پیش بینی ازن با استفاده از روش neuro-fuzzy در مناطق صنعتی

این مقاله در نظر دارد تا با ارائه روش مدل سازی به پیش بینی ازن بپردازد . در این مقاله غلظت ازن به عنوان تابعی از دو گروه متغیرهای جغرافیایی ( سرعت و جهت باد ، دما ، رطوبت نسبی و انرژی خورشید ) و متغیرهای شیمیایی (غلظت متان ، هیدروکربن ها ، منو اکسید و دی اکسید کربن ، اکسید و دی اکسید نیتروژن و دی اکسید سلوفور و میزان غبار معلق در هوا ) در نظر گرفته شده است . به این منظور یک آزمایشگاه سیار ، در ناحیه مورد نظر ، داده ها را به مدت دوماه جمع آوری نمود . داده های جمع آوری شده به دو گروه جهت آموزش و آزمون تقسیم شدند . سپس یک مدل neuro-fuzzy با سیستم استنتاج فازی سوگنو و الگوریتم هیبرید ، که ترکیبی از روش گسترش معکوس و حداقل مربعات است ، طراحی و داده ها جهت آموزش و عمومی سازی به این مدل داده شد . در ضمن از روش طبقه بندی کاهشی نیز جهت طبقه بندی داده ها استفاده گردید تا به این ترتیب به ارائه موثر تر داده ها پرداخته شود . پس از مراحل ذکر شده مدل آموزش دیده دارای 240 گره و 320 پارامتر قابل تنظیم بود . در ضمن تعداد 8 عدد قاعده فازی نیز جهت بیان رفتار سیستم به دست آمد . در پایان داده های به دست آمده با این روش با داده های به دست آمده از شبکه عصبی مقایسه شد که حاصل ، پیش بینی بهتر روش neuro-fuzzy بود .

کلیدواژه ها:

ازن ، neuro-fuzzy ، سیستم استنتاج فازی سوگنو ، طبقه بندی کاهشی