سیستم استنباط عصبی- فازی تطبیقی

با توجه به عدم امکان ذخیره انرژی الکتریکی ، شناسایی عوامل موثر بر تقاضای این حامل انرژی و پیش بینی دقیق روند آتی آن، ضرورت دارد . تاکنون روش های مختلفی در این زمینه مورد استفاده قرار گرفته است که در میان آن ها روش های هوشمند و به ویژه روش های فازی، دارای قابلیت های بیشتری هستند. در مطالعه حاضر از سیستم استنتاج عصبی- فازی ترکیب شده با الگوریتم انبوه ذرات ( PSO -ANFIS ) استفاده شده و پس ازشبیه سازی روند تقاضای بلند مدت انرژی الکتریکی طی دوره 1359 تا 1389 و بررسی کارایی سیستم، روند تقاضای بلندمدت انرژی الکتریکی کل کشور تا سال 1404 پیش بینی شده است. نتایج مطالعه، قدرت بالای الگوریتم ترکیبی انبوه ذرات و سیستم استنتاج عصبی- فازی تطبیقی را در پیش بینی تقاضای بلندمدت انرژی الکتریکی تایید می کند. نتایج نشان می دهد که براساس محتمل ترین سناریو، تقاضای انرژی الکتریکی کشور در سال 1404 به 401 میلیارد کیلووات ساعت خواهد رسید . همچنین ، براساس نتایج بدست آمده، کارایی روش پیشنهادی در پیش بینی متغیرهای مستقل در مقایسه با الگوی خطی ARIMA بیشتر است.

ﻣﻄﺎﻟﻌﻪ ﺣﺎﺿﺮ ﺑﺎ ﻫﺪف  پیش ﺑیﻨ ی ﺳ ﻼﻣﺖ ﻋﻤ ﻮﻣی ﺑﺮاﺳﺎس انگیزه مشارکت ورزشی و فرهنگ بدن انجام شد. نمونه آماری را تمامی زنان پرسنل شاغل در معاونتهای دانشگاه علوم پزشکی کرمان که شامل549 نفر بودند تشکیل می داد. ﺑﺮای ﺟﻤﻊ آوری داده ﻫﺎ از ﭘﺮﺳﺸﻨﺎﻣﻪ ﺳﻼﻣﺖ ﻋﻤﻮﻣی (GHQ-28)، پرسشنامه انگیزه مشارکت ورزشی (گیل و همکاران، 1983) و پرسشنامه محقق ساخته فرهنگ بدن استفاده گردید. برای کسب اعتبار علمی از روش روایی صوری و محتوایی استفاده شد. میزان پایایی پرسشنامه ها نیز از طریق ضریب آلفای کرونباخ تعیین گردید. چارچوب نظری تحقیق از طریق شبکه عصبی فازی در نرم افزار MATLAB طراحی شد. با بهره گیری از سیستم استنباط عصبی – فازی تطبیقی (ANFIS) ؛ بین متغیرهای ورودی؛ انگیزه مشارکت ورزشی و فرهنگ بدنی و متغیر خروجی؛ سلامت عمومی، رابطه ای برقرار شد. نتایج نشان داد که با توجه به همبستگی بالا بین ورودیهای شبکه و خروجیهای آن و نیز میزان خطای بدست آمده، مدل ANFIS مدلی بسیار مناسب برای پیش بینی سلامت عمومی تلقی میشود و بهترین حالت مدل جهت ارتقا سلامت عمومی زمانیست که فرهنگ بدن در حد متوسط باشد.