Dalga Karakteristiklerinin Bulanık Model ile Tahmini

Slides:



Advertisements
Benzer bir sunumlar
Yapay Zeka ve Makine Öğrenmesine Genel Bir Bakış
Advertisements

Prof. Dr. Ali ŞEN Akdeniz KARPAZ Üniversitesi
  5.4 PROJE TRAFİĞİ Kırsal yolların tasarımı ile ilgili geometrik standartların seçimine esas olan trafik için genelde 20 sene sonraki trafik değeri alınır.
ZAMAN SERİLERİ -1 ÖNGÖRÜ :
Mehmet Özger İstanbul Teknik Üniversitesi, İnşaat Fakültesi, Hidrolik Anabilim Dalı, Maslak 34469, İstanbul.
BENZETİM Prof.Dr.Berna Dengiz 8. Ders.
YAEM Tolga Bektaş, Southampton University
Makine Müh. & Jeoloji Müh.
MERKEZİ YIĞILMA (EĞİLİM) ÖLÇÜLERİ
Bilgisayar Programlama Güz 2011
EKRAN ÇIKTISI.
BENZETİM Prof.Dr.Berna Dengiz 7. Ders.
MIT563 Yapay Zeka ve Makine Öğrenmesi
İstatistik Tahmin ve Güven aralıkları
İhalelerde Uygun Teklif Bedelinin Grafikler ve Regresyon Analizi Yardımı ile Belirlenmesi.
İlk Yapay Sinir Ağları.
İKİ DEĞİŞKENLİ BASİT DOĞRUSAL REGRESYON MODELİ
8. SAYISAL TÜREV ve İNTEGRAL
SEL KONTROLUNDA HİDROLOJİ
Algoritmalar En kısa yollar I En kısa yolların özellikleri
ÇAMAŞIR MAKİNESİNDE DEVİR VE YIKAMA SÜRESİ KONTROLÜ
Tanımlayıcı İstatistikler
3. Hipergeometrik Dağılım
Bellek Tabanlı Sınıflandırma
YMT 222 SAYISAL ANALİZ (Bölüm 2b)
İstatistiksel Sınıflandırma
Genel Meteoroloji Kursu
XII International TwelfthTurkish Symposium on Artificial Intelligence and Neural Networks 2003 Canakkale Turkey Veri Tabanı Sunucu Kümelerinde Yük Dengeleme.
Abdulkerim Karabiber Ozan Gül
Serhat YILMAZ Ek.6 DC Servomotor Konum Kontrolü ( Nguyen, H.T.ve diğ.,2003 )
Kuzey Denizi-Hazar Paterni’nin (NCP), Avrupa- Asya-Akdeniz Bölgesi Denizel Basenlerine Etkisi. Murat Gündüz ve Emin Özsoy Orta Doğu Teknik Üniversitesi.
Analiz ve Tahmin Teknikleri Eğitimi Antalya, Nisan 2013 Bölüm 3: RADAR DEĞİŞKENLERİ Dr. Kurtuluş ÖZTÜRK.
Minterim'den maksterime dönüşüm
Yrd. Doç. Dr. Ayhan Demiriz
Erkan ULKER & Ahmet ARSLAN Selçuk Üniversitesi,
Bulanık Mantık.
FİNANS KURUMLARI YAZILIM PROJELERİNDE EFOR TAHMİNİ İÇİN PARAMETRİK YÖNTEMLERİN ANALİZİ Mevlüt GÜÇLÜ Kuveyt Türk Katılım Bankası Bilgi Teknolojileri ve.
DOĞRUSAL OLMAYAN REGRESYON MODELLERİ…
Meta Analizinde Son Gelişmeler
Operasyon Yönetimi Talep Tahmini Doç. Dr. Mustafa Yüzükırmızı
MANTIKSAL KAPILAR.
Fizik I.
ÖĞRENME AMAÇLARI Veri analizi kavramı ve sağladığı işlevleri hakkında bilgi edinmek Pazarlama araştırmalarında kullanılan istatistiksel analizlerin.
Bulanık Mantık Mamdani Bulanık Netice Ve Bulanık Çıkarma
Bulanık Mantık Bulanık Mantığın Temel Kavramları
Bulanık Mantık Mamdani Bulanık Netice Ve Bulanık Çıkarma
En Yakın k-komşu Algoritması Bellek Tabanlı Sınıflandırma
Yapay Sinir Ağları (YSA)
Bulanık Mantık ve Yapay Sinir Ağlarına Giriş
Bulanık Mantık Kavramlar:
ÖRNEK Tank Sıvı Seviye Bulanık Kontrolü
Bulanık Mantık Tabanlı Uçak Modeli Tespiti
Veri Tabanı Yönetimi Dersi 7. Laboratuvarı Arş. Gör. Pınar CİHAN.
2/29 Nehir Havzası Araştırıcısı Çıktı Hidroloji Su Kalitesi Ekoloji Önlemler Su Kütlesi Verileri Raporlar Haritalar Çıktılar Girdi Senaryolar Su Bütçesi.
Bulanık Mantık Mamdani Bulanık Netice Ve Bulanık Çıkarma
İSTATİSTİKTE TAHMİN ve HİPOTEZ TESTLERİ İSTATİSTİK
Enerji Sistemlerinde Akıllı Sistem Uygulamaları Akademik Yılı Bahar yarıyılı Doç.Dr. Raşit ATA
ANFIS Metodu ile Eleviyan Barajından Bırakılacak Su Miktarının Belirlenmesi Mehmet Ali HINIS1, Mohammad Taghi SATTARI2, Kadri YÜREKLİ3 1. Aksaray Üniversitesi,
Yapay Bağışıklık Tabanlı Bulanık Mantık ile TENS Modellenmesi
Kümeleme Modeli (Clustering)
ÜSTEL DÜZLEŞTİRME YÖNTEMİ
Bir sektörün doğrusal üretim fonksiyonu
YAPI-ZEMİN DİNAMİK ETKİLEŞİMİ
5.1 POLİNOMİNAL REGRESSİYON
Bulanık Kümeler ile İnşaatlarda Yeni Bir İş Güvenliği Risk Analizi Yöntemi Eray KIŞKAN.
BENZETİM 2. Ders Prof.Dr.Berna Dengiz Sistemin Performans Ölçütleri
Yapay Zeka Nadir Can KAVKAS
NİŞANTAŞI ÜNİVERSİTESİ
Hastane Bilgi Sistemlerinde Veri Madenciliği
DA MOTOR SÜRÜCÜLERİ İÇİN BULANIK MANTIK DENETİMİ
Sunum transkripti:

Dalga Karakteristiklerinin Bulanık Model ile Tahmini Mehmet Özger İTÜ İnşaat Fakültesi Hidrolik Anabilim Dalı Bahar Seminerleri - 2007

Amaç Rüzgar hızı, önceki ve şimdiki dalga karakteristikleri (Belirgin dalga yüksekliği ve periyodu) arasında bulunan ilişkiyi belirlemek EĞER-İSE kurallarını kullanarak bulanık modeli kurmak Literatürde ki mevcut yöntemler ile karşılaştırmak

Dalga Tahminleri Pierson ve Moskowitz (1964) (PM) Sverdrup-Munk-Bretschneider (SMB) (Bretschneider, 1970) Darbyshire (1963) ve Bretschneider (1973) Hasselmann ve diğ. (1973) (JONSWAP) ARMA ve ARIMA Yapay sinir ağları (YSA) Bulanık mantık (Fuzzy Logic)

Rüzgar hızının dalga karakteristikler üzerindeki etkisi dinamik bulanık modelleme kullanılarak belirlenmeye çalışılacaktır. Belirgin dalga yüksekliği ve ortalama dalga periyodu belli bir ortalama etrafında salınım göstermektedir. Önerilen bulanık model, bulanık kuralları temsil eden bir çok doğrusal modelin ağırlıklı ortalaması şeklinde düşünülebilir. Modelin girdi parametresi rüzgar hızı sıfır ile büyük değerler arasında değişmektedir. Bunu bir global model ile ifade etmek hem klasik yöntemler için bir dezavantajdır hem de sınırlı doğruluktadır

Bulanık Model Bulanıklaştırma: Girdi ve çıktı değişkenlerinin uygun sözel alt kümelere bölünmesi (YSA, GA, gruplama (clustering),istatistiksel, sezgisel) EĞER-İSE kurallarının çıkartılması Bulanık çıkarım Durulaştırma

Uygulamada iki temel yaklaşım vardır Mamdani Sugeno Rr: EĞER x1 Sr(1), x2 Sr(2),…, xp Sr(p) İSE yr Mr Sugeno Rr: EĞER x1 Sr(1), x2 Sr(2),…, xp Sr(p) İSE yr = fr(x1, x2, …, xp)

Sugeno tipi bulanık modellemede ana sorun parametrelerin belirlenmesidir. Bunlar üyelik fonksiyonları ve soncul kısım parametreleridir. Bu parametreleri belirlemek için Jang (1993) tarafından öne sürülen ANFIS (Adaptive Neural Fuzzy Inference System) yöntemi kullanılmıştır.

ANFIS’in genel işleyişi Antecedent parameter adjustment (Gradient descendent) INPUTS RULES OUTPUTS L H IF x1 is L and x2 is L then output is IF x1 is L and x2 is H then output is IF x1 is H and x2 is L then output is Y1= c1(0)+c1(1)x1+c1(2)x2 Y2= c2(0)+c2(1)x1+c2(2)x2 Y3= c3(0)+c3(1)x1+c3(2)x2 Y4= c4(0)+c4(1)x1+c4(2)x2 X1 Y L H X2 Consequent parameter adjustment (Least Squares)

Sugeno bulanık çıkarım algoritması Herbir kural için yi’ler hesaplanır yr = fr ( x1, x1, ..., xn) = cr(0) +cr(1)x1+...+cr(n)xn Kural ağırlıkları bulunur rr = (m1r  m2r ....... mnr) Ağırlıklı ortalama alınır

Veri ve Uygulama National Data Buoy Center ait Pasifik kıyılarında bulunan 46002 no’lu istasyon seçilmiştir.

Eğitim sonucunda elde edilen bulanık kümeler Dalga yüksekliği tahmini için üyelik fonksiyonları a) Rüzgar hızı b) Bir önceki dalga yüksekliği

Dalga periyodu tahmini için üyelik fonksiyonları a) Rüzgar hızı b) Bir önceki dalga periyodu

Bulanık kural tablosu Belirgin dalga yüksekliği tahmini için Kurallar Tanımı 1 IF wsp(t) is Low and Hs(t) is Low THEN Hs(t+1) = 0.01144 * wsp(t) + 0.879 * Hs(t) + 0.2589 2 IF wsp(t) is Medium and Hs(t) is Medium THEN Hs(t+1) = -0.02215* wsp(t) + 0.9969 * Hs(t) + 0.2757 3 IF wsp(t) is High and Hs(t) is High THEN Hs(t+1) = 0.08978 * wsp(t) + 0.8118 * Hs(t) + -0.1511

Ortalama dalga periyodu tahmini için Kurallar Tanımı 1 IF wsp(t) is High and T02(t) is Low THEN T02 (t+1) = -0.01832 * wsp(t) + 1.085 * T02 (t) + -0.2141 2 IF wsp(t) is Medium and T02 (t) is Very High THEN T02 (t+1) = -0.06118 * wsp(t) + 0.9714 * T02+ 0.2771 3 IF wsp(t) is Very High and T02 (t) is High THEN T02 (t+1) = 0.02799 * wsp(t) + 0.8189 * T02+ 1.1 4 IF wsp(t) is Low and T02 (t) is Medium THEN T02 (t+1) = 0.05002 * wsp(t) + 0.8844 * T02+ 0.8447

Örnek bulanık çıkarım

ARMAX modeli A(q)y(t)=B(q)u(t-nk)+C(q)e(t) A(q)= 1+a1q-1+…+ apq-p B(q)= b1+b2q-1+…+ arq-r+1 C(q)= 1+c1q-1+…+ cmq-m

Sonuçların karşılaştırılması  Hours Hs  T02   R2 RMSE (m) SI (s) TS Fuzzy Model +1 0.948 0.282 0.110 0.922 0.359 0.053 +3 0.921 0.347 0.135 0.847 0.502 0.074 +6 0.808 0.541 0.211 0.699 0.704 0.104 +12 0.640 0.741 0.289 0.467 0.937 0.138 ARMAX(1,1,1,1) 0.944 0.293 0.114 0.893 0.420 0.062 0.855 0.471 0.184 0.717 0.683 0.101 0.709 0.666 0.260 0.452 0.950 0.140 0.476 0.895 0.349 0.036 1.260 0.186

TEŞEKKÜRLER