جستجو
توسعه جدید ANFIS-GMDH بهینه شده توسط PSO برای پیش بینی ظرفیت باربری شمع بر اساس مجموعه داده های تجربی
هومن هرندی زاده1 محمد محسن توفیق2
چکیده :
پیشبینی ظرفیت باربری نهایی شمع با کمک نتایج تجربی میدانی از طریق تکنیکهای هوش مصنوعی (AI) یکی از مهمترین و پیچیدهترین مسائل در تحلیل و طراحی شمع است. هدف از این تحقیق توسعه مدلهای پیشبینی هوش مصنوعی جدید برای پیشبینی ظرفیت باربری شمع است. اولین مدل پیشبینی بر اساس ترکیب سیستم استنتاج عصبی فازی تطبیقی (ANFIS) و ساختار گروهی مدیریت دادهها (GMDH) بهینهسازی شده توسط الگوریتم بهینهسازی ازدحام ذرات (PSO) به نام مدل ANFIS-GMDH-PSO ایجاد شد. مدل دوم به عنوان روش گروهی نوع شبکه عصبی چند جمله ای فازی مدل مدیریت داده (FPNN-GMDH) معرفی شد. پایگاه داده شامل ویژگیهای مختلف شمع و ویژگیهای خاک، جمعآوریشده از ادبیات شامل CPT و نتایج آزمایش بارگذاری شمع است که برای فرآیند آموزش و آزمایش مدلهای توسعهیافته اعمال میشود. همچنین یک مدل شبکه عصبی مصنوعی رایج (ANN) به عنوان مدل مرجع برای مقایسه و تأیید بین مدلهای توسعهیافته ترکیبی برای پیشبینی استفاده شد. نتایج مدلسازی نشان داد که مدل ANFIS-GMDH بهبودیافته عملکرد نسبتاً بالاتری را در مقایسه با مدلهای ANN و FPNN-GMDH از نظر دقت و سطح پایایی بر اساس شاخصهای عملکرد آماری استاندارد مانند ضریب همبستگی (R)، میانگین مربعات خطا، ریشه میانگین مربع خطا و خطا مقادیر انحراف استاندارد به دست آورد.
کلمات کلیدی : ظرفیت باربری نهایی شمع · فونداسیون عمیق · مدل anfis gmdh pso · الگوریتم pso · مدل fpnn gmdh · شبکه gmdh
زبان مقاله : فارسی
محور مقاله : الگوریتم های فرا ابتکاری
محل انتشار : اولین کنفرانس هوش مصنوعی و پردازش هوشمند
آدرس وب سایت کنفرانس : aisc2022.semnan.ac.ir
کد IOI مقاله : XEEZ-HBCCF
لینک مستقیم مقاله : https://isnac.ir/XEEZ-HBCCF
نمایش چکیده انگلیسی
: https://isnac.ir/SA/XEEZ-HBCCF
سایر مقالات ارائه دهنده
- مدل سازی پیشبینی فشار بیش از حد هوا ناشی از انفجار در پروژه های عمرانی با استفاده از روش های هوش مصنوعی محاسباتی
- توسعه مدل فازی-GMDH بهینه سازی شده توسط GSA برای پیش بینی استحکام کششی سنگ بر اساس مجموعه داده های تجربی
- توسعه جدید ANFIS-GMDH بهینه شده توسط PSO برای پیش بینی ظرفیت باربری شمع بر اساس مجموعه داده های تجربی
- ارزیابی ظرفیت باربری شالوده های جدار نازک با روش تلفیقی فازی-عصبی روش گروهی دسته بندی داده ها بهینه شده با الگوریتم فرا ابتکاری
- ارزیابی و تخمین مقادیر تغییر شکل مواد سنگی با روش عددی مبتنی بر توسعه مدل هوش مصنوعی ترکیبی
سایر مقالات محل انتشار
- آزمایشی محمد جواد فداسس اسلام
- روشی جدید برای پیشبینی ترافیک شبکه موبایل براساس احتمالات رفتار کاربر و یادگیری ماشینی
- بازیابی تصاویر پوشاک با استفاده از شبکه های کپسولی چهارگانه
- طراحی و پیادهسازی شبکههای عصبی مصنوعی در مدارات منطقی قابل برنامهریزی FPGA
- شناسایی ندولهای ریوی و تشخیص سرطان ریه در تصاویر سیتیاسکن با استفاده از یادگیری عمیق
- ناحیه بندی ضایعات پوستی با استفاده از روش K-means
- بهبود عملکرد سلولهای خورشیدی لایه نازک آنتیموان سلنیم به واسطه بهینه سازی سطوح انرژی در باند هدایت و کاهش تلفات نوری در لایه بافر
- پردازش ترابری چرخاننده الکترومغناطیسی
- تحلیل داده های جریان کلیک دانشجویان در سامانه آموزش برخط براساس الگوریتم های گراف پدیداری
- مروري بر روشهای تشخیص و ارزیابی بیماری اسکولیوزیس
- ارائه روشی بهینه برای آشکار سازی اهداف کوچک در تصاویر فرو سرخ
- بکارگیری شبکه های عصبی از پیش آموزش داده شده کانولوشنی بمنظور تشخیص و دسته بندی عکس های موجود در بانک اطلاعاتی GIS شرکت های توزیع نیروی برق
- کشف مدل فرآیند در سامانه حضور و غیاب کارکنان دولت با استفاده از الگوریتم های فرآیندکاوی
- Improving the process of issuing credit cards of banks by using process mining algorithms
- تشخیص تقلب در امتحان آنلاین بر اساس تکنیک¬های دادهکاوی