توسعه مدل فازی-GMDH بهینه سازی شده توسط GSA برای پیش بینی استحکام کششی سنگ بر اساس مجموعه داده های تجربی

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:

استحکام کششی ، الگوریتم جستجوی گرانشی ، الگوریتم بهینه سازی ، روش گروهی پردازش داده ها ، سیستم فازی