی برای شبیه‌سازی کیفیت آب رودخانه‌ها توسعه زیادی یافته که به دلیل پیچیدگی و تعدد فرایندهای کیفی منابع آب سطحی و وجود ضرایب و ثابت‌های شیمیایی و بیولوژیکی متعدد، استفاده از سیستم استنباط فازی-عصبی تطبیقی، روشی نو جهت پیش‌بینی کیفی رودخانه‌هاست. در این مقاله ضمن بیان مبانی این سیستم به‌منظور پیش‌بینی کیفی آبهای سطحی، کاربرد آن با مجموعه‌ای از داده‌های 16 ساله از اکسیژ...

full text

تخمین انرژی شکست بتن با استفاده از روش های سیستم استنتاج تطبیقی فازی عصبی هادی

انرژی شکست بتن GF، یکی از پارامترهای اساسی شکست و مُعرّف مقاومت ترک‌خوردگی بتن است،همچنین یکی از ویژگی های مهم بتن در ملاحظات طراحی سازه های بتنی است. در سال های اخیر با بهره گیری از روش های مختلف آزمایشگاهی، پارامتر های شکست بتن مورد بررسی قرار گرفته است؛ نقش این پارامتر ها در طراحی سازه ها از اهمیت ویژه ای برخوردار است. در این مقاله مدل شکست بر‌اساس سیستم تطبیقی فازی عصبی (ANFIS) برای تخمین پا...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 7  issue 4

pages  13- 30

publication date 2017-01-20

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023