مدل های رگرسیون تصادفی-فازی براساس فواصل اطمینان

thesis
abstract

در بسیاری از مسائل رگرسیون فازی با داده های تصادفی-فازی مواجه هستیم، که علاوه بر فازی بودن، تصادفی نیز هستند. به منظور بررسی و تحلیل مدل های رگرسیونی در حضور چنین داده هایی، مناسب است از متغیرهای تصادفی-فازی استفاده شود. در این مطالعه با استفاده از اندازه اعتبار و اصول رگرسیون امکانی، یک مدل رگرسیون فازی جدید برای متغیرهای ورودی و خروجی که به صورت تصادفی-فازی هستند بررسی می شود. با تعریف فواصل اطمینان-سیگما، براساس امید و واریانس متغیرهای تصادفی-فازی، یک رده جدید از مدل های رگرسیون فازی، به نام مدل های رگرسیون تصادفی-فازی براساس فواصل اطمینان(ci_frrm) بنا می گردد. براورد ضرایب این مدل هاف توسط برنامه ریزی های غیر خطی دشوار است. بنابراین از روشی موسوم به رئوس استفاده می گردد. اما این روش برای تعداد زیاد داده ها کارایی ندارد. لذا نیاز به استفاده از یک الگوریتم ابتکاری می باشد، که این الگوریتم نیز معرفی و تشریح می گردد. در پایان با ارایه مثال های عددی استفاده از این مدل رگرسیونی را شرح داده و ارزیابی می کنیم.

Already have an account?login

similar resources

فواصل اطمینان برای ضریب همبستگی درون رده ای در مدل اثر های تصادفی یک -طرفه

مدل اثرهای تصادفی یک طرفه همان مدل خطی یک طرفه با اثرهای اصلی تصادفی می باشد. کاربرد این مدل در پرورش حیوانات، زیست شناسی، آزمایش های محیطی و دیگر زمینه های آماری که سطوح اثر به صورت یک نمونه تصادفی از جامعه ی سطوح انتخاب شده اند می باشد و محقق به دنبال به دست آوردن اطلاعاتی از پارامتر های توزیع این سطوح است. از دلایل اصلی این مطالعه می توان به موارد زیر اشاره کرد: • برآورد پارامتر های مدل یا ...

مدل بندی داده های فازی با رگرسیون اسپلاین تطبیقی چندگانه

در این مقاله به مدل بندی داده های ورودی دقیق-خروجی فازی پرداخته می شود و رویکرد رگرسیون مارس فازی با پارامترهای دقیق و جملات خطای فازی معرفی می گردد. روش پیشنهادی شامل دو مرحله است: در مرحله اول با استفاده از رگرسیون اسپلاین تطبیقی چندگانه (مارس) مراکز متغیر وابسته برآورد می شوند، و در مرحله دوم کمترین مقادیر خطاهای فازی بر اساس یک مساله بهینه سازی غیر خطی به دست می آیند. در انتها کاربرد مدل ...

full text

رگرسیون فازی با اعداد تصادفی فازی lr

رگرسیون فازی تعمیمی از رگرسیون کلاسیک است که برای محاسبه رابطه بین متغیرهای مستقل و متغیر وابسته تحت تئوری فازی استفاده می شود. در روش های قدیمی )مانند کمترین مربعات و برنامه ریزی ریاضی( تجزیه و تحلیل مدل های رگرسیون فازی هنگامی که مشاهدات، متغیرهای فازی lr هستند با مشکلاتی روبرو می شود که برای برازش مدل وقتی با داده های کم با جامعه نامعلوم روبه رو هستیم، از بازنمونه گیری استفاده می کنیم. یکی ا...

برآورد مدل رگرسیون ساده خطی برای متغیرهای تصادفی فازی

یک مسأله اساسی درباره متغیرهای تصادفی، برآورد تابعی وابسته از متغیر پاسخ روی یک مجموعه از متغیرهای مستقل، بر مبنای n مشاهده توأم است. در این پژوهش، نوعی از مدل رگرسیون خطی ساده فازی بررسی می گردد که در آن، هر دو سری از داده های ورودی و خروجی می توانند زیرمجموعه هایی فازی از r^p باشند. بدین منظور، دو مسأله اساسی، مورد مطالعه قرار می گیرند: 1- تشخیص مدل: در اینجا، مدل ساده خطی جدیدی برای متغی...

15 صفحه اول

ارزیابی قابلیت اطمینان سیستمهای توزیع و محاسبه هزینه خروج براساس مجموعه های فازی

یکی از ابزارهای مؤثر در تصمیم گیری در انتخاب سناریوهای مختلف طراحی و یا توسعه شبکه های توزیع، مطالعات قابلیت اطمینان و محاسبه هزینه قطع برق میباشد. از طرفی به علت دسترس پذیری بالای تجهیزات، پارامترهای ورودی برای این مطالعات غیرقطعی می باشند. در این مقاله با توجه به عدم قطعیت پارامترهای ورودی، تئوری مجموعه های فازی برای محاسبات قابلیت اطمینان بکار گرفته شده و چگونگی استنتاج توابع عضویت مناسب برا...

full text

مدل سازی قابلیت اطمینان با استفاده از منطق فازی

به کارگیری منطق فازی در فرایندهای عملیاتی دستگاه ها مدتی است که معمول گردیده است.از آنجا که نحوه کارکرد این دستگاه ها به شرایط خرابی آن بستگی دارد، به کارگیری منطق فازی در مهندسی  قابلیت اطمینان دستگاه ها و عملیات نیز غیر منتظره نیست. تا به حال بررسی های مبتنی بر برازش توابع مختلف قابلیت اطمینان بر مبنای منطق دو دویی انجام شده و دستگاه یا کاملاً سالم و یا کاملاً  خراب در نظر گرفته می شده است. اما...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده ریاضی

Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023