Development of more accurate discharge coefficient prediction equations for rectangular side weirs using adaptive neuro-fuzzy inference system and generalized group method of data handling

Measurement ◽  
2018 ◽  
Vol 116 ◽  
pp. 473-482 ◽  
Author(s):  
Isa Ebtehaj ◽  
Hossein Bonakdari ◽  
Bahram Gharabaghi
Keyword(s):  
Fuzzy Inference System ◽  
Discharge Coefficient ◽  
Fuzzy Inference ◽  
Group Method ◽  
Data Handling ◽  
Prediction Equations ◽  
Inference System ◽  
Neuro Fuzzy ◽  
Side Weirs

scholarly journals Battery Aging Prediction Using Input-Time-Delayed Based on an Adaptive Neuro-Fuzzy Inference System and a Group Method of Data Handling Techniques

2018 ◽  
Vol 8 (8) ◽  
pp. 1301 ◽  
Author(s):  
Omid Rahbari ◽  
Clément Mayet ◽  
Noshin Omar ◽  
Joeri Van Mierlo
Keyword(s):  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Real Life ◽  
Maximum Error ◽  
Group Method ◽  
Data Handling ◽  
State Of Health ◽  
Inference System ◽  
Adaptive Neuron ◽  
Comparison Of The Results

In this article, two techniques that are congruous with the principle of control theory are utilized to estimate the state of health (SOH) of real-life plug-in hybrid electric vehicles (PHEVs) accurately, which is of vital importance to battery management systems. The relation between the battery terminal voltage curve properties and the battery state of health is modelled via an adaptive neuron-fuzzy inference system and a group method of data handling. The comparison of the results demonstrates the capability of the proposed techniques for accurate SOH estimation. Moreover, the estimated results are compared with the direct actual measured SOH indicators using standard tests. The results indicate that the adaptive neuron-fuzzy inference system with fifteen rules based on a SOH estimator has better performances over the other technique, with a 1.5% maximum error in comparison to the experimental data.

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

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.

Sign in / Sign up

Export Citation Format

Share Document