دانلود پایان نامه درمورد اجرای برنامه و مقدار خطا

1122.1%
Widget not in any sidebars

2.96%
Graf
0.397
-0.3041
3838.2
89.35%
148.73%
8.41%
Yang
0.869
0.7157
1792.1
41.34%
69.44%
43.93%
رویکرد ثانویه، الگوریتم بهینهسازی اجتماع ذرات (PSO)
در رویکرد ثانویه همین شبیهسازی را به طور جداگانه با استفاده از الگوریتم بهینهیابی اجتماع ذرات انجام داده و نتایج با مدل رگسیون بردار پشتیبان مقایسه میشود. تنها تفاوتی که در این دو رویکرد وجود دارد این است که مدل LSSVM عملیات برازش منحنی بر روی دادهها را به طور مستقیم انجام داده ولی در رویکرد دوم که با الگوریتم PSO انجام میشود، باید رابطهای را که محتمل است بین متغیرهای مستقل و دبی رسوب وجود داشته باشد به صورت یک رابطه کلی با ضرایب و توانهای مجهول حدس زده و در نتیجه با هدف کمینهسازی جذر میانگین مربعات خطا، این ضرایب واسنجی شوند. در رویکرد ثانی دادههای هر دسته به دو بخش آموزشی و آزمون تقسیم شدند که حدوداً 80 درصد به عنوان دادههای آموزشی و مابقی به عنوان دادههای آزمون در نظر گرفته شدند. در ابتدا ویژگیهای ورودی و مقادیر هدف دادههای آموزشی و سپس پارامترهای مربوط به الگوریتم اجتماع ذرات، تعداد ذرات و تعداد تکرارها را وارد کد نموده و پس از آن مقادیری به صورت تصادفی و به تعداد معیّن به ضرایب تابع برآورد پیشنهادی که نقش موقعیت ذرات یا پرندگان را دارد، اختصاص داده میشود. در ضمن در ابتدای کار به هر ذره سرعت مشخصی اختصاص داده میشود. هر کدام از ذرات با موقعیت به خصوصی که دارند وارد تابع برآورد پیشنهادی شده و مقادیر غلظت رسوب را برآورد و سپس مقادیر خطا را محاسبه میکند. هر ذره با موقعیت به خصوصی که دارد، یک مقدار خطای برآورد به آن تخصیص داده میشود. در این میان ذرهای که کمترین خطا را در بین ذرات دیگر دارد، به عنوان بهترین عمومی شناخته میشود. در ادامه هر ذره متناسب با سرعتی که در تکرار قبل داشته و نیز متناسب با موقعیتی که بهترین ذره در تکرار قبلی داشته و همچنین با بهترین موقعیتی که خود ذره تاکنون تجربه کرده است، سرعت خود را برای تکرار بعد تنظیم مینماید. موقعیت بعدی ذره نیز با توجه به موقعیت قبلی ذره و سرعت تکرار بعد تنظیم میشود. در طی تکرارهایی که تاکنون صورت گرفته است موقعیتی که هر ذره، در طی این تعداد تکرار، دارای کمترین خطا است به عنوان بهترین فردی یا محلی شناخته میشود که در چهار سطر قبل، از آن به عنوان بهترین موقعیت ذره یاد شد. سپس تکرارهای بعدی شروع شده و آنقدر ادامه مییابد تا کلیه ذرات به سمت بهترین عمومی میل کرده و مدل همگرا شود. و پس از همگرایی، ضرایب بهینه تابع پیشنهادی و نیز مقادیر شاخصهای آماری مربوط به مدل به عنوان خروجی چاپ میشود. همچنین در نهایت نمودارهای پراکندگی مقادیر برآورد و مشاهدهای غلظت رسوب گزارش شده است. بعضی اوقات ممکن است مدل الگوریتم اجتماع ذرات در بهینههای محلی گیر بیفتد. برای جلوگیری از این اتفاق، موقعیت و سرعت ذرات در تکرارهای بعدی با احتمال در حدود 4 درصد، و شاید پایینتر یا بالاتر، مجدداً به صورت تصادفی تعیین گردید. در این رویکرد، که فقط با الگوریتم PSO برآورد غلظت رسوبات بستر صورت میپذیرد، باید کلیه توابع اعم از چندجملهای، توانی، کسری، لگاریتمی، نمایی و … همراه با عملگرهای جمع، تفرق، ضرب و تقسیم و ترکیبی از این توابع استفاده شده و بهترین تابع ممکن که دارای کمینه خطا در بین توابع است، گزارش میشود. تابع برآورد ترکیبی از متغیرهای بدون بعدی است که پیشتر ذکر شدهاند. با بهرهگیری از این متغیرهای بیبعد و غلظت رسوبات، ضرایب و توانهای بهینه به دست آمده و در نهایت با وارد نمودن متغیرهای بیبعد مربوط به دادههای آزمون، غلظت این دسته از دادهها برآورد شده و عملکرد تخمین الگوریتم بررسی میشود. با بررسی و تفحّص در بین توابع مختلف، ترکیبی از توابع نمایی و لگاریتمی بهترین پاسخ را نسبت به توابع دیگر گزارش میدادند. در نهایت با انتخاب تابعی به فرم زیر ضرایب و توانها براساس الگوریتم اجتماع ذرات به مقدار بهینه خود خواهند رسید:
(‏515)
کهها همان ضرایبی هستند که باید توسط الگوریتم یافته شوند. در این حالت هدف این است که خطای برآورد کمینه شود. به بیانی دیگر، باید جذر میانگین مربعات تفاضل غلظت برآورد و اندازهگیری کمینه شود. برای یافتن مقادیر ها در ابتدا مقادیری به صورت تصادفی در یک فضای جستوجوی وسیع در بازهی (1000+، 1000-) به آنها اختصاص داده شد. مشاهده شد که الگوریتم به سمت مقادیر پایینی در بازهی (100+، 100-) متمایل است برای همین در گام بعد مقادیر تصادفی به بازهی (100+، 100-) محدود شدند. مجدداً دیده شد که میتوانیم محل مقادیر بهینهی ها را به بازهی کوچکتری بین (10+، 10-) محدود نمود. در نهایت با اجرای برنامه و وارد کردن مقادیر پارامترهای واسنجی شده الگوریتم PSO، که در جدول (5-2) درج شدهاند، و همچنین با وارد کردن مقادیر جدول (5-3) ضرایب همگرا شدند و نتایج حاصل در جدول (5-4) آورده شده است.
جدول ‏52: مقادیر واسنجی شده پارامترهای مربوط به الگوریتم بهینهیابی اجتماع ذرات
C2
C1
wmin
w
پارامترها