ادغام الگوریتم ژنتیک و شبکه های عصبی مصنوعی در پیش بینی مقدار نشست چرخ محرک در اثر لغزش، بار وسرعت
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,047
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCAMEM08_079
تاریخ نمایه سازی: 14 شهریور 1393
چکیده مقاله:
این مطالعه به بررسی اثر پارامترهای لغزش، بار و سرعت در مقدار نشست چرخ محرک درون خاک با استفاده از آزمونگر تک چرخ در محیط انباره خاک می پردازد. داده های بدست آمده با استفاده از تکنیک شبکه های عصبی مصنوعی و روش ادغام الگوریتم ژنتیک و شبکه های عصبی مصنوعی مورد مدلسازی و مقایسه قرار گرفتند. مشخص شد که با بکارگیری الگوریتم ژنتیک در شبکه عصبی نتایج بهتری نسبت به اجرای تنهای شبکه عصبی حاصل می شود. این امر به دلیل بهینه ساختن وزنهای نورون ها در هر نسل جدید نسبت به نسل قبلی توسط جمعیت کروموزومها می باشد. همچنین در بین کلیه آرایش های شبکه های گسترش یافته در قالب دو الگوریتم آموزشی مورد استفاده، کمترین خطا در الگوریتم آموزشی trainlm با 6 نورون در لایه مخفی با مقدار 0/6755 بدست آمد. البته کمترین مقدار MSE برای الگوریتم آموزشی trainscg با 7 نورون در لایه مخفی با مقدار 0/819 بدست آمد که از مقدار 0/6755 بیشتر بوده و بنابر این شبکه عصبی ادغام شده با الگوریتم ژنتیک دارای 6 نورون در لایه مخفی و با الگوریتم آموزشی trainlm به عنوان شبکه برتر انتخاب شد. مشخص شد که نزدیکی مقادیر پیشبینی شده توسط شبکه عصبی به مقادیر واقعی دارای ضریب تبیین برابر با 0/9722 میباشد. نزدیکی مقادیر پیشبینی شده توسط شبکه عصبی ادغام شده با الگوریتم ژنتیک به مقادیر واقعی دارای ضریب تبیین برابر با 0/9905 می باشد.
کلیدواژه ها:
نویسندگان
حمید تقوی فر
دانشجوی دکتری مهندسی مکانیک بیوسیستم،دانشگاه ارومیه
عارف مردانی
استادیارگروه مهندسی مکانیک بیوسیستم، دانشگاه ارومیه
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :