6450

6450

مدل تركيبي سيستم استنباط فازي و الگوريتم ژنتيك(FIS-GA)در پيشبيني مشخصات امواج و مقايسه آن باANFIS روشهاي تجربي

كارشناسي ارشد

عمران

زمستان1384

زمستان1384

چكيده پيش بيني مشخصات امواج يكي از موضوعات مهم در مهندسي سواحل و بنادر مي باشد. امروزه ابزار محاسبات نرم به عنوان يك روش جديد پيش بيني امواج بكار گرفته مي شود. يكي از اين روش هايي كه اخيرا" مورد استفاده قرار گرفته است روش يك مدل مبتني بر سيستم استنباط فازي است كه پارامترهاي بخش فرض و نتيجه ANFIS . مي باشد ANFIS مدلسازي قوانين اگر‐آنگاه فازي توسط يك مدل شبكه عصبي تنظيم مي شود. از آنجا كه الگوريتم يادگيري شبكه عصبي مبتني بر مي باشد، كه امكان محبوس شدن جواب نهايي (Gradient Based) استفاده از روشهاي بهينه سازي بر مبناي شيب توابع الگوريتم يادگيري و نتيجتا"پارامترهاي تنظيم شده در نقاط بهينه موضعي وجود دارد. بنابراين استفاده از روشهاي جستجو يا بهينه سازي تكاملي نظير الگوريتم ژنتيك براي كاهش مشكل فوق قابل بررسي است. مدل سيستم استنباط فازي‐الگوريتم از نوع سوگنو مي باشد كه پارامترهاي شكل (FIS) توسعه يافته در اين مطالعه يك سيستم استنباط فازي (FIS-GA) ژنتيك تنظيم و بهينه سازي مي شوند. نحوه كار مدل فازي‐ الگوريتم ژنتيك GA توابع عضويت و بخش نتيجه قوانين فازي آن توسط مي باشد با اين تفاوت كه الگوريتم ژنتيك يك روش جستجوي تصادفي بوده و امكان محبوس شدن جواب ANFIS مانند نيز روند بهينه سازي پارامترها بر اساس FIS-GA (مقادير پارامترها) در نقاط بهينه موضعي در آن كمتر مي باشد. در مدل استفاده از يك مجموعه اي از داده هاي ورودي‐خروجي است، كه پارامترهاي توابع عضويت و بخش نتيجه قوانين اگر‐آنگاه فازي در آن طوري انتخاب مي شود كه مقدار خطاي مدل در برآورد داده هاي متغير خروجي يا همان متغير بخش نتيجه قوانين فازي حداقل باشد. در اين پژوهش كارايي مدلهاي مبتني بر تركيب سيستم استنباط فازي و الگوريتم هاي بهينه سازي و يادگيري نظير الگوريتم ژنتيك و شبكه عصبي در پيش بيني مشخصات امواج مورد بررسي قرار گرفته و سپس با روشهاي تجربي ارائه شده براي پي شبيني مشخصات امواج مقايسه شده اند. ابتدا با استفاده از داده هاي ميداني ثبت شده در درياچه ميشيگان مربوط به سالهاي 2001 تا 2003 مدلهاي فازي جهت پيش بيني پارامترهاي ارتفاع موج شاخص و پريود قله طيف طراحي گرديده است. در اين مدلها تابع غير خطي معرف ارتفاع و پريود موج بر حسب متغيرهاي سرعت باد، طول موجگاه و... در قالب مجموعه اي از قوانين اگر‐آنگاه فازي بيان مي شود. در فرآيند ساخت مدلهاي فازي، در ابتدا بمنظور بهين ه سازي تعداد قواعد فازي و محاسبه توابع عضويت، از تكنيك خوشه بندي داد هها كه در آن تعداد و ساختار قوانين اگر‐آنگاه فازي با استفاده از الگوريتم ژنتيك بهينه مي شود استفاده شده است. در ادامه پس از ساخت مدلهاي فازي با ساختار معلوم، با استفاده از الگوريتم ژنتيك و شبكه عصبي پارامترهاي شكل توابع عضويت در بخش فرض قوانين و همچنين پارامترهاي خطي بخش نتيجه قوانين مدل فازي بهينه و ANFIS ،FIS-GA سازي شده اند. سپس با استفاده از اطلاعات ميداني ثبت شده سال 2004 درياچه ميشيگان مدلهاي روشهاي تجربي مورد ارزيابي قرار گرفته اند. نتايج روشهاي تجربي نشان مي دهد كه تمامي روشهاي تجربي به غير از روش مناسبترين SMB ارتفاع و پريود موج را بطور ميانگين دست پايين پي شبيني م يكنند و در بين روشهاي تجربي، روش SPM مناسب ترين روش براي پيش بيني ارتفاع موج مي باشد. نتايج مدلهاي فازي SPM روش براي پيش بيني پريود موج و روش تعميم يافته كه در آن ساختار قوانين اگر‐آنگاه فازي آن با الگوريتم ژنتيك بهينه شده است ANFIS نشان م يدهد كه مدل FIS-GA داراي دقت بيشتري در پيش بيني امواج مي باشد. همچنين در مواقعي كه خوشه بندي داده ها صورت نگيرد مدل هر دو بر مدلهاي تجربي ANFIS و FIS-GA خواهد داشت. علاوه بر آن مدلهاي ANFIS عملكرد بهتري در مقايسه با مدل پيش بيني مشخصات امواج برتري دارند.