بهينه يابي تعداد لايه ها و نرونهاي شبكه عصبي مصنوعي به روش الگوريتم ژنتيك در پيش بيني جريان

بهينه يابي تعداد لايه ها و نرونهاي شبكه عصبي مصنوعي به روش الگوريتم ژنتيك در پيش بيني جريان

در دهه های اخیر پیشرفت های چشمگیری در زمینه های مختلف به كارگیری شبكه های عصبی مصنوعی (ANN) به عنوان مدلی كه با تجزیه و تحلیل اطلاعات موجود امكان پیش بینی را بدون نیاز به استخراج توابع پیچیده و روابط غیر خطی و نا مشخص فراهم می سازد، در بسیاری از علوم مختلف علمی و مهندسی به ویژه مهندسی آب حاصل شده است. با توجه به گستردگی پارامترهای شبكه عصبی مصنوعی جهت پیش بینی مطلوب لازم است زمان زیادی صرف كالیبراسیون این پارامترها گردد. بدیهی است كه بدلیل عدم تبعیت تركیب این اعداد از تابع خطی یا غیر خطی امكان بهینه سازی با روشهایی بر مبنای گرادیان مقدور نیست. در این تحقیق الگوریتم ژنتیك به عنوان یك ابزار بهینه سازی در تعیین تركیب بهینه پارامتر های مؤثر در كالیبراسیون ضرایب ANN به كار گرفته شد. با انجام فرآیند فوق در یك مدل پیش بینی جریان تعداد لایه های مخفی و تعداد نرونهای مؤثر در هر یك از لایه ها به نحوی تعیین گردید كه بهترین حالت در مقادیر پیش بینی شده جریان حاصل گردد. نتایج بیانگر سرعت بالای همگرایی الگوریتم ژنتیك و برتری كارائی آن در قیاس با انجام روش آزمون و خطا جهت انتخاب پارامتر های مؤثر بر شبكه می باشد.