مدل ترکیبی سیستم استنباط فازی و الگوریتم ژنتیک (fis-ga) در پیش بینی مشخصات امواج و مقایسه آن با anfis و روشهای تجربی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه علم و صنعت ایران - دانشکده مهندسی عمران
- نویسنده مرتضی زنگانه
- استاد راهنما امیر اعتمادشهیدی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1385
چکیده
پیش بینی مشخصات امواج یکی از موضوعات مهم در مهندسی سواحل و بنادر می باشد. امروزه ابزار محاسبات نرم به عنوان یک ابزار جدید پیش بینی امواج بکار گرفته می شود. یکی از این روش هایی که اخیرا" مورد استفاده قرار گرفته است روش مدلسازی anfis می باشد. anfisیک مدل مبتنی بر سیستم استنباط فازی است که پارامترهای بخش فرض و نتیجه قوانین اگر-آنگاه فازی توسط یک مدل شبکه عصبی تنظیم می شود. از آنجا که الگوریتم یادگیری شبکه عصبی مبتنی بر استفاده از روشهای بهینه سازی بر مبنای شیب توابع ((gradient based می باشد، امکان محبوس شدن جواب نهایی الگوریتم یادگیری و نتیجتا"پارامترهای تنظیم شده در نقاط بهینه موضعی وجود دارد. بنابراین استفاده از روشهای جستجو یا بهینه سازی تکاملی نظیر الگوریتم ژنتیک برای کاهش مشکل فوق قابل بررسی است. مدل سیستم استنباط فازی-الگوریتم ژنتیک (fis-(ga توسعه یافته در این مطالعه یک سیستم استنباط فازی (fis) از نوع سوگنو می باشد که پارامترهای شکل توابع عضویت و بخش نتیجه قوانین فازی آن توسط ga تنظیم و بهینه سازی می شوند. نحوه کار مدل fis-ga مانند anfis می باشد، با این تفاوت که الگوریتم ژنتیک یک روش جستجوی تصادفی بوده و امکان محبوس شدن جواب (مقادیر پارامترها) در نقاط بهینه موضعی در آن کمتر می باشد. در مدلfis-ga نیز روند بهینه سازی پارامترها بر اساس استفاده از یک مجموعه ای از داده های ورودی-خروجی است. براساس این داده ها پارامترهای توابع عضویت و بخش نتیجه قوانین اگر-آنگاه مدل fis در آن به گونه ای انتخاب می شود که مقدار خطای مدل در برآورد داده های متغیر خروجی یا همان متغیر بخش نتیجه قوانین فازی حداقل باشد. در این پژوهش کارایی مدلهای مبتنی بر ترکیب سیستم استنباط فازی و الگوریتم های بهینه سازی و یادگیری نظیر الگوریتم ژنتیک و شبکه عصبی در پیش بینی مشخصات امواج مورد بررسی قرار گرفته و سپس با روشهای تجربی ارایه شده برای پیش بینی مشخصات امواج مقایسه شده اند. ابتدا با استفاده از داده های میدانی ثبت شده در دریاچه میشیگان مربوط به سالهای 2001 تا 2003 مدلهای فازی جهت پیش بینی پارامترهای ارتفاع موج شاخص و پریود قله طیف طراحی گردیده است. در این مدلها تابع غیر خطی معرف ارتفاع و پریود موج بر حسب متغیرهای سرعت باد، طول موجگاه و... در قالب مجموعه ای از قوانین اگر-آنگاه فازی بیان می شود. در فرآیند ساخت مدلهای فازی، در ابتدا بمنظور بهینه سازی تعداد قواعد فازی و محاسبه توابع عضویت، از تکنیک خوشه بندی داده ها که در آن پارامتر های روش خوشه بندی با استفاده از الگوریتم ژنتیک بهینه می شود استفاده شده است. در ادامه پس از ساخت fis با ساختار معلوم، با استفاده از الگوریتم ژنتیک یا شبکه های عصبی پارامترهای شکل توابع عضویت در بخش فرض قوانین و همچنین پارامترهای خطی بخش نتیجه قوانین مدل fis بهینه سازی شده اند. سپس با استفاده از اطلاعات میدانی ثبت شده سال 2004 دریاچه میشیگان مدلهای fis-ga، anfis و روشهای تجربی مورد ارزیابی قرار گرفته اند. نتایج روشهای تجربی نشان می دهد که تمامی روشهای تجربی به غیر از روش spm ارتفاع و پریود موج را بطور میانگین دست پایین پیش بینی می کنند و در بین روشهای تجربی، روش smb مناسبترین روش برای پیش بینی پریود موج و روشspm مناسب ترین روش برای پیش بینی ارتفاع موج می باشد. نتایج مدلهای فازی نشان می دهد که مدل anfis تعمیم یافته که در آن ساختار قوانین اگر-آنگاه فازی آن با الگوریتم ژنتیک بهینه شده است دارای دقت بیشتری در پیش بینی امواج می باشد. همچنین در مواقعی که خوشه بندی داده ها صورت نگیرد مدل fis-ga عملکرد بهتری در مقایسه با مدل anfis خواهد داشت. علاوه بر آن مدلهای fis-ga و anfis هر دو بر مدلهای تجربی پیش بینی مشخصات امواج برتری دارند.
منابع مشابه
مقایسه تأثیر وضعیت طاق باز و دمر بر وضعیت تنفسی نوزادان نارس مبتلا به سندرم دیسترس تنفسی حاد تحت درمان با پروتکل Insure
کچ ی هد پ ی ش مز ی هن ه و فد : ساسا د مردنس رد نامرد ي سفنت سرتس ي ظنت نادازون داح ي سکا لدابت م ي و نژ د ي سکا ي د هدوب نبرک تسا طسوت هک کبس اـه ي ناـمرد ي فلتخم ي هلمجزا لکتورپ INSURE ماجنا م ي دوش ا اذل . ي هعلاطم ن فدهاب اقم ي هس عضو ي ت اه ي ندب ي عضو رب رمد و زاب قاط ي سفنت ت ي هـب لاتـبم سراـن نادازون ردنس د م ي سفنت سرتس ي لکتورپ اب نامرد تحت داح INSURE ماجنا درگ ...
متن کاملمدل پیش بینی جریان رودخانه با استفاده از سیستم فازی fis و الگوریتم بهینه سازی pso
هدف از این مطالعه پیش بینی رواناب به صورت مکانی با استفاده از اطلاعات ایستگاههای هیدرومتری و هواشناسی بود. بررسی ها نشان می دهد که معمولاً ارتباطات مشخصی بین داده های هواشناسی و هیدرومتری بالادست حوضه با میزان رواناب تولیدی در خروجی حوضه وجود دارد و چنانچه بتوان قوانین نهفته در سابقه تاریخی داده های ثبت شده در این ایستگاهها را استخراج نمود، می توان به آسانی بر پایه اطلاعات اندازه گیری شده به پیش...
متن کاملپیش بینی مشخصات امواج ناشی از باد به کمک مدل swan و مقایسه با روشهای تجربی
برنامه ریزی برای ایجاد و توسعه فعالیتها و پروژه های اقتصادی در حیطه کارهای دریایی با استفاده از آمار درازمدت شرایط محیطی از جمله امواج صورت می گیرد امواج ناشی از باد از موضوعات مهم در مهندسی سواحل و بنادر می باشند. با توجه به کمبود آمار موج در بسیاری از مناطق پیش بینی مشخصات موج معمولا بااستفاده از روشهای تجربی و یا مدلهای عددی صورت می گیرد. در این پژوهش مدل عددی swan برای پیش بینی مشخصات اموا...
15 صفحه اولDegenerate Four Wave Mixing in Photonic Crystal Fibers
In this study, Four Wave Mixing (FWM) characteristics in photonic crystal fibers are investigated. The effect of channel spacing, phase mismatching, and fiber length on FWM efficiency have been studied. The variation of idler frequency which obtained by this technique with pumping and signal wavelengths has been discussed. The effect of fiber dispersion has been taken into account; we obtain th...
متن کاملمدل پیشبینی جریان رودخانه با استفاده از سیستم فازی FIS و الگوریتم بهینهسازی PSO
هدف از این مطالعه پیشبینی رواناب بهصورت مکانی با استفاده از اطلاعات ایستگاههای هیدرومتری و هواشناسی بود. بررسیها نشان میدهد که معمولاً ارتباطات مشخصی بین دادههای هواشناسی و هیدرومتری بالادست حوضه با میزان رواناب تولیدی در خروجی حوضه وجود دارد و چنانچه بتوان قوانین نهفته در سابقه تاریخی دادههای ثبت شده در این ایستگاهها را استخراج نمود، میتوان به آسانی بر پایه اطلاعات اندازهگیری شده به پیش...
متن کاملارزیابی روشهای پیش بینی و ارائه مدل ترکیبی بهینه در خصوص پیش بینی درآمدهای مالیاتی
این مقاله به پیش بینی درآمدهای مالیاتی به تفکیک منابع وصولی (کل، اشخاص حقوقی، درآمد، ثروت و کالا و خدمات) برای سالهای 91-1390 می پردازد. به منظور دستیابی به پیش بینی های دقیق تر ابتدا ماهیت ساختاری سریهای زمانی مورد نظر از جهت خطی، غیرخطی و تصادفی بودن و میزان پیچیدگی سیستم مولد سریهای زمانی مالیاتی با استفاده از آزمون های نمای لیاپانوف و بعدهمبستگی بررسی شده است. نتایج حاصل از آزمون نمای لیاپا...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه علم و صنعت ایران - دانشکده مهندسی عمران
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023