การหาค่าพารามิเตอร์ที่เหมาะสมของระบบตรรกศาสตร์แบบคลุมเคลือด้วยการปรับปรุงขั้นตอนวิธีการปัญญารวมหมู่เพื่อประยุกต์ใช้สำหรับการพยากรณ์โรคใบไหม้ในข้าว
คำสำคัญ:
ระบบตรรกศาสตร์แบบคลุมเครือชนิดที่ 2, การผสมผสานเชิงสามัญสำนึก, ขั้นตอนวิธีการหาค่าที่เหมาะสมที่สุดของการเคลื่อนที่ของกลุ่มนกนางแอ่น, ขั้นตอนวิธีการเชิงพันธุวิศวกรรมบทคัดย่อ
ปัญหาสำคัญของข้อมูลที่อยู่ในยุคเทคโนโลยีสารสนเทศคือ ข้อมูลที่มีความคลุมเครือซับซ้อนและไม่แน่นอน ระบบที่เหมาะสมกับข้อมูลที่มีความคลุมเครือซับซ้อนและไม่แน่นอน คือ ระบบตรรกศาสตร์แบบคลุมเครือชนิดที่ 2 ปัญหาของการใช้ระบบตรรกศาสตร์แบบคลุมเครือชนิดที่ 2 คือ การกำหนดค่าพารามิเตอร์ของระบบ ดังนั้นงานวิจัยนี้จึงพัฒนาขั้นตอนวิธีการแบบผสมผสานเชิงสามัญสำนึกแบบใหม่ที่ใช้ขั้นตอนวิธีการของปัญญารวมหมู่คือ ขั้นตอนวิธีการเชิงพันธุวิศวกรรม
กับการปรับค่าของขั้นตอนวิธีการหาค่าที่เหมาะสมที่สุดของการเคลื่อนที่ของกลุ่มนกนางแอ่นเพื่อใช้ในการปรับค่าพารามิเตอร์ของระบบตรรกศาสตร์แบบคลุมเครือชนิดที่ 2 ให้ได้ค่าที่เหมาะสมใช้การจัดข้อมูลด้วยขั้นตอนวิธีการฟัซซีซีมีน ผลการวิจัยใช้กับข้อมูลปริมาณนํ้าฝนของอำเภอสวนผึ้ง จำนวน 50 ปี ค่าความคลาดเคลื่อนของรากกำลังสองเฉลี่ยของชุดฝึกฝนคือ 0.07280 ค่าความเชื่อมั่นที่ร้อยละ 96 และชุดทดสอบได้ค่าความคลาดเคลื่อนของรากกำลังสองเฉลี่ยคือ 0.00447 ค่าความเชื่อมั่นที่ร้อยละ 96 และข้อมูลปริมาณนํ้าฝนของอำเภอบ้านคา จำนวน 32 ปี ค่าความคลาดเคลื่อนของรากกำลังสองเฉลี่ยของชุดฝึกฝนคือ 0.00606 ค่าความเชื่อมั่นที่ร้อยละ 96 และชุดทดสอบได้ค่าความคลาดเคลื่อนของรากกำลังสองเฉลี่ยคือ 0.00303 ค่าความเชื่อมั่นที่ร้อยละ 96
เอกสารอ้างอิง
กรมวิชาการเกษตรและกรมส่งเสริมการเกษตร. (2540). แผนพัฒนาเศรษฐกิจและสังคมแห่งชาติ ฉบับที่ 8 พ.ศ. 2540-2544. กรุงเทพฯ: กระทรวงเกษตรและสหกรณ์.
ศูนย์สารสนเทศ. (2541). สถานการณ์ข้าว. กรุงเทพฯ: สำนักงานเศรษฐกิจการเกษตร, กระทรวงเกษตรและสหกรณ์.
สำนักพัฒนาคุณภาพสินค้าเกษตร. (2558). กรมส่งเสริมการเกษตร กระทรวงเกษตรและสหกรณ์. สืบค้นเมื่อ 7 ธันวาคม 2558,จาก http://www.agriqua.doae.go.th.
สำนักงานกรมอุตุนิยมวิทยา จังหวัดราชบุรี. (2558). สถิติอากาศราชบุรี. สืบคน้ เมื่อ 15 กันยายน 2560,จากhttps://www.tmd.go.th/province_weather_stat.php?StationNumber=48464.
Almaraash, M., Jhon, R., Coupland, S., and Hopgood, A. (2010). Time series forcasting using TSK fuzzy system tuned with simulated annealing. In Processing of IEEE International Conference on Digital Object Identifi er, (n.p.).: 1-6.
Castillo, O., Melin, P. (2007). Comparison of hybrid Intelligent systems, Neural Networks and Interval Type-2 fuzzy logic for time series prediction. Proceedings of International Joint Conference on Neural Networks.:12-17.
Garibaldi, J. M., and Ozen, T. (2007). Uncertain fuzzy reasoning: A case study inmodeling expert decision making. IEEE Trans. Fuzzy Syst, (15)1: 16-30.
Jang S.R., Sun C.T. and Mizutani, E. (1997). Neuro-fuzzy and soft computing: A computational approach to learning and machine. IEEE Transactions on Automatic Control, (42)10: 13-22.
Mendel, J. M. (2007). A vector similarity measure for linguistic approximation: Interval type-2 and type-1 fuzzy sets. Inform. Sci,: 36-47.
Mitchcll, H. B. (2005). Pattern recognition using type-2 fuzzy sets. Inform. Sci, (170) : 409-418.
Paul G. W., and Salmon, T.P.(1994). Swallows, prevention and control of wild life Damage. Infrom.Sci,: 234-240.
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
วารสาร TCI อยู่ภายใต้การอนุญาต Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) เว้นแต่จะรุบุไว้เป็นอย่างอื่นโปรดอ่านหน้านโยบายของเราสำหรับข้อมูลเพิ่มเติมเกี่ยวกับการเช้าถึงแบบเปิด ลิขสิทธิ์ และการอนุญาต
