Prediction of wave parameters by using fuzzy inference system and the parametric models along the south coasts of the Black Sea

Prediction of wave parameters is of great importance in the design of marine structures. In this paper, two shortcomings with the adaptive network-based fuzzy inference system (ANFIS) model for prediction of wave parameters are remedied by employing a genetic algorithm (GA). The first shortcoming in the ANFIS model goes back to its problem for automatic extraction of fuzzy IF-THEN rules and the second one is related to its gradient-based nature for tuning the antecedent and consequent parameters of fuzzy IF-THEN rules. To deal with these shortcomings, in this study a combined FIS and GA model is developed in which the capability of the GA as an evolutionary algorithm is used for simultaneous optimization of the subtractive clustering parameters and the antecedent and consequent parameters of fuzzy IF-THEN rules. Following the development of the combined model, this model is used to predict wave parameters, i.e., significant wave height and peak spectral period at Lake Michigan. The obtained results show that the developed model outperforms the ANFIS model and the Coastal Engineering Manual (CEM) method to estimate the function representing the generation process of the wind-driven waves.

Download Full-text

Aplikasi Peramalan Kebutuhan Beban Listrik Menggunakan Metode Adaptive Neuro Fuzzy Inference System (ANFIS)

TELKA - Telekomunikasi Elektronika Komputasi dan Kontrol ◽

10.15575/telka.v3i1.51 ◽

2017 ◽

Vol 3 (1) ◽

pp. 36-48

Author(s):

Erwan Ahmad Ardiansyah ◽

Rina Mardiati ◽

Afaf Fadhil

Keyword(s):

Fuzzy Inference System ◽

Fuzzy Inference ◽

Inference System ◽

Neuro Fuzzy

Prakiraan atau peramalan beban listrik dibutuhkan dalam menentukan jumlah listrik yang dihasilkan. Ini menentukan agar tidak terjadi beban berlebih yang menyebabkan pemborosan atau kekurangan beban listrik yang mengakibatkan krisis listrik di konsumen. Oleh karena itu di butuhkan prakiraan atau peramalan yang tepat untuk menghasilkan energi listrik. Teknologi softcomputing dapat digunakan sebagai metode alternatif untuk prediksi beban litrik jangka pendek salah satunya dengan metode Adaptive Neuro Fuzzy Inference System pada penelitian tugas akhir ini. Data yang di dapat untuk mendukung penelitian ini adalah data dari APD PLN JAWA BARAT yang berisikan laporan data beban puncak bulanan penyulang area gardu induk majalaya dari januari 2011 sampai desember 2014 sebagai data acuan dan data aktual januari-desember 2015. Data kemudian dilatih menggunakan metode ANFIS pada software MATLAB versi b2010. Dari data hasil pelatihan data ANFIS kemudian dilakukan perbandingan dengan data aktual dan data metode regresi meliputi perbandingan anfis-aktual, regresi-aktual dan perbandingan anfis-regresi-aktual. Dari perbandingan disimpulkan bahwa data metode anfis lebih mendekati data aktual dengan rata-rata 1,4%, menunjukan prediksi ANFIS dapat menjadi referensi untuk peramalan beban listrik dimasa depan.

Download Full-text