توسعه مدل فازی-GMDH بهینه سازی شده توسط GSA برای پیش بینی استحکام کششی سنگ بر اساس مجموعه داده های تجربی
توسعه مدل فازی-GMDH بهینه سازی شده توسط GSA برای پیش بینی استحکام کششی سنگ بر اساس مجموعه داده های تجربی
هومن هرندی زاده1 محمد محسن توفیق2
1) فارغ التحصیل دکترای مهندسی عمران، بخش مهندسی عمران، دانشگاه شهید باهنر کرمان، ایران
2) استاد بخش مهندسی عمران، دانشگاه شهید باهنر کرمان، ایران
کد IOI مقاله
:
XEEZ-HBCCE
محل انتشار :
اولین کنفرانس هوش مصنوعی و پردازش هوشمند(aisc2022.semnan.ac.ir)
چکیده :
این تحقیق تلاش میکند تا یک مدل هوشمند ترکیبی ابتکاری، یعنی روش دستهبندی فازی (GMDH) بهینهسازی شده توسط الگوریتم جستجوی گرانشی (GSA)، فازی-GMDH-GSA، برای پیشبینی TS سنگ ایجاد کند. برای ایجاد پایگاه داده، نمونههای سنگ جمعآوریشده 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 پیشبینی BTS سنگ با در نظر گرفتن تأثیرگذارترین مدل پیشبینیکننده ایجاد شد. علاوه بر این، یک مدل فازی و همچنین یک مدل GMDH برای پیشبینی 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 0.90، 0.86 و 0.86 برای آزمایش مجموعه دادههای مدلهای فازی-GMDH-GSA، GMDH و فازی بهدست آمد که نشان میدهد مدل پیشبینی فازی-GMDH-GSA قادر به ارائه عملکرد پیشبینی بیشتر در مقایسه با مدلهای دیگر است. مدل های ساخته شده نتایج نقش موثر GSA را به عنوان یک الگوریتم بهینهسازی قدرتمند در کارایی مدل ترکیبی فازی-GMDH-GSA تایید کرد. همچنین نتایج تحلیل حساسیت نشان داد که شاخص بار نقطه ای مؤثرترین ورودی بر خروجی این مطالعه است.
کلمات کلیدی : استحکام کششی الگوریتم جستجوی گرانشی الگوریتم بهینه سازی روش گروهی پردازش داده ها سیستم فازی