كاربرد الگوريتم ژنتيك در بهينه‌سازي عملكرد سيستم استنتاج فازي-عصبي تطبيقي به منظور پيش‌بيني بيشترين دماي هوا (مطالعۀ موردي: شهر اصفهان)

الگوريتمهاي موجود براي آموزش سيستم استنتاج فازي- عصبي تطبيقي (ANFIS) باوجود كاربرد فراوان، نقايصي همچون به‌دام‌افتادن در بهينۀ محلي دارند. در پژوهش حاضر، كاربرد الگوريتمهاي بهينهسازي ژنتيك (GA)، ازدحام ذرات (PSO)، كلوني مورچگان براي محيط‌‌‌هاي پيوسته (ACOR) و تكامل تفاضلي (DE)، در توسعه و بهبود عملكرد ANFIS ‌بررسي شد. به‌عنوان مطالعۀ موردي، بيشترين دماي ماهانۀ شهر اصفهان در بازۀ زماني 64 ساله (1330-1393)، شبيه سازي و تحليل شد. به اين منظور، ابتدا با استفاده از آناليز حساسيت، مناسب‌ترين وروديها براي هر يك از افقهاي پيشبيني (يك ماه، يك تا سه سال) انتخاب شد. سپس، بيشترين دما به وسيلۀ مدلهاي هيبريدي ANFIS-GA، ANFIS-PSO، ANFIS-DE، ANFIS-ACOR و مدل ANFIS پيشبيني شد. در ادامه، عملكرد هر يك از مدلها با استفاده از شاخصهاي آماري R2، RMSE و MAE ارزيابي شد. نتايج نشان داد مدل ANFIS-GA، بهعنوان مناسبترين مدل، دقت عملكرد ANFIS را در پيشبيني افق‌هاي يك ماه و يك تا سه سال آينده در R2 به‌ترتيب به مقدار 06/ 0، 07 /0، 08/ 0 و 12/ 0 و در RMSE به ميزان 09 /0، 09 /0، 16 /0 و 1 /0 بهبود داده است. پس از آن، به‌ترتيب ANFIS-DE و ANFIS-PSO مناسبترين دقت را داشتند. از سوي ديگر، ANFIS با بيشترين خطا و كمترين R2، بهعنوان ضعيفترين مدل شناخته شد. نتايج ‌نشان داد مدلهاي هيبريدي پيشنهادي، با استفاده از تكنيك جست‌وجوي سراسري و جلوگيري از به‌دام‌افتادن در بهينۀ محلي، عملكرد ANFIS را بهطور مطلوبي بهبود دادهاند. مدلهاي پيشنهادي پتانسيل زيادي بهمنظور استفاده در ساير مسائل مرتبط با هيدرولوژي و منابع آب دار‌ند.