رتبه بندی اعداد Z با استفاده از روش خوشه بندی بهینه
سعید جعفری
1
(
گروه مهندسی برق، دانشگاه آزاد اسلامی واحد بوشهر
)
مجتبی نجفی
2
(
گروه مهندسی برق، دانشگاه آزاد اسلامی واحد بوشهر
)
نقی مودبی پیرکلاهچاهی
3
(
دانشکده مهمدسی برق، واحد بوشهر، دانشگاه ازاد اسلامی، بوشهر، ایران
)
نجمه چراغی شیرازی
4
(
گروه مهندسی برق، دانشگاه آزاد اسلامی واحد بوشهر
)
کلید واژه: عددkz, خوشه بندی k-means, فازی, امکانی-احتمالاتی, عددz,
چکیده مقاله :
استفاده از مفاهیم جدید در انجام محاسبات توسط کلمات زبان طبیعی به منظور مدلسازی عدم قطعیت ها، در سال های اخیر مورد توجه قرار گرفته است. در این راستا مفهوم عدد Z توسط دکتر زاده در سال 2011مطرح گردید. در این مفهوم عدم قطعیت داده ها، بصورت یک جفت اعداد فازی (A, B) معرفی می گردد. هدف از عدد Z مدلسازی جملات غیردقیق زبان طبیعی می باشد، به طوری که اولین عامل عدد Z نشان دهنده امکان رخداد و عامل دوم نشان‌دهنده احتمال رخداد عامل اول می باشد. با این حال، عدد Z مشکلات پیچیده و هزینه محاسباتی بالایی دارند. در عدد Z به منظور تشکیل مولفه اول و دوم جفت اعداد فازی (A, B)، کارشناسان ممکن است راه حل های نامناسبی در دیتاهای با تعداد بالا ارائه دهند که این عامل باعث می گردد، نتایج نهایی به درستی محاسبه نگردد، این ضعف در تصمیم گیری های گروهی در زمان استفاده از عدد Z بیشتر نمایان می گردد. به منظور رفع این چالش، نویسندگان گروه بندی هدفمند مجموع دیتاها را پیشنهاد می نمایند. در این راه حل ، گروه بندی دیتاها بر اساس خوشه بندی (k-means) صورت می پذیرد و در ادامه مولفه های اول و دوم عدد Z به صورت هدفمند تشکیل می گردد. به منظور نشان دادن اثر بخشی روش پیشنهادی، اقدام به محاسبه عدم قطعیت قیمت لحظه ای برق در بازار PJM می نماییم. در پایان نتایج بدست آمده توسط روش پیشنهادی با نتایج بدست آمده روش فازی، عدد Z و دیتای واقعی مقایسه گردیده است.
چکیده انگلیسی :
The use of new concepts in performing calculations by natural language words in order to model uncertainties has been considered in recent years. In this regard, the concept of Z-number was proposed by Dr. Zadeh in 2011. In this concept, data uncertainty is introduced as a pair of fuzzy numbers (A, B). The purpose of Z number is to model imprecise natural language sentences, so that the first factor of Z-number indicates the possibility of occurrence and the second factor indicates the probability of occurrence of the first factor. However, Z-numbers have complex problems and high computational cost. In the Z-number in order to form the first and second components of the pair of fuzzy numbers (A, B), experts may provide inappropriate solutions in high number of data, which causes the final results to not be calculated correctly, this weakness in Group decisions are more visible when using the Z-number. In order to solve this challenge, the authors suggest the purposeful grouping of all data. In this solution, data grouping is done based on clustering (k-means) and then the first and second components of the Z-number are formed purposefully. In order to show the effectiveness of the proposed method, we calculate the uncertainty of the current price of electricity in the PJM market. At the end, the results obtained by the proposed method have been compared with the results obtained by the fuzzy method, Z-number and real data.