ارائه روشی برای مدل سازی سیستم با مجموعه داده کوچک به کمک شبکه عصبی به منظور بهینه سازی آن

کمبود داده از مهم ترین مشکلات در مدل سازی و بهینه سازی سیستم های واقعی در کاربردهای صنعتی است. روش های معمول مدل سازی، با داشتن مجموعه داده اندک از یک سیستم، توانمندی لازم را برای مدل کردن آن ندارند. در این مقاله روشی برای مدل سازی این نوع سیستم ها به منظور بهینه سازی ارائه شده که از دو مرحله اصلی تشکیل شده است. در مرحله اول به کمک شبکه عصبی، مدلی برای تولید داده ها ایجاد می شود که با دریافت هر خروجی دلخواه از سیستم، تعیین می کند این خروجی ناشی از اعمال چه ورودی ای به سیستم بوده است. در مرحله دوم، به کمک الگوریتم ژنتیک روشی برای بهینه سازی مدل تولیدشده ارائه می شود. در این مقاله، به کمک روش پیشنهادشده می توان ورودی های منجر به تولید خروجی بهینه را یافت. بهینه بودن عملکرد سیستم در تابعی موسوم به تابع برازش بررسی می شود. روش ارائه شده بر روی یک سری زمانی غیرخطی متغیر با زمان، به وسیله معادله ریاضی مشخص، و یک مجموعه داده واقعی از صنعت کشاورزی ارزیابی شده است. تحلیل نتایج آزمایش ها نیز با معیار میانگین مربعات خطا صورت گرفته است. نتایج ارزیابی با این معیار توانمندی این روش را در مدل سازی و بهینه سازی مجموعه داده های این مقاله نشان می دهد.