رگرسیون فازی یک مدل رگرسیونی تعمیم یافته است که نشان دهنده ارتباط متغیرهای مستقل و وابسته در محیط فازی می‌باشد. تجزیه و تحلیل رگرسیون خطی فازی تعمیم مدل‌های رگرسیونی است که با استفاده از تمامی داده‌ها بر اساس یک معیار خاص مناسب می‌باشد. در این مقاله یک سیستم استنتاج فاز چکیده کامل
رگرسیون فازی یک مدل رگرسیونی تعمیم یافته است که نشان دهنده ارتباط متغیرهای مستقل و وابسته در محیط فازی می‌باشد. تجزیه و تحلیل رگرسیون خطی فازی تعمیم مدل‌های رگرسیونی است که با استفاده از تمامی داده‌ها بر اساس یک معیار خاص مناسب می‌باشد. در این مقاله یک سیستم استنتاج فازی عصبی تطبیقی (انفیس)برای تجزیه و تحلیل و پیش بینی یک تابع رگرسیون فازی غیر پارامتری با ورودی‌های غیر فازی و خروجی‌های فازی ذوزنقه‌ای متقارن استفاده میشود. بدین منظور، یک الگوریتم جدید هیبریدی پیشنهاد میشود که در آن حداقل مربعات فازی و برنامه‌نویسی خطی برای بهینه‌سازی وزن‌های ثانویه مورد استفاده قرار می‌گیرند. الگوریتم‌ها به روش اعتبارسنجی چند لایه برای تأیید اعتبار مدل ها اعمال میشود. به طور دقیق‌تر، دقت الگوریتم‌ها با شبیه‌سازی ها به طورکامل تایید میشود. در نهایت برای بررسی کارایی مدل از دو مثال شبیه سازی استفاده شده است که در آن، داده ها به صورت اعداد ذوزنقه ای تعریف شده اند و با آموزش آنها و مشخص کردن تعداد قوانین استفاده شده، پارامترهای مجهول برآورد شده اند.
پرونده مقاله
مقدمه: محدودبودن منابع آب شیرین در جهان، به خصوص در مناطق خشک و نیمه خشک مانند ایران، رویکرد استفاده مجدد از پساب های شهری را اجتناب ناپذیر ساخته است. از مهمترین شاخص های بررسی میزان آلودگی فاضلاب و مقایسه با استاندارد های مختلف جهت بازاستفاده یا تخلیه به منابع آبی TSS چکیده کامل
مقدمه: محدودبودن منابع آب شیرین در جهان، به خصوص در مناطق خشک و نیمه خشک مانند ایران، رویکرد استفاده مجدد از پساب های شهری را اجتناب ناپذیر ساخته است. از مهمترین شاخص های بررسی میزان آلودگی فاضلاب و مقایسه با استاندارد های مختلف جهت بازاستفاده یا تخلیه به منابع آبی TSS می باشد که آزمایشی هزینه بر و زمان بر است. مطالعه حاضر در سال 1395 با هدف تخمین TSS خروجی تصفیه خانه فاضلاب اهواز با استفاده از مدل های هوشمند انجام یافته است.
مواد و روش ها: با توجه به زمان بر و هزینه بر یودن آزمون TSS، در این تحقیق، توانمندی سه مدل رگرسیون خطی چندمتغیره، شبکه عصبی مصنوعی و سیستم استنتاج فازی عصبی تطبیقی جهت تخمین TSS فاضلاب خروجی از تصفیه خانه فاضلاب با استفاده از نرم افزار MATLAB و SPSS 21 بررسی شد. براین اساس ترکیبات مختلفی از پارامترهای کیفی فاضلاب، طی دوره آماری 8 ساله (1394-1387) به عنوان ورودی مدل ها در دو حالت روزانه و ماهانه مورد ارزیابی قرار گرفت.
نتایج: مدل رگرسیون حداکثر ضریب تعیین(R2) برای مراحل آموزش و صحت سنجی را به ترتیب در دوره روزانه 75/0 و 67/0 و در دوره ماهانه 68/0 و 66/0 به دست آورد؛ ریشه میانگین مربعات خطا(RMSE) در این آزمون 033/0 و 025/0 در دوره روزانه و 053/0 و 053/0 در دوره ماهانه، به دست آمد. حداکثرR2 با شبکه عصبی مصنوعی به ترتیب برای مراحل آموزش و صحت سنجی در دوره روزانه 87/0 و 79/0 و در دوره ماهانه 87/0 و 85/0، و RMSE برابر 030/0 و 023/0 در دوره روزانه و 034/0 و 031/0 در دوره ماهانه، به دست آمد. نتایج بیشترین r2 را برای مدل سیستم استنتاج فازی عصبی تطبیقی نشان دادند که در دوره روزانه 91/0 و 83/0 و در دوره ماهانه 89/0 و 87/0، و مقدار RMSE برابر 026/0 و 025/0 در دوره روزانه و 031/0 و 028/0 در دوره ماهانه، به ترتیب برای مراحل آموزش و صحت سنجی بود.
نتیجه گیری: براساس یافته های تحقیق هر سه مدل در تخمین مقدارTSS فاضلاب خروجی کاربرد مناسبی داشتند، اما مدل سیستم استنتاج فازی عصبی تطبیقی به دلیل برازش بهتر و خطای کم تر، مدلی مناسب تر است.
پرونده مقاله
امروزه افزایش قیمت سوخت های فسیلی و کاهش منابع از یک سو و آلودگی های زیست محیطی از سوی دیگر باعث افزایش استفاده از منابع تجدیدپذیر گردیده است. در این مقاله ریزشبکه مورد مطالعه از منابع بادی و خورشیدی، ذخیره ساز (باتری و فلایویل) خودرو الکتریکی، دیزل ژنراتور و حضور سیستم چکیده کامل
امروزه افزایش قیمت سوخت های فسیلی و کاهش منابع از یک سو و آلودگی های زیست محیطی از سوی دیگر باعث افزایش استفاده از منابع تجدیدپذیر گردیده است. در این مقاله ریزشبکه مورد مطالعه از منابع بادی و خورشیدی، ذخیره ساز (باتری و فلایویل) خودرو الکتریکی، دیزل ژنراتور و حضور سیستم های انرژی چند حاملی MCH)) به عنوان انرژی ترکیبی برق و حرارت (CHP) تشکیل شده است. فرکانس ریزشبکه باتوجه به شبکه گاز و پیک مصرف کنترل می شود. در ریزشبکه چند حاملی پخش بار شبکه گاز همزمان با پخش بار الکتریکی منظور می گردد. همچنین فرکانس به صورت غیرخطی کنترل میشود. از طرف دیگر روند رو به رشد تولید و به کارگیری خودروهای برقی (V2G) بارهای جدیدی برای شبکه برق ایجاد کرده است که در صورتی که مدیریت صحیحی بر روی نحوه شارژ آنها صورت نگیرد انحراف فرکانس شبکه افزایش یافته و می تواند سبب فروپاشی شبکه گردد. لذا از خودروهای برقی به منظور مشارکت در عملیات تنظیم فرکانس ریزشبکه با روش سیستم استنتاج فازی عصبی تطبیقی (ANFIS) استفاده می شود. به منظور مقایسه روش پیشنهادی در شبیه سازی‌ها از کنترل کننده فازی استفاده شده است. نتایج حاصل از شبیه سازی‌ها در پنج مطالعه مورد بررسی قرار می‌گیرند که بیان گر عملکرد مطلوب روش پیشنهادی در کاهش انحراف فرکانس، استحکام در برابر اغتشاشات و مقاوم بودن در برابر عدم قطعیت‌‌های موجود در سیستم است. همچنین روش پیشنهادی توان خروجی پایدارتری در منابع تولید ریزشبکه دارد.
پرونده مقاله
سکوی نشر دانش
سند یا سکوی نشر دانش ،سامانه ای جهت مدیریت حوزه علمی و پژوهشی نشریات دانشگاه آزاد می باشد
