طراحی یک سیستم بهبود یافته استنتاج عصبی – فازی مبتنی بر الگوریتم بهینه‌سازی وال به منظور پیش بینی میزان اهدای خون

یکی از تکنیک‌‌‌های مناسب برای حل مسائل مهندسی جهت پیش‌بینی متغیر‌‌ها در زنجیره تامین و نیز سیستم‌‌‌هایی که دارای پیچیدگی و عدم صراحت زیاد بوده و یا داده‌‌‌های کافی درمورد آن‌‌‌ها موجود نیست، استفاده از تئوری مجموعه‌‌‌های فازی و شبکه عصبی مصنوعی بوده است. این روش نسبت به سایر روش‌‌‌ها در زمان نسبتا کوتاه‌تری به بررسی داده‌‌‌ها وکشف الگوی نهفته در آن جهت پیش‌بینی و یا تاثیرگذاری آن بر آینده می‌پردازد. سیستم استناج عصبی-فازی (انفیس)، شبکه‌‌‌های عصبی و مفاهیم منطق فازی را یکی می‌کند، می‌تواند از امکانات هر دو آن‌‌‌ها در یک قاب بهره ببرد که سیستم استنتاج آن مطابق با مجموعه قوانین فازی اگر-آنگاه است که قابلیت یادگیری برای تقریب زدن توابع غیرخطی را دارد. تعریف متغیر‌‌‌ها بر اساس داده‌‌‌های گذشته و تاثیر آن متغیر‌‌‌ها در توالی‌‌‌های زمانی گذشته به منظور پیش‌بینی وضعیت آینده از جمله کاربرد این روش است. لذا در این تحقیق به منظور پیش‌بینی میزان اهدای خون در مراکز اهدای خون بر اساس داده‌‌‌های سال‌‌‌های گذشته از تکنیک انفیس استفاده شده، از آنجایی که هر روش پیش‌بینی دارای میزان خطای مخصوص به خود است. به منظور کاهش خطای روش مذکور از الگوریتم فراابتکاری وال به منظور بهبود مقادیر پارامتر‌‌‌های سیستم عصبی- فازی استفاده شده که نتایج حاصله نشان دهنده کاهش خطای جذر میانگین مربعات پیش‌بینی از 0,00261 به 0,00153 در الگوریتم ترکیبی انفیس-وال و بهبود 41 درصدی آن نسبت به روش انفیس خواهد بود.

Designing an improved Adaptive NeuroFuzzy Inference System based on Whale Optimization Algorithm to predict blood donation

Artificial neural networks and fuzzy sets theory is one of appropriate techniques to solve engineering problems in order to predict variables of supply chains and, also, of systems with high complexity and implicitly which provide no sufficient data. The main advantage of this technique over others, which lies in the short time of data examination and algorithm discovery, is in the line with that prediction and/or its influence on the future. Adaptive neurofuzzy inference system (ANFIS) combines neural networks with fuzzy logic concepts and is able to use capabilities of both in one framework, the inference system of which is in conformity to fuzzy ifthen rules having potential for learning how to approximate nonlinear functions. Among applications of this technique are to define variables based on the past data and their impacts on the past temporal sequences in order to predict future conditions. This research, therefore, uses neurofuzzy technique in order to blood donation based on data from the past years. Since each technique has its own error rates, Metaheuristic Whale Algorithm is used to reduce errors of ANFIS by improving the parameter values of neurofuzzy systems. The obtained results show a reduction of the RMSE of prediction from 0.00261 to 0.00153 in the ANFISWOA and a 41% improvement over the ANFIS method.