بکارگیری الگوریتم ژنتیک جهت بدست آوردن معماری شبکه عصبی
از الگوریتم ژنتیک جهت به­دست­آوردن معماری مناسب شبکه­ عصبی، شامل تعداد لایه ­ها، تعداد گره­های هر لایه، توابع فعال­سازی مربوط به لایه­ های پنهان، روش آموزش وزن­ها و بایاس­ها بهره گرفته شده است. جهت اجرای الگوریتم ژنتیک از جعبه ابزار بهینه­سازی^[۱۷] نرم افزار MATLAB بهره گرفته شده است. میزان خطای مدل نسبت به مقادیر خام در دسترس به­عنوان تابع هدف الگوریتم ژنتیک تعیین شده است و الگوریتم سعی در کمینه نمودن تابع هدف(خطا) دارد. اصرار به استفاده از الگوریتم ژنتیک غیر از آنچه که در شکل ۴-۲ تبیین شده است(یعنی استفاده در معماری و تعیین پارامترهای ساختار شبکه عصبی) نشان از اهمیت بسیار بالای خطا در موضوع بازار برق ایران دارد به طوری که خطای مثلاً ۱% که به ظاهر خطای اندکی به نظر می رسد عدم النفع های چند صد میلیون تومانی را تنها برای یک واحد توربین گازی مثلاً مدل v94.2a ، ۱۶۰ مگاواتی در طول مدت یکماه در پی خواهد داشت!

( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

قیود اعمال شده به فضای جستجوی الگوریتم ژنتیک جهت معماری شبکه عصبی
حداکثر تعداد لایه های پنهان: ۳
حداکثر تعداد نورون­های لایه ­های میانی: ۱۵
تعداد روش­های آموزش قابل انتخاب: ۱۰
تعداد توابع تبدیل قابل انتخاب: ۵
توابع تبدیل قابل انتخاب همان توابع معرفی شده در فصل دوم پایان نامه و جدول ۲-۱ می باشند.

پارامترهای مهم تعیین شده در الگوریتم
اندازه ی جمعیت: ۲۰
حداکثر تعداد نسل ­ها: ۱۰۰
حداکثر مدت زمان اجرا:
خطای مجاز: ^۷-۱۰
عدد برازش مطلوب: –
حداکثر تعداد نسل ­های در جا زده: ۱۰۰
حداکثر مدت زمان نسل ­های در جا زده:

نتایج بدست آمده از الگوریتم ژنتیک در معماری شبکه عصبی جعبه های تصمیم گیری
شکل ۴- ۳: نتایج خروجی الگوریتم ژنتیک برای جعبه مربوط به داده های ۱ سال گذشته
شکل ۴- ۴: نتایج خروجی الگوریتم ژنتیک برای جعبه مربوط به داده های ۱ ماه گذشته
شکل ۴- ۵: نتایج خروجی الگوریتم ژنتیک برای جعبه مربوط به داده های ۱ هفته گذشته
شکل ۴- ۶: نتایج خروجی الگوریتم ژنتیک برای جعبه مربوط به داده های بارهای مصرفی نزدیک به داده مورد نظر

روش های اندازه گیری خطاهای نتایج خروجی
در این پژوهش از روش های زیر جهت اندازه گیری خطا در نتایج خروجی الگوریتم استفاده شده است. این روش ها عبارتند از:
روش جذر میانگین مربع خطاها^[۱۸]

(۴-۲)

روش میانگین خطای مطلق^[۱۹]

(۴-۳)

روش میانگین خطای نسبی^[۲۰]