ارایه ی مدلی ترکیبی مبتنی بر محاسبات نرم جهت توسعه سیستم های خبره فازی در حوزه ی پیش بینی وکنترل

امروزه مدلهای مبتنی بر محاسبات نرم بدلیل توانمندی بالایی که در پیاده سازی و حل مسایل پیچیده مهندسی دارند به موضوع رایج تحقیقات در حوزه های مختلف تبدیل شده اند. ترکیب مزایای اصلی این مدلها با یکدیگر در سالهای اخیر مورد توجه فراوان بوده است و در نتیجه ی آن مدلهای ترکیبی جدیدی به وجود آمده اند. انعطاف پذیری بالا و توانایی تخمین دقیق روابط غیرخطی در مقایسه با مدلهای پایه و عدم نیاز به فرضیات و محدودیت های روشهای سنتی از قبیل سری های زمانی و ... باعث شده است که مدلهای ترکیبی به عنوان رویکردی غالب در ساخت سیستم های خبره در حوزه مسایل پیش بینی و کنترل مطرح شوند. در این رابطه این مقاله به معرفی مدلی ترکیبی جهت ساخت یک سیستم خبره با استفاده از منطق فازی، الگوریتم ژنتیک و تکنیک خوشه بندی داده ها جهت بکارگیری در حوزه مسایل پیش بینی و کنترل می پردازد. روش کار به این صورت است که مدل ترکیبی ابتدا با استفاده از تکنیک خوشه بندی داده ها به گروهبندی دادههای خام می پردازد و اثرات مربوط به نویز را تا حد ممکن کاهش می دهد. سپس با بکارگیری الگوریتم ژنتیک به استخراج قواعد فازی و پارامترهای توابع عضویت فازی برای هر خوشه از داده ها می پردازد. به منظور ارزیابی، مدل ترکیبی ارایه شده روی مساله ی پیش بینی بار انرژی الکتریکی ایران که یکی از مسایل مهم سیستم های قدرت است اجرا می شود و نتایج حاصله باالگوریتم فازی -ژنتیک (بدون اعمال خوشه بندی) و همچنین یکی از الگوریتم های پرکاربرد فازی - عصبی مقایسه می شود.

کلیدواژه ها:

محاسبات نرم ، سیستم های خبره ، منطق فازی ، الگوریتم ژنتیک ، خوشه بندی داده ها ، پیش بینی و کنترل