پیش‌بینی حداکثر عمق چاله آبشستگی اطراف گروه پایه کج با استفاده از سیستم استنتاج فازی-عصبی تطبیقی بهینه‌شده با الگوریتم ژنتیک
هدف از تحقیق حاضر بررسی تاثیر بهینه‌سازی پارامترهای سیستم استنتاج فازی-عصبی تطبیقی (ANFIS) با الگوریتم ژنتیک در پیش‌بینی حداکثر عمق آبشستگی اطراف گروه پایه کج و مقایسه آن با ANFIS جعبه‌ابزار نرم‌افزار Matlab و انواع مولدهای سیستم استنتاج فازی (FIS) در آن می‌باشد. برای این منظور داده‌های 48 سری آزما...
Saved in:
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
Gorgan University of Agricultural Sciences and Natural Resources
2016-01-01
|
| Series: | پژوهش‌های حفاظت آب و خاک |
| Subjects: | |
| Online Access: | https://jwsc.gau.ac.ir/article_2950_fd9a98aec998a801182a637f816cc5b5.pdf |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | هدف از تحقیق حاضر بررسی تاثیر بهینه‌سازی پارامترهای سیستم استنتاج فازی-عصبی تطبیقی (ANFIS) با الگوریتم ژنتیک در پیش‌بینی حداکثر عمق آبشستگی اطراف گروه پایه کج و مقایسه آن با ANFIS جعبه‌ابزار نرم‌افزار Matlab و انواع مولدهای سیستم استنتاج فازی (FIS) در آن می‌باشد. برای این منظور داده‌های 48 سری آزمایش مربوط به گروه پایه کج مستقر بر روی فونداسیون برای شرایط هیدرولیکی و رقوم کارگذاری فونداسیون مختلف مورد استفاده قرار گرفت. به منظور مقایسه نتایج از آماره‌های ضریب تبیین (R2) و میانگین مجذور مربعات خطا (RMSE)، استفاده شد. نتایج نشان داد که مدل ANFIS با سیستم استنتاج فازی (FIS) از نوع GENFIS1 بهترین عملکرد را در میان انواع مولدهای مورد بررسی داشته و قادر است حداکثر عمق نسبی آبشستگی را با (R2) و (RMSE) به ترتیب برابر 976/0 و 053/0 پیش‌بینی نماید. ارزیابی نتایج حاکی از آن است که بهینه‌سازی پارامترهای ANFIS منجر به بهبود عملکرد آن در پیش‌بینی پارامتر مورد نظر شده و توانسته است حداکثر عمق نسبی آبشستگی را با R2، 992/0 و RMSE، 0254/0، پیش‌بینی نماید. |
|---|---|
| ISSN: | 2322-2069 2322-2794 |