مدل سازی فازی، که در آن هدف مدل نمودن یک سیستم منطقی فازی به شکل مجموعه ای از قواعد اگر-آنگاه برای مدیریت عدم قطعیت می باشد، توجه بسیاری را برای مدل سازی سیستم های پیچیده بدست آورده است. یک رویکرد ویژه در مدلسازی فازی، رویکرد غیر مستقیم است، که در آن سیستم منطق فازی از یک مجموعه داده ورودی و خروجی ساخته می شود. از سوی دیگر، مجموعه های فازی نوع-2 برتری خود را در مدل کردن و حداقل کردن اثرات عدم قطعیت در سیستم های منطق فازی مبنی بر قواعد و پارامترهای مربوط به آن نشان داده اند. هدف اصلی این پایان نامه ارائه یک رویکرد غیر مستقیم برای مدلسازی سیستم هوشمند فازی نوع -2 و به خصوص مدل سازی سیستم هوشمند فازی بازه ای نوع -2 برای تحلیل آلودگی هوا می باشد. برای رسیدن به این هدف، اول، ما یک شاخص اعتبار خوشه بندی برای یافتن تعداد مناسب خوشه ها با داده های فازی و قطعی پیشنهاد می کنیم. شاخص جدید معیارهای تفکیک و تراکم نمایی را شامل می شود. این معیارها، به ترتیب، همگن بودن درون خوشه ها و ناهمگن بودن بین خوشه ها را نشان می دهند. در این راستا، الگوریتم فازی c- میانگین (fcm) برای خوشه بندی فازی با داده های قطعی استفاده شده است، و خوشه بندی k- اعداد فازی برای خوشه بندی فازی با داده های فازی به کار گرفته شده است. در ادامه ، مایک الگوریتم fcm با زه ای نوع-2 اصلاح شده برای یافتن تابع عضویت بالا و پایین مجموعه های فازی بازه ای نوع-2 معرفی می کنیم. در حقیقت، ما یک مجموعه داده را به مجموعه های فازی بازه ای نوع -2 با استفاده از دو فازی فایر m1 و m2 بسط می دهیم ، که در آن یک سطح عدم قطعیت به جای تابع عضویت دقیق ایجاد می شود. سوم، ما یک سیستم هوشمند فازی بازه ای نوع -2 با رویکرد غیر مستقیم برای مدل سازی فازی نتیجه می گیریم. این مدل برای مدیریت عدم قطعیت در سطح فازی فایر m مناسب است. در پایان مدل سازی فازی بازه ای نوع -2 برای پیش بینی آلاینده های هوا استفاده خواهد شد. به خصوص مدل پیشنهادی برای پیش بینی غلظت منواکسید کربن در آلودگی هوا تهران به کار گرفته خواهد شد. همچنین این نشان داده شده است که سستم منطق فازی نوع-2 ارائه شده در مقایسه با سیستم منطق فازی نوع -1 بر حسب دو شاخص عملکرد (خطا مجذور میانگین-مربعات، و شاخص توافق) دارای برتری می باشد.

چکیده ندارد.