Тадқиқоти академӣ, забони фаҳмо

Verianla | Тадқиқоти академӣ ва илм ба забони тоҷикӣ

18 ноябр 2026, чоршанбе
VERİANLA Нашри мустақили илмӣ
Кушодан ё бастани меню
...
Саҳифаи асосӣ / Илмҳои гуманитарӣ / Меъморӣ / Пешгӯии Ҳарорати Синтетикӣ бо Истифода аз Шабакаи Нейронии Интуитсионистии Норавшан тавассути Оптимизатсияи Тӯдаи Зарраҳо
Меъморӣ

Пешгӯии Ҳарорати Синтетикӣ бо Истифода аз Шабакаи Нейронии Интуитсионистии Норавшан тавассути Оптимизатсияи Тӯдаи Зарраҳо

Ин таҳқиқот равиши интуитсионистии норавшанро, ки иттилооти номуайяниро бо дараҷаҳои узвият ва ғайриузвият ифода мекунад, бо шабакаи нейроние, ки муносибатҳои ғайрихаттиро меомӯзад, ва бо усули оптимизатсияе, ки параметрҳои шабакаро тавассути Оптимизатсияи Тӯдаи Зарраҳо (Particle Swarm Optimization, PSO) ҷустуҷӯ мекунад, муттаҳид месозад.

17/11/2026  Veri Anla  111 боздид
Пешгӯии Ҳарорати Синтетикӣ бо Истифода аз Шабакаи Нейронии Интуитсионистии Норавшан тавассути Оптимизатсияи Тӯдаи Зарраҳо

Ин таҳқиқот равиши интуитсионистии норавшанро, ки иттилооти номуайяниро бо дараҷаҳои узвият ва ғайриузвият ифода мекунад, бо шабакаи нейроние, ки муносибатҳои ғайрихаттиро меомӯзад, ва бо усули оптимизатсияе, ки параметрҳои шабакаро тавассути Оптимизатсияи Тӯдаи Зарраҳо (Particle Swarm Optimization, PSO) ҷустуҷӯ мекунад, муттаҳид месозад. IFNN–PSO-и пешниҳодшуда модели proof-of-concept мебошад, ки барои пешгӯии ҳарорати дилхоҳи дохили бино аз тағйирёбандаҳои синтетикии HVAC сохта шудааст. Шабакаи ҳуҷҷатгузоришудае, ки дар таҷрибаҳои ададӣ истифода шудааст, аз 5 вуруди нормализатсияшуда, 15 нейрони пинҳонӣ ва 2 баромад, ки иттилооти узвият/ғайриузвиятро ифода мекунанд, иборат аст; дар маҷмӯъ 122 параметри вазн ва bias аз ҷониби PSO оптимизатсия мешавад.

Додаҳо аз бинои воқеӣ чен нашудаанд. Дар маҷмӯъ 1000 намунаи синтетикӣ тавлид шудааст; 700 намуна танҳо барои таҳияи модел, санҷиши салибии панҷкарата, интихоби меъморӣ ва танзимоти PSO истифода шудааст; маҷмуаи боқимондаи 300 намуна ҳамчун тестии ҳифзшуда пас аз анҷоми ҳамаи равандҳои интихоб танҳо барои як арзёбии ниҳоӣ истифода шудааст. Дар маҷмуаи тестии ҳифзшуда барои IFNN–PSO MSE 0.0853, RMSE 0.2920, MAE 0.2314 ва R² 0.8784 гузориш шудааст.

IFNN–PSO дар байни моделҳои муқоисашуда аз рӯи MSE, RMSE ва MAE пасттарин қиматҳои хаторо ба даст овардааст. Бо вуҷуди ин, аз рӯи R² модели дорои баландтарин қимат нест: дар Ҷадвали 14-и манбаъ барои Transformer 0.8826, барои LSTM 0.8813 ва барои XGBoost 0.8796 гузориш шудааст, дар ҳоле ки IFNN–PSO дар сатҳи 0.8784 қарор дорад. Аз ин рӯ, таҳқиқот хулосаи “модели беҳтарин дар ҳамаи метрикаҳо”-ро дастгирӣ намекунад; он дар додаҳои синтетикӣ натиҷаи беҳтаринро аз рӯи бузургии хато ва натиҷаи рақобатпазирро аз рӯи дисперсияи шарҳдодашуда дастгирӣ мекунад.

Дар таҳқиқот инчунин “суррогати беандозаи каҷравии ҳарорат” бо қимати 38.19 барои IFNN–PSO, 44.21 барои ANN ва 46.35 барои регрессияи хаттӣ муқоиса шудааст. Он ки IFNN–PSO дар ин балли суррогатии муайяншуда нисбат ба ANN %13.61 ва нисбат ба регрессияи хаттӣ %17.60 қимати пасттар медиҳад, сарфаи энергия нест. Таҳқиқот қувваи воқеии барқии HVAC, энергияи гармӣ, қувваи компрессор, COP, ҷараёни ҳаво, динамикаи актуатор ё истеъмоли энергияи биноро чен накардааст.

Аз нуқтаи назари Туркия, натиҷаҳо бевосита ба ягон бинои Туркия ё системаи маҳаллии HVAC татбиқ нашудаанд. Агар истифода дар биноҳои воқеии Туркия баррасӣ шавад, модел бояд бо додаҳои мустақили воқеии ченкунӣ, шароити иқлимии маҳаллӣ, динамикаи гармии бино, таҷҳизоти HVAC, системаи идоракунӣ, намунаҳои ишғолшавӣ ва истеъмоли ченшудаи энергия аз нав омӯзонида ва санҷида шавад. Бе ин корҳо таҳқиқотро ҳамчун далели сарфаи энергия, беҳтар шудани роҳат ё муваффақияти идоракунии вақти воқеӣ дар Туркия тафсир кардан мумкин нест.

Масъалаи асосии таҳқиқот

Дар системаҳои HVAC ҳарорати дохили бино метавонад бо якчанд тағйирёбанда, ба монанди ҳарорати берунӣ, ҳарорати ҷории дохилӣ, намии нисбӣ, ишғолшавӣ ва вақти рӯз алоқаманд бошад. Муносибати байни ин тағйирёбандаҳо метавонад ғайрихаттӣ бошад ва додаҳои сенсор ё афзалиятҳои корбар метавонанд номуайяниро дар бар гиранд. Равиши таҳқиқот ин масъаларо бо муттаҳид кардани се ғояи гуногуни ҳисоббарорӣ ҳал мекунад: ифодаи интуитсионистии норавшан номуайяниро ифода мекунад, шабакаи нейронӣ муносибати ғайрихаттиро тақриб мекунад ва PSO параметрҳои вазн/bias-и шабакаро тавре ҷустуҷӯ мекунад, ки функсияи хатогиро кам кунад.

Шабакаи нейронии интуитсионистии норавшан нисбат ба шабакаи одии норавшан чиро дигар хел ифода мекунад?

Равиши интуитсионистии норавшан на танҳо то чӣ андоза ба як маҷмуа тааллуқ доштани қиматро, балки ҳамзамон то чӣ андоза тааллуқ надоштани онро ва миқдори боқимондаи тардидро низ ҳамчун бузургиҳои ҷудогона ифода мекунад; ҳамин тавр, бо сегонаи узвият, ғайриузвият ва тардид тасвири муфассалтари номуайянӣ ҳадаф гирифта мешавад.

Маҷмуаи норавшан: Муодилаи (1)

\[ A=\{\langle x,\mu_A(x)\rangle\mid x\in X\} \]

\(X\) маҷмуаи универсалӣ, \(x\) як унсур ва \(\mu_A(x)\in[0,1]\) дараҷаи узвиятро нишон медиҳад. \(\mu_A(x)=1\) узвияти пурраи унсур ба маҷмуа, 0 бошад набудани узвиятро ифода мекунад. Қиматҳои байни онҳо узвияти қисмиро нишон медиҳанд.

Қоидаи норавшан: Муодилаи (2)

\[ \text{EĞER }x\text{ A ise ve }y\text{ B ise, O HALDE }z\text{ C'dir.} \]

Дар ин ҷо A, B ва C маҷмуаҳои норавшананд. Манбаъ мегӯяд, ки амалҳои монанди AND/OR метавонанд бо t-норма ва t-конормаҳо; масалан, бо минимум, максимум ё зарби алгебравӣ татбиқ шаванд. Ҳангоми зарурат баромади норавшан метавонад тавассути defuzzification ба як қимати ягонаи ададӣ табдил дода шавад.

Маҷмуаи норавшани интуитсионистӣ: Муодилаи (3)

\[ A=\{\langle x,\mu_A(x),\nu_A(x)\rangle\mid x\in X\} \] \[ \pi_A(x)=1-\mu_A(x)-\nu_A(x) \] \[ \mu_A(x)+\nu_A(x)\leq1 \]

\(\mu_A(x)\) дараҷаи узвият (Membership Degree, MD), \(\nu_A(x)\) дараҷаи ғайриузвият (Non-Membership Degree, NMD), \(\pi_A(x)\) бошад дараҷаи тардид аст. Ҳар се бузургӣ беандоза буда, дар фосилаи 0–1 тафсир мешаванд. Вақте ҷамъбасти узвият ва ғайриузвият аз 1 хурд аст, қисми боқимонда ба таври равшан ҳамчун “тардид” нигоҳ дошта мешавад.

Додаҳои синтетикӣ чӣ гуна сохта шуданд?

ТағйирёбандаРамзТақсимотФосилаи дар манбаъ додашуда
Ҳарорати дохили биноTinЯксон18–30 °C
Ҳарорати берунӣToutЯксон10–40 °C
Намии нисбӣHЯксон%30–90
ИшғолшавӣOДискретии яксон0–100 нафар
Вақти рӯзtЯксон0–24 соат

Дар маҷмӯъ 1000 намунаи синтетикӣ тавлид шудааст. Қимати ҳадаф бо илова кардани садои Гаусс ба ҷамъбасти вазндори хусусиятҳои дар манбаъ интихобшуда муайян карда мешавад:

\[ y_i=\sum_{j=1}^{d}w_jx_{i,j}+\varepsilon_i, \qquad \varepsilon_i\sim\mathcal{N}(0,\sigma^2) \] \[ \sigma^2=0.12 \]

\(x_{i,j}\), дар намунаи \(i\)-ум хусусияти \(j\)-умро нишон медиҳад; \(w_j\), вазни ба хусусияти дахлдор додашуда; \(\varepsilon_i\), садои Гаусс бо миёнаи сифр мебошад. Манбаъ дисперсияи садоро \(0.12\) медиҳад, аммо қиматҳои ададии вазнҳои хусусият \(w_j\)-ро гузориш намедиҳад. Аз ин рӯ, танҳо аз PDF қиматҳои синтетикии ҳадафро мустақилона айнан аз нав ҳосил кардан имкон надорад.

Манбаъ инчунин мегӯяд, ки барои моделҳои стохастикӣ seed-и тасодуфии собит истифода шудааст, аммо қимати ададии ин seed-ро намедиҳад. Ин низ як ҷузъиёти нокифоя барои такрорпазирии пурра мебошад.

Нормализатсияи min–max

\[ x^{\mathrm{norm}}_{i,j} = \frac{x_{i,j}-\min(x_j)} {\max(x_j)-\min(x_j)} \]

Формула ҳар хусусиятро ба фосилаи 0–1 мебарад. Сурат масофаи қимати ҷорӣ аз минимал дар маҷмуаи додаҳо, махраҷ бошад фосилаи умумии он хусусиятро нишон медиҳад. Агар хусусият дар қимати минималӣ бошад, натиҷа 0; агар дар қимати максималӣ бошад, 1 мешавад.

Нуқтаи таваҷҷуҳ дар дохили манбаъ: Дар Ҷадвали 1-и манбаъ ишғолшавӣ дар фосилаи 0–100 нафар таъриф шудааст, аммо дар сатрҳои намунавии додаҳои хоми нашршуда қиматҳои ишғолшавӣ асосан 0 ё 1 мебошанд. Verianla ин фарқро бо фарзияи худ ҳал намекунад; онро ба мисли манбаъ ҳамчун масъалаи такрорпазирӣ нигоҳ медорад.

Табдили узвият: Муодилаҳои (4)-(8)

Муодилаи (4) \[ \mu_x=\frac{1}{n}\sum_{i=1}^{n}x_i \]

\(\mu_x\), миёнаи намунавии як хусусият аст.

Муодилаи (5) \[ \sigma_x= \sqrt{ \frac{1}{n} \sum_{i=1}^{n}(x_i-\mu_x)^2 } \]

\(\sigma_x\), мувофиқи таърифи истифодакардаи манбаъ, инҳирофи стандартии хусусиятро медиҳад.

Муодилаи (6) \[ \mu(x)= \exp\left[ -\left(\frac{x-\mu_x}{\sigma_x}\right)^2 \right] \]

Ин функсияи узвиятест, ки дар манбаъ истифода мешавад. Ҳар қадар \(x\) ба миёна наздик шавад, дараҷа ба сифр наздик мешавад ва дараҷаи узвият ба 1 наздик мегардад. Бо зиёд шудани масофа аз атрофи миёна, дараҷаи узвият ба таври экспоненсиалӣ кам мешавад. Шакли формулаи манбаъ айнан нигоҳ дошта шудааст; коэффисиенти \(1/2\), ки дар функсияи стандартии зичии Гаусс мавҷуд аст, дар ин ҷо нест.

Муодилаи (7) \[ \nu(x)=(1-\pi_0)[1-\mu(x)] \] \[ \pi(x)=\pi_0[1-\mu(x)] \] \[ \pi_0=0.1 \]

Аз миқдори боқимондаи \(1-\mu(x)\) аз узвият, %90 ба ғайриузвият ва %10 ба тардид ҷудо мешавад. Ҳамин тавр:

\[ \mu(x)+\nu(x)+\pi(x)=1 \]

Масалан, агар \(\mu(x)=0.8\) бошад, \(1-\mu=0.2\); мувофиқи формулаи манбаъ \(\nu=0.18\) ва \(\pi=0.02\) мешавад. Ин мисол танҳо маънои арифметикии муодиларо нишон медиҳад, натиҷаи нави таҷрибавӣ нест.

Муодилаи (8) \[ A(x)=\langle x,\mu(x),\nu(x),\pi(x)\rangle \]

Ин ифодаи чорҷузъа вуруди ададиро ҳамроҳ бо иттилооти интуитсионистии норавшан нишон медиҳад.

Натиҷаҳои гузоришшуда аз кадом меъмории IFNN гирифта шудаанд?

Натиҷаҳои ададии манбаъ аз графи ҳисоббарории пешрави 5–15–2 иборат аз 5 вуруди скалярии нормализатсияшуда, 15 нейрони пинҳонӣ ва 2 баромад ба даст меоянд; сохтори васеътари IFNN бо 10 канали MD/NMD, қоидаҳои ошкор ва қабати defuzzification, ки дар мақола шарҳ дода шудааст, тавзеҳи консептуалӣ мебошад ва қабатҳои иловагии ҳисоббарорие нест, ки натиҷаҳои гузоришшудаи 122-параметриро тавлид кунанд.

ҶузъҲисобПараметр
Ҷамъ75 + 15 + 30 + 2122
Вуруд → вазнҳои қабати пинҳонӣ5 × 1575
Bias-и қабати пинҳонӣ1515
Пинҳонӣ → вазнҳои баромад15 × 230
Bias-и баромад22

Дар мақола барои “IFNN-и пурраи дуканалӣ”-и васеътар шарҳ дода мешавад, ки ҳар хусусияти хом метавонад як канали узвият ва як канали ғайриузвият эҷод кунад:

\[ \phi(x)= [\mu_1(x_1),\nu_1(x_1),\ldots,\mu_d(x_d),\nu_d(x_d)]^T \in\mathbb{R}^{2d} \] \[ n_{\mathrm{in}}=2d \]

Барои панҷ тағйирёбандаи хом ин ифодаи консептуалӣ ба 10 канал мувофиқ аст. Аммо манбаъ махсус мегӯяд, ки ин меъмории ҳисоббарории таҷрибаи гузоришшудаи 5–15–2 нест. Ин ду тавсиф набояд бо ҳам омехта шаванд.

Қабати консептуалии қоида

\[ w_r(x)= \prod_{i\in I_r} \mu_i(x_i)^{\alpha_{ir}} \]

\(w_r\), қувваи фаъолшавии қоидаи норавшани \(r\)-ум аст. \(I_r\), маҷмуаи индексҳои хусусиятҳоеро, ки қоида истифода мекунад; \(\alpha_{ir}\) бошад вазн/дараҷаҳои ихтиёриро нишон медиҳад.

\[ \hat y_{\mathrm{fuzzy}}(x) = \frac{\sum_{r=1}^{R}w_r(x)c_r} {\sum_{r=1}^{R}w_r(x)+\epsilon} \]

\(c_r\) қимати натиҷаи қоида аст; \(\epsilon>0\)-и хурд аз сифр шудани махраҷ пешгирӣ мекунад. Ин формула қисми шарҳи умумии IFNN дар мақола аст; иддао намешавад, ки он дар таҷрибаи гузоришшудаи 122-параметрӣ ҳамчун қабати ҷудогонаи explicit қоида истифода шудааст.

Табдил аз баромади узвият/ғайриузвият ба ҳарорат

Манбаъ шарҳ медиҳад, ки ду баромад дараҷаҳои узвият ва ғайриузвиятро барои як ҳарорат ифода мекунанд:

\[ \hat o_\mu = \sigma(w_\mu^Th+b_\mu) \] \[ \hat o_\nu = \sigma(w_\nu^Th+b_\nu) \] \[ \hat o_\pi = 1-\hat o_\mu-\hat o_\nu \]

Ҳарорати ҳадаф аввал нормализатсия мешавад:

\[ y_{\mathrm{norm}} = \frac{y-y_{\min}} {y_{\max}-y_{\min}} \] \[ \mu_y=y_{\mathrm{norm}}, \qquad \nu_y=1-\mu_y-\pi, \qquad \pi=0.1 \]

Талафоти миёнаи квадратии ду баромад:

\[ L= \frac{1}{2N} \sum_{i=1}^{N} \left[ (\mu_i-\hat\mu_i)^2+ (\nu_i-\hat\nu_i)^2 \right] \]

Ҳангоми inference манбаъ баромади узвиятро ҳамчун ҳарорати нормализатсияшуда қабул мекунад:

\[ \hat y_{\mathrm{norm}}=\hat o_\mu \] \[ \hat y= \hat y_{\mathrm{norm}} (y_{\max}-y_{\min})+y_{\min} \]

Нуқтаи таваҷҷуҳ дар дохили манбаъ: дар шарҳи консептуалии қаблӣ гуфта мешавад, ки табдил аз баромадҳои бойгонишуда ба дараҷаи Селсий ба таври ягона мушаххас нашудааст ва ҳангоми такрори кор бояд равшан таъриф шавад, дар ҳоле ки бахши баъдӣ фавран табдили дар боло зикршудаи бар узвият асосёфтаро медиҳад. Ин ихтилофи матнӣ аз ҷониби Verianla хомӯшона созгор карда нашудааст.

Нақшаи Verianla, ки омодасозии додаҳои синтетикӣ, графи ҳисоббарории IFNN, оптимизатсияи PSO ва марҳилаи тестии ҳифзшударо нишон медиҳад. Он нусхаи пикселӣ ё композитсионии фигураи аслии ношири манбаъ нест.

Усул ва Натиҷаҳои Таҳқиқот

PSO 122 параметри шабакаро чӣ гуна ҷустуҷӯ мекунад?

Ҳар зарраи PSO вектори номзади ҳалли 122-андоза мебошад. Ҳар яке аз ин 122 ҷузъ як вазн ё қимати bias-и IFNN-и ҳуҷҷатгузоришуда аст. Муваффақияти зарра бо хатои миёнаи квадратии модел дар додаҳои валидатсия чен карда мешавад.

Муодилаи (9) \[ J(x)=\operatorname{MSE}(x) = \frac{1}{n} \sum_{k=1}^{n} [y_k-\hat y_k(x)]^2 \]

\(x\), мавқеи зарраи 122-параметрӣ; \(y_k\), қимати ҳадаф; \(\hat y_k(x)\), пешгӯии IFNN-ро бо ҳамон параметрҳо нишон медиҳад. Ҳадафи PSO кам кардани \(J(x)\) аст.

Мавқеъҳои беҳтарини шахсӣ ва глобалӣ

Ҳар зарра мавқеи дорои пасттарин MSE-ро, ки то ин вақт дидааст, ҳамчун \(p_i\) нигоҳ медорад. Беҳтарин мавқеи шахсӣ дар тамоми тӯда бошад ҳамчун \(g\), яъне global best, нигоҳ дошта мешавад.

\[ g^{(t)} = \arg\min_i J(p_i^{(t)}) \]

Навсозии суръати PSO: Муодилаи (10)

\[ v_i^{(t+1)} = wv_i^{(t)} + c_1r_1^{(t)} \odot [p_i^{(t)}-x_i^{(t)}] + c_2r_2^{(t)} \odot [g^{(t)}-x_i^{(t)}] \]

Ҳади аввал тамоюли ҷории ҳаракати зарраро нигоҳ медорад. Ҳади дуюми “маърифатӣ” зарраро ба беҳтарин ҳалли пешинаи худ ва ҳади сеюми “иҷтимоӣ” ба беҳтарин ҳалли тамоми тӯда равона мекунад. \(r_1\) ва \(r_2\), векторҳои тасодуфие мебошанд, ки унсурҳояшон аз тақсимоти яксон дар фосилаи 0–1 интихоб шудаанд; \(\odot\) зарби унсур ба унсур аст.

Навсозии мавқеъ: Муодилаи (11)

\[ x_i^{(t+1)} = x_i^{(t)} + v_i^{(t+1)} \]

Вектори нави параметр бо илова кардани вектори нави суръат ба мавқеи кӯҳна ҳосил мешавад.

ПараметрҚимат
Шумораи зарраҳо50
Андозаи зарра122
Максимуми итератсия100
Вазни инерсия0.7; инчунин фосилаи динамикӣ wmax=0.9, wmin=0.4
Коэффисиенти маърифатӣ c11.5
Коэффисиенти иҷтимоӣ c21.5
Ҳадди суръат0.5
Таҳаммул εtol0.01
Мавқеи ибтидоӣТақсимоти яксон, [-1, 1]
Суръати ибтидоӣТақсимоти яксон, [-0.5, 0.5]

Манбаъ мегӯяд, ки дар тарҳи таҷриба MATLAB R2023a ва истгоҳи корӣ бо протсессори Intel Core i7 ва 16 GB RAM истифода шудааст. Барои шумораи нейронҳои қабати пинҳонӣ таҷрибаҳои ибтидоӣ дар фосилаи 5–25 анҷом дода шуда, аз рӯи MSE-и миёна дар санҷиши салибии панҷкарата 15 нейрон интихоб шудааст. Манбаъ ҳамчунин мегӯяд, ки барои меъмории консептуалӣ 15 қоидаи интуитсионистии норавшан интихоб шудааст.

Ҷудокунии таҳияи модел ва тест

МарҳилаДодаҳои истифодашудаОё маҷмуаи тестии ҳифзшуда истифода шуд?
Тақсимоти аввал1000 намуна → 700 таҳия + 300 тестНе; ҷудо карда нигоҳ дошта шуд
ПешкоркардТанҳо қисми омӯзиши ҳар fold-и таҳияНе
Санҷиши салибии 5-қабата700 намунаи таҳияНе
Ҳисоби fitness-и PSOFold-ҳои омӯзиш/валидатсия дар дохили таҳияНе
Интихоби гиперпараметрНатиҷаҳои санҷиши салибӣНе
Тести ниҳоӣ300 намунаи ҳифзшудаБале; танҳо дар марҳилаи охир

Метрикаҳои иҷроиш

\[ \operatorname{MSE} = \frac{1}{n} \sum_{i=1}^{n} (y_i-\hat y_i)^2 \]

MSE азбаски хатоҳо квадрат мешаванд, ба хатоҳои калон вазни бештар медиҳад. Қимати хурдтар маънои хатои миёнаи квадратии пасттарро дорад.

\[ \operatorname{RMSE} = \sqrt{\operatorname{MSE}} \]

RMSE решаи квадратии MSE аст. Дар манбаъ барои муқоисаи иҷроиши пешгӯӣ истифода мешавад.

\[ \operatorname{MAE} = \frac{1}{n} \sum_{i=1}^{n} |y_i-\hat y_i| \]

MAE миёнаи фарқҳои мутлақ байни пешгӯӣ ва ҳадаф аст.

\[ R^2 = 1- \frac{ \sum_i(y_i-\hat y_i)^2 }{ \sum_i(y_i-\bar y)^2 } \]

R² меъёри goodness-of-fit мебошад, ки нишон медиҳад пешгӯиҳо то чӣ андоза дисперсияи тағйирёбандаи ҳадафро шарҳ медиҳанд. Он ҳамон чизеро, ки MSE, RMSE ва MAE чен мекунанд, намесанҷад. Аз ин рӯ, R²-и баландтар ва хатои нуқтавии пасттар ҳатман дар як модел ҷамъ намешаванд.

Натиҷаҳои тестии ҳифзшуда

МетрикаТаҳия/омӯзиши моделТести ҳифзшуда
MSE0.08370.0853
RMSE0.28930.2920
MAE0.22860.2314
R²0.88420.8784

Санҷиши салибии панҷкарата

FoldMSERMSEMAER²
10.08710.29510.23380.8726
20.08460.29090.22910.8812
30.08920.29870.23640.8698
40.08630.29380.23120.8765
50.08240.28710.22650.8894

Манбаъ MSE-и миёнаи санҷиши салибиро 0.0859 ± 0.0024 медиҳад. Ин тағйироти хурд байни fold-ҳо нишон медиҳад, ки иҷроиши модел дар доираи ҳамон раванди тавлиди додаҳои синтетикӣ нисбатан устувор аст; он қобилияти умумисозӣ ба биноҳои воқеии гуногунро исбот намекунад.

Моделҳои муқоисашуда

МоделMSERMSEMAER²
ANN0.09680.31110.24460.8621
Random Forest0.09170.30280.23840.8734
XGBoost0.08890.29820.23410.8796
LSTM0.08760.29600.23270.8813
Transformer0.08680.29460.23180.8826
IFNN–PSO0.08530.29200.23140.8784

Тафсири дуруст: IFNN–PSO дар ин ҷадвал аз рӯи MSE, RMSE ва MAE беҳтарин натиҷаро медиҳад. Аз рӯи R² Transformer, LSTM ва XGBoost қиматҳои баландтар доранд. Аз ин рӯ, ибораи “IFNN–PSO дар ҳар меъёр аз ҳамаи моделҳо пеш гузашт” бо ҷадвали манбаъ мувофиқ нест.

Оё коҳиши суррогати беандозаи каҷравии ҳарорат маънои сарфаи энергияро дорад?

Не. Манбаъ ин бузургиро танҳо ҳамчун балли тавзеҳӣ истифода мебарад, ки барои муқоисаи моделҳои пешгӯӣ дар ҳамон шароити таҷрибаи синтетикӣ муайян шудааст; он энергияи барқии HVAC, энергияи гармӣ, истеъмоли энергияи компютер, кӯшиши идоракунӣ ё сарфаи энергияи биноро чен намекунад.

Муодилаи (12) \[ J_{\mathrm{surr}} = \sum_{i=1}^{n} \left( T_{\mathrm{desired},i} - T_{\mathrm{predicted},i} \right)\Delta t \]

\(T_{\mathrm{desired}}\) ҳарорати ҳадаф, \(T_{\mathrm{predicted}}\) ҳарорати пешгӯишуда, \(\Delta t\) бошад фосилаи намунагириро нишон медиҳад. Verianla формуларо бо ҳамон сохтори рамзие, ки дар манбаъ чоп шудааст, меорад. Манбаъ махсус таъкид мекунад, ки ин бузургӣ тафсири физикии энергия надорад.

МоделБалли суррогатФарқи дар манбаъ нисбат ба IFNN–PSO гузоришшуда
Регрессияи Хаттӣ46.35%17.60 балли истинодии баландтар
ANN44.21%13.61 балли истинодии баландтар
IFNN–PSO38.19Истинод

Манбаъ ин таносубҳоро:

\[ 100\frac{46.35-38.19}{46.35}=17.60\% \] \[ 100\frac{44.21-38.19}{44.21}=13.61\% \]

ба ин шакл ҳисоб мекунад. Инҳо танҳо коҳиши surrogate score-и муайяншуда мебошанд.

Манбаъ инчунин фарқи собити байни ANN ва IFNN–PSO-ро:

\[ \Delta J_{\mathrm{surr}} = 44.21-38.19 = 6.02 \] \[ S_{\mathrm{surr}}(t)=6.02t \]

ба таври арифметикӣ ҷамъ мекунад. Масалан, расидан ба қимати 602.0 дар 100 қадами синтетикӣ маънои сарфаи энергияи дар вақти воқеӣ ҷамъшуда, динамикаи системаи физикӣ ё фоидаи идоракунии ҳалқаи пӯшида надорад. Манбаъ инро танҳо ҳамчун ифодаи арифметикии баллҳои surrogate-и бойгонишуда нигоҳ медорад.

Ҳамгироии PSO

Манбаъ гузориш медиҳад, ки беҳтарин қимати fitness-и PSO аз 0.1923 дар итератсияи аввал ба 0.0973 дар итератсияи 25, 0.0850 дар итератсияи 50, 0.0830 дар итератсияи 75 ва 0.0826 дар итератсияи 100 поён рафтааст. Ин пайдарпаӣ нишон медиҳад, ки оптимизатсия дар масъалаи синтетикии таҳияи истифодашуда fitness-и коҳишёбанда ба вуҷуд овардааст.

Манбаъ мураккабии ҳисоббарории PSO-ро тақрибан:

\[ O(P\times T\times N\times W) \]

ба ин шакл ифода мекунад. Дар ин ҷо \(P\) андозаи тӯда, \(T\) шумораи максималии итератсия ва \(N\) шумораи параметрҳои омӯзонидашаванда шарҳ дода мешаванд. Азбаски дар контексти наздик таърифи дақиқи математикии \(W\) дода нашудааст, Verianla ба он маънои худӣ намедиҳад.

Таҳлили оморӣ то чӣ андоза муфассал гузориш шудааст?

Гуфта мешавад, ки миёна, инҳирофи стандартӣ ва фосилаи эътимоди %95 аз рӯи панҷ fold-и санҷиши салибӣ ҳисоб шудаанд. Манбаъ фосилаи эътимодро:

\[ CI= \bar x \pm t_{0.975,n-1} \frac{s}{\sqrt n}, \qquad n=5 \]

ба ин шакл медиҳад. \(\bar x\) миёнаи намуна, \(s\) инҳирофи стандартии намуна ва \(t_{0.975,n-1}\) қимати критикии Student-t аст.

Дар мақола инчунин гуфта мешавад, ки барои муқоисаҳо санҷишҳои ҷуфтшудаи аҳамияти оморӣ анҷом дода шудаанд ва \(\alpha=0.05\) истифода шудааст. Аммо дар PDF-и баррасишуда кадом санҷиши ҷуфтшуда истифода шудааст, омори санҷиш барои ҳар муқоиса ва p-қиматҳо дар ҷадвали муфассали натиҷаҳо дода нашудаанд. Аз ин рӯ, тафсилоти гузоришдиҳии зарурӣ барои мустақилона аз нав санҷидани ибораи “аз ҷиҳати оморӣ аҳамиятнок” пурра нест.

Масъалаҳои такрорпазирӣ ва мутобиқат дар дохили манбаъ

  • Вазнҳои ҳадафи синтетикӣ намерасанд: дар формулаи \(y_i=\sum w_jx_{i,j}+\varepsilon_i\) қиматҳои \(w_j\) гузориш нашудаанд.
  • Seed-и тасодуфӣ: гуфта мешавад, ки seed-и собит истифода шудааст, аммо қимати ададии seed дода намешавад.
  • Ифодаи ишғолшавӣ: дар ҷадвали усул фосилаи 0–100 нафар дода шудааст, аммо дар сатрҳои намунавии хом қиматҳои 0/1 дида мешаванд.
  • Фарқи шабакаи ҳуҷҷатгузоришуда аз IFNN-и консептуалӣ: натиҷаҳои ададӣ аз шабакаи 5–15–2 бо 122 параметр меоянд; меъмории васеи MD/NMD-қоида-defuzzification тавзеҳӣ аст.
  • Хати асосии ANN: дар бахши усул ANN бо 10 нейрони пинҳонӣ тавсиф мешавад, аммо тамғаи Ҷадвали 19 “ANN (5–15–1)” аст.
  • Баёни R²: матни манбаъ махсус мегӯяд, ки Transformer ва LSTM R²-и баландтар доранд; аз Ҷадвали 14 дида мешавад, ки қимати 0.8796-и XGBoost низ аз 0.8784-и IFNN–PSO баландтар аст.
  • Гузориши аҳамияти оморӣ: \(\alpha=0.05\) ва санҷишҳои ҷуфтшуда зикр мешаванд, аммо навъи санҷиш, омори санҷиш ва p-қиматҳо дар ҷадвали ошкор дода нашудаанд.

Хулосае, ки таҳқиқот дастгирӣ мекунад

Таҳқиқот дастгирӣ мекунад, ки дар раванди муайяншудаи тавлиди додаҳои синтетикӣ ва протоколи истифодашудаи таҳия/тести модел, IFNN–PSO нисбат ба ANN-и анъанавӣ, Random Forest, XGBoost, LSTM ва Transformer аз рӯи MSE, RMSE ва MAE хатои пасттар ба даст овардааст. Санҷиши салибии панҷкарата дар ҳамон контексти тавлиди додаҳои синтетикӣ натиҷаҳои нисбатан устувор нишон медиҳад.

Хулосаҳое, ки таҳқиқот дастгирӣ намекунад

Таҳқиқот дар системаи воқеии HVAC идоракунии ҳароратро анҷом надодааст. Бинои физикӣ ё модели тасдиқшудаи иншооти гармӣ, фармонҳои идоракунӣ, динамикаи актуатор, ҷараёни воқеии сенсор, меъёри ошкори роҳати гармӣ, сабти системаи идоракунии бино ё истеъмоли ченшудаи энергияи HVAC вуҷуд надорад. Аз ин рӯ, аз натиҷаҳо муваффақияти идоракунии вақти воқеӣ, системаи омода барои ҷойгиркунӣ, беҳтаршавии роҳати воқеии бино ё фоизи сарфаи энергияро хулоса кардан мумкин нест.

Пеш аз гузаштан ба истифодаи воқеӣ, валидатсияи нав бо маҷмуаҳои мустақили benchmark, ченкуниҳои воқеии бино, динамикаи гармии бино, модели контроллер ва актуатор, меъёрҳои роҳати гармӣ ва истеъмоли ченшудаи энергияи HVAC зарур аст.

Ёддошт оид ба Манбаъ ва Усул

Унвони аслӣ: Synthetic Temperature Prediction Using an Intuitionistic Fuzzy Neural Network by Particle Swarm Optimization

Муаллифон: Zhe Liu; Yulong Huang; Ikhtesham Ullah; Narinderjit Singh Sawaran Singh; Ziad Khan; Rashid Jan.

Тартиби муаллифон: Zhe Liu → Yulong Huang → Ikhtesham Ullah → Narinderjit Singh Sawaran Singh → Ziad Khan → Rashid Jan.

Саҳми баробар: Дар манбаъ изҳороти саҳми баробар дида намешавад.

Муаллифони масъул: Yulong Huang ва Ziad Khan.

Муассисаҳо: College of Mathematics and Computer, Xinyu University, Чин; Research Fellow Program, Shinawatra University, Таиланд; Jadara Research Center, Jadara University, Урдун; Department of Mathematics, Abbottabad University of Science and Technology, Pakistan; Faculty of Data Science and Information Technology, INTI International University, Малайзия; Department of Mathematics, College of Sciences, Qassim University, Арабистони Саудӣ.

Навъи манбаъ: Мақолаи аслии тадқиқотӣ; proof-of-concept бар пояи додаҳои синтетикӣ ва моделсозии ададӣ.

Ҳолати баррасии ҳамсолон: Баррасишудаи ҳамсолон. Algorithms маҷаллаи илмии баррасишудаи ҳамсолон ва дастрасии кушода мебошад, ки аз ҷониби MDPI нашр мешавад.

Маҷалла: Algorithms.

Ношир: MDPI.

Сол / ҷилд / шумора / мақола no: 2026 / 19 / 9 / 734.

DOI: 10.3390/a19090734

Санаи қабул барои баррасӣ: 3 Июл 2026.

Санаи бознигарӣ: 20 Август 2026.

Санаи қабул: 26 Август 2026.

Санаи нашр: 1 Сентябр 2026.

Муҳаррири академӣ: Mehmet Aydin.

Пайванди расмӣ: https://doi.org/10.3390/a19090734

Литсензия: Creative Commons Attribution 4.0 International (CC BY 4.0).

Усули асосии илмӣ: Тавлиди додаҳои синтетикии HVAC; нормализатсияи min–max; ифодаи интуитсионистии норавшани узвият, ғайриузвият ва тардид; шабакаи нейронии пешрави 5–15–2; оптимизатсияи 122 параметри вазн/bias бо Оптимизатсияи Тӯдаи Зарраҳо мувофиқи минимизатсияи MSE; санҷиши салибии панҷкарата; маҷмуаи мустақили тестии ҳифзшуда бо 300 намуна.

Андозаи додаҳо: 1000 намунаи синтетикӣ; 700 барои таҳияи модел, 300 барои тести ҳифзшуда.

Нармафзор/сахтафзор: MATLAB R2023a; протсессори Intel Core i7; 16 GB RAM.

Муқоисаҳо: Регрессияи Хаттӣ, ANN, Random Forest, XGBoost, LSTM ва Transformer.

Натиҷаи асосии тест: IFNN–PSO: MSE=0.0853; RMSE=0.2920; MAE=0.2314; R²=0.8784.

Маблағгузорӣ: Тибқи изҳороти муаллифон маблағгузории беруна гирифта нашудааст.

Кумитаи ахлоқ: Гуфта шудааст, ки таҳқиқот инсон ё ҳайвонро дар бар намегирад.

Ризоияти огоҳона: Татбиқ намешавад.

Дастрасии додаҳо: Муаллифон гуфтаанд, ки саҳмҳои аслии таҳқиқот дар дохили мақола мавҷуданд.

Изҳороти истифодаи зеҳни сунъӣ: Муаллифон изҳор доштаанд, ки ҳангоми таҳияи мақола аз абзорҳои зеҳни сунъӣ истифода накардаанд.

Бархӯрди манфиатҳо: Муаллифон изҳор доштаанд, ки бархӯрди манфиатҳо вуҷуд надорад.

Саҳми муаллифон: Zhe Liu: таҳлили формалӣ, машварат, баррасӣ ва таҳрир. Yulong Huang: консептуализатсия, таҳлили формалӣ ва таҳқиқот. Ikhtesham Ullah: валидатсия, таҳлили формалӣ, баррасӣ ва таҳрир. Narinderjit Singh Sawaran Singh: нармафзор, маблағгузорӣ ва усул. Ziad Khan: визуализатсия, таҳлили формалӣ, усул, танзими додаҳо ва лоиҳаи аввал. Rashid Jan: консептуализатсия, таҳлили формалӣ, машварат ва усул.

Маҳдудияти асосӣ: Таҳқиқот таҷрибаи воқеии идоракунии HVAC нест; он иншооти физикӣ, модели тасдиқшудаи бино, додаҳои воқеии сенсор, ченкунии воқеии энергия, динамикаи актуатор ва арзёбии идоракунии ҳалқаи пӯшидаро дар бар намегирад.

Номуайяниҳои муҳими дохили манбаъ: Вазнҳои ҳадафи синтетикӣ, қимати ададии seed-и тасодуфии собит ва баъзе ҷузъиёти такрорпазирӣ гузориш нашудаанд. Графи ҳисоббарории ҳуҷҷатгузоришудаи 5–15–2 ва меъмории васеи консептуалии IFNN бояд ҷудо нигоҳ дошта шаванд. Андозаи қабати пинҳонии хати асосии ANN байни матн ва Ҷадвали 19 мувофиқ нест. Барои иддаои аҳамияти оморӣ p-қиматҳо/омори санҷишии муфассал дода нашудаанд.


Мубодила:

Шарҳҳо пас аз баррасӣ нашр мешаванд. Шарҳи шумо ба раванди тасдиқ фиристода шуда, пас аз пазируфта шудан намоён мегардад.

Шарҳ гузоред

Нишонии почтаи электронии шумо нашр намешавад. Майдонҳои ҳатмӣ бо * нишон дода шудаанд