dalga karakteristiklerinin bulanık model ile tahmini
DESCRIPTION
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 - PowerPoint PPT PresentationTRANSCRIPT
Dalga Karakteristiklerinin Bulanık Model ile
TahminiMehmet Özger
İTÜ İnşaat FakültesiHidrolik 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
Rr: EĞER x1 Sr(1), x2 Sr(2),…, xp Sr(p) İSE yr Mr
SugenoRr: 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.
X1
X2
HL
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
IF x1 is L and x2 is H 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
Y
Consequent parameter adjustment (Least Squares)
Antecedent parameter adjustment (Gradient descendent)
INPUTS RULES OUTPUTS
HL
ANFIS’in genel işleyişi
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
n
1rir
n
1rrr
r
yry
Veri ve Uygulama
National Data Buoy Center ait Pasifik kıyılarında bulunan 46002 no’lu istasyon seçilmiştir.
0
5
10
15
20
25
0 2000 4000 6000 8000 10000 12000 14000 16000
Time index, hours
Win
d sp
eed,
m/s
0
2
4
6
8
10
12
14
0 2000 4000 6000 8000 10000 12000 14000 16000
Time index, hours
Sig
nific
ant
wav
e he
ight
, m
t
4
6
8
10
12
14
16
0 2000 4000 6000 8000 10000 12000 14000 16000
Time index, hours
Zer
o-up
-cro
ssin
g pe
riod,
s
t
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
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
Belirgin dalga yüksekliği 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
Ortalama dalga periyodu tahmini için
Örnek bulanık çıkarım
666.1005.0167.0766.0
413.1*005.0733.1*167.0653.1*766.0y
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
1)-0.22e(t-e(t))1t(w013.0)1t(s
H96.0)t(s
H
Sonuçların karşılaştırılması Hours Hs T02
R2
RMSE (m) SI R2
RMSE (s) SI
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)
+1 0.944 0.293 0.114 0.893 0.420 0.062
+3 0.855 0.471 0.184 0.717 0.683 0.101
+6 0.709 0.666 0.260 0.452 0.950 0.140
+12 0.476 0.895 0.349 0.036 1.260 0.186
0
0.5
1
1.5
2
2.5
3
0 20 40 60 80 100Tim e index, hours
Hs(
m)
Observed
FM
ARMAX
0
0.5
1
1.5
2
2.5
3
0 20 40 60 80 100Tim e index, hours
Hs(
m)
Observed
FM
ARMAX
0
0.5
1
1.5
2
2.5
3
0 20 40 60 80 100Tim e index, hours
Hs(
m)
Observed
FM
ARMAX
0
0.5
1
1.5
2
2.5
3
3.5
0 20 40 60 80 100Tim e index, hours
Hs(
m)
Observed
FM
ARMAX
TEŞEKKÜRLER