Ramon Silva-Rodriges3 Kristian Devid Moxika-Kabeza1

Genetik algoritm
Ma'lumotlarni muvofiqlashtirish
Informador Técnico 86(1) Enero - Junio 2022: 53 -77
Bu ma'lum bir xatoni keltirib chiqaradigan ma'lumotlarni olish, uni kamaytirishga intilishdan iborat. Kelishuv odatda energiya
va massa balanslarini tuzishda olingan ma'lumotlardagi xatolarni tuzatish uchun ishlatiladi, ular odatda empirik usullar va
AI ilovalariga kirish sifatida ishlatiladi (Szega, 2020). O'lchov natijalaridagi xatolar uskunaning noto'g'riligi, ishlamay qolishi
yoki signalning yomon ishlashi bilan bog'liq bo'lishi mumkin. Ma'lumotlarni solishtirish jarayoni o'zgaruvchilarni o'lchashda
yuqori ishonchlilikka ega bo'lish, o'lchovlarning tuzatilgan natijalarining to'g'riligini baholash va olingan o'lchovlarning
noaniqligini kamaytirish imkonini beradi (Szega; Nowak, 2015). Stabil holatdagi jarayonlar uchun ma'lumotlarni solishtirish
muammosi 56- tenglamada ko'rsatilganidek, cheklovlar bilan optimallashtirish muammosini ifodalaydi.
Har qanday genetik algoritmni amalga oshirishdagi birinchi qadam bu boshlang'ich populyatsiyani yaratishdir.
Shakl 6. Genetik algoritmning avlod o'zgarishi
Rekombinatsiyadan so'ng mutatsiya operatori qo'llanilishi mumkin. Satrdagi har bir bit uchun mutatsiya 1% dan
kam ehtimollik bilan sodir bo'ladi. Boshqacha qilib aytganda, ehtimollik 1% bo'lgan taqdirda, har 100 mavjud bit uchun
satrning 1 biti o'zgartiriladi. Tanlash, rekombinatsiya va mutatsiya jarayoni tugagandan so'ng, yangi populyatsiyani
baholash mumkin. Baholash, tanlash, rekombinatsiya va mutatsiya jarayoni genetik algoritmni bajarishda avlodni tashkil
qiladi (Whitley, 1994).
Genetik algoritm (GA) tabiiy tanlanish jarayoniga asoslanadi, genotiplarning mutatsiyasi yoki krossoveri kabi tabiat
usullariga taqlid qiladi va shu bilan ma'lum muammolarning echimlarini izlaydi. Odatda oddiy usullar bilan
optimallashtirilmaydigan funksiyasiz modellarni o'z ichiga olgan muammolarni optimallashtirish uchun ishlatiladi.
Zhang,
Ding, Wu, Kong, and Chou (2007) NOx
emissiyasi va samaradorligini ANN optimallashtirish uchun GA dan foydalanadi .
Populyatsiyaning har bir a'zosi genotip yoki xromosomani taqlid qiluvchi muammoni kodlashga mos keladigan L uzunlikdagi
ikkilik qator bo'ladi. Keyinchalik, har bir satr baholash funktsiyasi yoki muayyan parametrlar to'plami bo'yicha ishlashni
talab qiladigan maqsad funktsiyasi bo'yicha baholanadi. Maqsad funktsiyasining qiymatiga ko'ra, reproduktiv imkoniyatlar
ajratiladi, bunda tirik mavjudotlarning jinsiy ko'payish populyatsiyalarida sodir bo'ladigan holatga taqlid qiluvchi tanlov
jarayoni sodir bo'ladi. Avlod almashish jarayoni 6-rasmda tasvirlangan.
Manba: Whitley (1994).
68
Machine Translated by Google

---

ANFIS
69
Moxika-Kabeza, Garsiya-Sanches, Silva-Rodriges, Garsiya-Sanches. Turli xil qozon samaradorligini
hisoblash va modellashtirish usullarini ko'rib chiqish
(60)
Nmed - o'lchanadigan o'zgaruvchilar soni; N - tenglik cheklovlari soni, bu holda, tenglamalar soni; Ndes -
tengsizlik cheklovlari soni; Nunmed - o'lchab bo'lmaydigan o'zgaruvchilar soni; r(ei ) - maqsad funksiya; f - tenglik cheklovi,
bu holda, massa yoki energiya balansi; g - masalaga qo'yilgan tengsizlik cheklovi; va z - jarayonning o'lchovsiz
o'zgaruvchilari, solishtirish bilan baholanadi.
o'lchangan diapazon va xi
Maqsad funksiyasida e 57- tenglamada ko'rsatilganidek, o'lchash va solishtirish o'rtasidagi nisbiy xatolikni
ifodalaydi, xm = o'lchanadigan jarayon o'zgaruvchisi xr = jarayon o'zgaruvchilari uchun solishtirish tezligi va s =
o'lchovlarning standart og'ishi.
(57)
muvofiqlashtirilgan diapazondir.
Funktsiyani tanlash uchun ishlash mezonini aniqlash uchun 58- tenglama konvergentsiya va nisbiy xatolarni
kamaytirish kabi jihatlarni ifodalaydi. Birinchi jihat real vaqt rejimida funksiya qachon ishlatilishi kerakligini ko'rsatadi;
ikkinchisi funksiyaning xatolarni aniqlashda xizmat qilish qobiliyatiga ishora qiladi (de França; de Oliveira-Júnior; de
Santana-Souza, 2016).
(58)
ANFIS (adaptiv neyro-loyqa xulosalar tizimi) - bu adaptiv ko'p qatlamli oldinga uzatish tarmog'ining bir turi. U loyqa
xulosaning lingvistik ifoda funktsiyasini ANNning o'z-o'zini o'rganish xususiyati bilan birlashtiradi.
59 va 60 tenglamalarda ko'rsatilganidek,
bu erda REMi nisbiy xato o'lchovi va RREi moslashtirilgan nisbiy xatodir.
Uchun mavzu:
(59)
(56)
Bu erda xi - haqiqiy diapazon; xi
ANFIS tizimi 7-rasmda ko'rsatilganidek, ikkita kirish va bitta chiqishdan iborat bo'lib, konstantalarni sozlaydigan ikkita loyqa
bo'lsa-o'shanda qoidasi mavjud. Bu bir xil tizim uchun bir xil o'zgaruvchining bir nechta kirishlarini modellashtirish imkonini
beruvchi dastlabki tasnif bilan bir-biriga mos keladigan ikkita tarmoqqa o'xshaydi. Ushbu sozlash loyqa tizimlarga
modellashayotgan ma'lumotlardan o'rganish imkonini beradi (Li; Niu; Xiao, 2012; Vang va boshq., 2021).
Ushbu tarmoq
odatda Li, Niu, Liu
va boshqalarda aniqlikni oshirish uchun boshqa modellarga nisbatan qo'llaniladi . (2012) ELM ilovasi bilan.
r
m
Machine Translated by Google

---

+
Ko'rsatilgan metodologiyalarning asosiy maqsadi bug 'ishlab chiqarishni maksimal darajada oshirish bilan birga yoqilg'i sarfini
minimallashtirishga imkon beruvchi modellarni (AI yoki matematik modellashtirish) qo'llash orqali qozonning samaradorligini baholashdir.
Boshqa tomondan, ba'zi modellar atrof-muhit qoidalarini tasdiqlash uchun muhim bo'lgan NOx ifloslantiruvchi moddalar kontsentratsiyasini
baholashga qaratilgan. Termografik tahlil kabi usullardan foydalanib, qozonning turli xil energiya yo'qotishlarini va ularning mumkin bo'lgan
yumshatilishini o'rganadigan tadqiqotlar mavjud. Bundan tashqari, ba'zi tadqiqotlar maksimal samaradorlikni va ularning ish faoliyatini
yaxshilaydigan o'zgaruvchilarning eng yaxshi kombinatsiyasini aniqlash uchun qozonning harakatini makro darajada tahlil qiladi.
+
Muhokamalarni sanoat qo'llanilishiga olib keladigan bo'lsak, samaradorlikni real vaqt rejimida baholashda turli modellardan
foydalanishni baholashga arziydi. Mexanik modellar odatda akademik amaliyotda amalga oshiriladi va ularni sanoat darajasida qo'llash
juda murakkab, shuning uchun empirik modellar muqobil sifatida paydo bo'ladi, ular ichida tarixiy jihatdan matematik modellashtirish ajralib
turadi.
Qozonxonalar bir nechta kichik tizimlardan tashkil topgan murakkab tizimlar ekanligini hisobga olsak, taqdim etilgan
metodologiyalarning aksariyati butun tizimni tahlil qilsa-da, ularning ba'zilari ushbu kichik tizimlarga ixtisoslashgan bo'lsa-da, bu issiqlik
uzatishga qaratilgan NTU va LMTD ishi. qozon yoki iqtisodchining almashtirgichida; termografik tahlil atrof-muhitga issiqlik uzatish tufayli
energiya yo'qotishlariga qaratilgan va odatda qozon izolyatsiyasining yaxlitligini aniqlash uchun ishlatiladi; va FEM, bu suyuqliklar orasidagi
issiqlik almashinuvini mexanik modellashtirish.
va (2) agar x1 A2 va x2 B2 r1
bo'lsa ,
+
Response Surface Methodology (RSM) kirish o'zgaruvchilari va bir yoki bir nechta chiqish o'zgaruvchilari o'rtasidagi munosabatlarni
o'rganish orqali neyron tarmoqlarni o'qitish uchun ishlatiladi. RSM metodologiyasi empirik modellarni yaratish uchun qo'llaniladigan statistik
va matematik usullar to'plamidir. Uning maqsadi kirish o'zgaruvchilari bilan bog'liq chiqish o'zgaruvchisini optimallashtirishdir. Qozonlarga
kelsak, eng keng tarqalgan model ikkita kirish o'zgaruvchisidan biri va 61- tenglamada ko'rsatilganidek, RSM metodologiyasi uchun ikkita
kirish o'zgaruvchisi bo'lgan odatiy modelga mos keladigan bitta chiqish o'zgaruvchisidir.
(61)
+
Bu erda, ci - modelni hal qilish uchun topiladigan doimiy koeffitsientlar, bu holda maqsad sifatida samaradorlik
funktsiya va oqim tezligi va harorat mustaqil o'zgaruvchilar sifatida (Maddah va boshq., 2019).
bu yerda p1 , q1 , p2 , q2 , r1 va r2 doimiylardir.
7-rasm. ANFIS arxitekturasi
r2 ,
Manba: Li va boshqalar. (2012).
RSM
70
Informador Técnico 86(1) Enero - Junio 2022: 53 -77
Loyqa if-on qoidalari: (1) agar x1 A1 va x2 B1 bo'lsa , f1 = p1 x1 u holda f2 = p2 x1
q1 x2
q2 x2