دانلود مقاله ISI انگلیسی شماره 46381
عنوان فارسی مقاله

یک روش مبتنی بر سیستم منطق فازی نوع 2 بازه زمانی برای ساخت پیش بینی بازه زمانی

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
46381 2014 10 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
An interval type-2 fuzzy logic system-based method for prediction interval construction
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Applied Soft Computing, Volume 24, November 2014, Pages 222–231

کلمات کلیدی
منطق فازی نوع 2 بازه زمانی - تردید - بازه ی زمانی پیش بینی
پیش نمایش مقاله
پیش نمایش مقاله یک روش مبتنی بر سیستم منطق فازی نوع 2 بازه زمانی برای ساخت پیش بینی بازه زمانی

چکیده انگلیسی

This paper introduces a new non-parametric method for uncertainty quantification through construction of prediction intervals (PIs). The method takes the left and right end points of the type-reduced set of an interval type-2 fuzzy logic system (IT2FLS) model as the lower and upper bounds of a PI. No assumption is made in regard to the data distribution, behaviour, and patterns when developing intervals. A training method is proposed to link the confidence level (CL) concept of PIs to the intervals generated by IT2FLS models. The new PI-based training algorithm not only ensures that PIs constructed using IT2FLS models satisfy the CL requirements, but also reduces widths of PIs and generates practically informative PIs. Proper adjustment of parameters of IT2FLSs is performed through the minimization of a PI-based objective function. A metaheuristic method is applied for minimization of the non-linear non-differentiable cost function. Performance of the proposed method is examined for seven synthetic and real world benchmark case studies with homogenous and heterogeneous noise. The demonstrated results indicate that the proposed method is capable of generating high quality PIs. Comparative studies also show that the performance of the proposed method is equal to or better than traditional neural network-based methods for construction of PIs in more than 90% of cases. The superiority is more evident for the case of data with a heterogeneous noise.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.