استخراج قوانین از توصیف و مدل سازی آنها با استفاده از شبکه های پتری فازی رنگی

در این مقاله، قوانین حاکم بر رفتار سیستم از توصیف آن استخراج و سپس با شبکه پتری مدل سازی می شود. مجموعه این قوانین، پایگاه دانش سیستم را تشکیل می دهد که قابلیت استنتاج از آن را فراهم می آورد. هر قانون از تعدادی شرط و یک نتیجه تشکیل شده است. زمانی که تعداد قوانین زیاد و شرط ها در قوانین مختلف همپوشانی داشته باشند، می توان با استفاده از ساختار سلسله مراتبی به وسیله موتور استنتاج از تکرار شرط ها جلوگیری کرد و در نتیجه تعداد بررسی لازم برای رسیدن به نتیجه را کاهش داد. وقتی این قوانین دارای متغیرهای زیاد و فازی باشند، شکل پیچیده ای به خود می گیرند و درک و استنتاج رفتار آنها مشکل می شود. برای درک بهتر این پیچیدگی، مناسب است که آن را با استفاده از شبکه های پتری فازی بصری سازی کنیم. تاکنون روش های مختلف و متعددی مبتنی بر شبکه های پتری فازی برای مدل کردن قوانین فازی ارائه شده است، اما این روش ها یا تعداد قوانین و متغیرهای زیاد در سیستم را پشتیبانی نمی کنند یا مواردی مانند نقش گزاره های شرطی در وقوع گزاره های نتیجه، احتمالی بودن گزاره های نتیجه، مقدار آستانه برای گزاره های شرطی و نتیجه، ضریب قطعیت برای قانون یا برای گزاره های نتیجه را در نظر نمی گیرند. در این مقاله، با توسعه کار قبلی خود، مدلی مبتنی بر شبکه پتری فازی ارائه می دهیم که دو مورد بیان شده در بالا را پوشش می دهد و کاستی هایی که در توصیف مدل در کار قبلی ما وجود داشت را جبران می کند. در انتها، مدل پیشنهادی را برای یک سیستم تصفیه آب ایمن و حملات آن به کار می بریم.

کلیدواژه ها:

جدول گذار حالت ، شبکه پتری فازی ، استنتاج فازی ، سیستم مبتنی بر دانش ، توصیف قوانین