توسعه مدل فازی-GMDH بهینه سازی شده توسط GSA برای پیش بینی استحکام کششی سنگ بر اساس مجموعه داده های تجربی
محل انتشار: اولین کنفرانس هوش مصنوعی و پردازش هوشمند
سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 182
فایل این مقاله در 11 صفحه با فرمت PDF و WORD قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AISC01_040
تاریخ نمایه سازی: 16 آبان 1401
چکیده مقاله:
این تحقیق، تلاش می کند تا یک مدل هوشمند ترکیبی ابتکاری، یعنی روش دسته بندی فازی (GMDH) بهینه سازی شده توسط الگوریتم جستجوی گرانشی (GSA)، فازی-GMDH-GSA، برای پیش بینی TS سنگ ایجاد کند. برای ایجاد پایگاه داده، نمونه های سنگ جمع آوری شده از یک سایت تونل در آزمایشگاه مورد ارزیابی قرار گرفت و پایگاه داده تهیه شد. برای مدل سازی سپس، یک مدل فازی-GMDH-GSA برای پیش بینی BTS سنگ با در نظر گرفتن تاثیرگذارترین مدل پیش بینی کننده ایجاد شد. علاوه بر این، یک مدل فازی و همچنین یک مدل GMDH برای پیش بینی BTS برای مقاصد مقایسه ساخته شد. عملکرد مدل های پیش بینی پیشنهادی با مقایسه مقادیر چندین معیار آماری مانند ضریب همبستگی (R) مورد ارزیابی قرار گرفت. مقادیر R به ترتیب ۰.۹۰، ۰.۸۶ و ۰.۸۶ برای آزمایش مجموعه داده های مدل های فازی-GMDH-GSA، GMDH و فازی به دست آمد که نشان می دهد مدل پیش بینی فازی-GMDH-GSA قادر به ارائه عملکرد پیش بینی بیشتر در مقایسه با مدل های دیگر است. مدل های ساخته شده نتایج نقش موثر GSA را به عنوان یک الگوریتم بهینه سازی قدرتمند در کارایی مدل ترکیبی فازی-GMDH-GSA تایید کرد. همچنین نتایج تحلیل حساسیت نشان داد که شاخص بار نقطه ای موثرترین ورودی بر خروجی این پژوهش است.
کلیدواژه ها:
نویسندگان
هومن هرندی زاده
فارغ التحصیل دکترای مهندسی عمران - بخش مهندسی عمران - دانشکده فنی و مهندسی - دانشگاه شهید باهنر کرمان
محمد محسن توفیق
استاد بخش مهندسی عمران- بخش مهندسی عمران- دانشکده فنی و مهندسی- دانشگاه شهید باهنر کرمان