طبقه بندی بارکاری فیزیکی بر مبنای یک مدل بهینه شده از شبکه ANFIS به وسیله الگوریتم ژنتیک

مقدمه: اخیرا روش جدیدی جهت طبقه بندی بارکاری فیزیکی بر مبنای یک شبکه استنتاج عصبی-فازی تطبیقی( ANFIS: Adaptive Neuro Fuzzy Inference System) ارائه شد. هدف از مطالعه حارض، بهینه سازی مدل مذکور به منظور کاهش خطا و افزایش دقت مدل در طبقه بندی بارکاری فیزیکی بود. روش کار: سی مرد سامل بین 21 تا 42 سال با درنظرگیری معیارهای ورود به مطالعه انتخاب شدند. رضبان قلب و میزان اکسیژن مرصفی منونه ها، حین انجام یک تست پله، همچنین حداکثر توان هوازی افراد با یک تست تردمیل اندازه گیری شدند. پس از محاسبه VO2max% به عنوان استاندارد طلائی طبقه بندی بارکاری فیزیکی، میان ورودی های مدل و بارکاری فیزیکی به عنوان خروجی، روابط محاسباتی مربوطه در نرم افزار متلب ایجاد شد. سپس الگوریتم ژنتیک به عنوان یک تکنیک بهینه سازی به مدل اعمال گشت. یافته ها: میانگین دقت مدل بهینه شده به 97/92 درصد افزایش یافت. درحالی که این مقدار در مدل پایه 92/95 درصد بود. همچنین خطای جذر میانگین مربعات (RMSE : Root Mean Square Error) مدل بهینه شده و پایه به ترتیب 5/4186 و 3/1882 بود. حداکرث رنج خطای مدل بهینه شده در برآورد بارکاری %±5 بود. نتیجه گیری: نتایج به خوبی تایید کننده کارایی بالای مدل بهینه شده در تخمین بارکاری فیزیکی می باشند. علاوه بر داشنت دقت بالا، سادگی و قابلیت پیاده سازی در محیط های کاری واقعی همچنین در نظرگیری اختلافات بین فردی از دیگر مزیت های مدل ارائه شده می باشند.

کلیدواژه ها:

الگوریتم ژنتیک ، سیستم استنتاج عصبی- فازی تطبیقی( ANFIS) ، طبقه بندی ، بارکاری فیزیکی