الف – پرداخت وجه بحساب وب سایت ایران ترجمه(شماره حساب)ب- اطلاع جزئیات به ایمیل irantarjomeh@gmail.comشامل: مبلغ پرداختی – شماره فیش / ارجاع و تاریخ پرداخت – مقاله مورد نظر --مقالات آماده سفارش داده شده پس از تایید به ایمیل شما ارسال خواهند شد.
قیمت
قیمت این مقاله: 38000 تومان
(ایران ترجمه - Irantarjomeh)
توضیح
بخش زیادی از این مقاله بصورت رایگان ذیلا قابل مطالعه می باشد.
شماره
۷۶
کد مقاله
IND76
مترجم
گروه مترجمین ایران ترجمه – irantarjomeh
نام فارسی
تحقیقی در خصوص روش اعتبار سنجی مدل شبیه سازی بر مبنای تحلیل رابطه ای خاکستری پیشرفته
نام انگلیسی
Research on Method of Simulation Model Validation Based on Improved Grey Relational Analysis
تعداد صفحه به فارسی
۲۰
تعداد صفحه به انگلیسی
۸
کلمات کلیدی به فارسی
شبیه سازی سیستمی, تحلیل رابطه ای خاکستری, اعتبار سنجی مدل شبیه سازی, پایایی
کلمات کلیدی به انگلیسی
system simulation, grey relational analysis, simulation model validation, reliability
مرجع به فارسی
کنفرانس بین المللی در ارتباط با ابزاره های حالت جامد و علوم مواد
مرکز تحقیقات مهندسی، دانشگاه چانگ کویینگ پست و ارتباطات، چین، الزویر
مرجع به انگلیسی
Physics Procedia; International Conference on Solid State Devices and Materials Science; Engineering Research Center of Automotive Electronic and Embedded System; Chongqing University of Posts and Telecommunications Chongqing, China; Elsevier
کشور
چین
تحقیقی در خصوص روش اعتبار سنجی مدل شبیه سازی بر مبنای تحلیل رابطه ای خاکستری پیشرفته
چکیده
اعتبار سنجی مدل شبیه سازی به عنوان یکی از مهمترین مضامین مطرح شده در ارتباط با فناوری مدل سازی و شبیه سازی بشمار می آید. روش تحلیل رابطه ای خاکستری متعارف صرفاً شکل هندسی منحنی های اطلاعاتی را در نظر می گیرد. این مقاله با هدف محدود سازی تحلیل رابطه ای خاکستری متعارف اقدام به ارائه تحلیل رابطه ای خاکستری پیشرفته بر مبنای ویژگی های خطی وزنی نموده است. این مبحث شکل هندسی منحنی های اطلاعاتی، میزان مشابه از مقادیر اطلاعاتی و ترجیح های مربوط به تصمیم گیرندگان را به صورت توام با هم در نظر می گیرد. بنابراین، چنین موردی سبب خواهد شد تا نتیجه حاصله از اعتبار بیشتری برخوردار گردد. ویژگی های منطقی و کارایی تحلیل رابطه ای خاکستری پیشرفته نیز با استفاده از ارائه مثال های مشخص بیان خواهند شد.
کلمات کلیدی:شبیه سازی سیستمی، تحلیل رابطه ای خاکستری، اعتبار سنجی مدل شبیه سازی، پایایی
اعتبار سنجی تحلیل رابطه ای خاکستری پیشرفته
۱- مقدمه
VV&A (صحت سنجی، اعتبار سنجی، اعتبار بخشی) به عنوان یک فناوری مهم در خصوص تحلیل و اعتبار سنجی مدل سازی و شبیه سازی سیستمی به شمار می آید. در صورتی که مدل شبیه سازی از پایایی مطلوبی برخوردار نباشد هیچ گونه ارزشی را نمی توان برای آن قائل شد [۱]. بنابراین، اعتبار سنجی مدل شبیه سازی به عنوان یک مولفه ضروری در VV&A به شمار می آید. با توجه به پیشرفت فناوری شبیه سازی و ارتقای ارزش ها و مقادیر وابسته، نیاز برای یک مدل کامل اعتبار سنجی به صورت گسترده ای مد نظر قرار گرفته است [۲].
امروزه، روش های اعتبار سنجی مدل شبیه سازی را می توان به چهار نوع تقسیم نمود که تحت عناوین شناخت ذهنی، تحلیل زمان – فرکانس، آمار ریاضیاتی و تحلیل رابطه دینامیکی شناخته می شوند [۳]. شناخت ذهنی عملی تر است، اما نتیجه آن در ارتباط با ویژگی های کنترلی استدلال ذهنی خواهد بود. تحلیل زمان – فرکانس نیازمند یکسری از ویژگی های پیش فراوری شده در ارتباط با داده های نمونه می باشد، بنابراین چنین مولفه ای ممکن است سبب اضافه سازی یا کاهش برخی از اطلاعات گردد و همچنین این مورد نیازمند تعداد زیادی از نمونه های اطلاعاتی پس از توزیع نوعی می باشد. اصل تحلیل رابطه دینامیکی ساده می باشد و نیازمند داده های نمونه و توزیع نوعی متعاقب آن نمی باشد. با این وجود، برای شرط مرتبط با تجهیزات، داده هایی که از سیستم حقیقی حاصل آمده اند دارای برخی از ویژگی های خاکستری هستند. تحلیل رابطه خاکستری (GRA) یکی از روش های تحلیل رابطه دینامیکی به شمار می آید. چنین موردی تشریح کننده میزان مشابهی، از طریق مقایسه شکل هندسی منحنی های اطلاعاتی، می باشد. GRA دارای هیچ گونه ویژگی منحصر به فرد اکتسابی در ارتباط با نمونه های داده ای نمی باشد و نیاز به محاسبات چندانی نیز ندارد. بنابراین GRA به عنوان یک روش خوب در ارتباط با اعتبار سنجی مدل شبیه سازی به شمار می آید [۴]. اما این مولفه صرفاً به حساب آورنده شکل هندسی منحنی های داده ای می باشد و میزان مشابه ارزش اطلاعاتی و ترجیح تصمیم گیرندگان را در نظر نمی گیرد، بنابراین چنین موردی دارای محدودیت های خاصی می باشد. مرجع [۱]، اقدام به ارائه روش تحلیل رابطه ای خاکستری پیشرفته بر مبنای ویژگی ضربی نموده است، اما چنین موردی ترجیح های تصمیم گیرندگان را به حساب نیاورده و محاسبه آن نیز مشکل تر می باشد. مرجع [۵]، نیز اقدام به ارائه روش تحلیل رابطه ای خاکستری پیشرفته بر مبنای AHP نموده است. این مورد از ارزیابی چند هدفه استفاده نموده است، اما برای اعتبار سنجی مدل شبیه سازی مناسب نمی باشد.
مقاله جاری با هدف محدود سازی AHP اقدام به ارائه روش تحلیل رابطه ای خاکستری پیشرفته (IGRA) بر مبنای ویژگی خطی وزنی نموده است. IGRA به حساب آورنده مولفه هایی نظیر ترجیح تصمیم گیرندگان، شکل هندسی منحنی های اطلاعاتی و میزان مشابه از مقادیر و ارزش های اطلاعاتی می باشد و بر این مبنا نوعی ویژگی های مرحله ای و فرایندی را برای این الگوریتم مهیا می سازد. مثال شبیه سازی نشان دهنده آن است که روش IGRA قابلیت ارتقای مناسب اعتبار سنجی مدل شبیه سازی، ارائه محاسبه ساده تر و ارائه مولفه های کلی و عمومی بهتر را خواهد داشت. چنین موردی به عنوان یک روش کارامد در ارتباط با اعتبار سنجی مدل شبیه سازی اثبات شده است.
اعتبار سنجی تحلیل رابطه ای خاکستری پیشرفته
۲- تحلیل رابطه ای خاکستری و محدودیت
اعتبارسنجی مدل شبیه سازی از طریق مقایسه داده های بین سیستم حقیقی و مدل شبیه سازی تحت شرایط یکسان، به هنگامی که سیستم حقیقی یا سیستم متناظر با آن موجود باشد، اقدام به مشخص سازی میزان ثبات و پایداری مؤلفه تحت آزمایش می نماید [۶]. GRA روشی جهت برآورد میزان ارتباط داده ها بر مبنای مشابهت منحنی داده می باشد که تحت عنوان “درجه رابطه خاکستری” خوانده می شود. بر مبنای تئوری سیستم خاکستری [۷] داده های سیستم حقیقی به صورت تعیین می شوند. داده های مدل شبیه سازی شده نیز به صورت تعیین خواهند شد. در نظر بگیرید که این داده ها دارای زمان نمونه یکسان و طول نمونه یکسانی هستند، بنابراین درجه رابطه خاکستری بین xi(k) و x0(k) به شرح ذیل خواهد بود:
اعتبار سنجی تحلیل رابطه ای خاکستری پیشرفته
۳-تحلیل رابطه ای خاکستری پیشرفته
شکل هندسی منحنی داده ها و درجه مشابهی از مقدار داده ها را در نظر بگیرید. وزن موجود در این دو مورد بازتاب دهنده ترجیحی در خصوص نظر تصمیم گیرنده می باشد. بر مبنای روش ارزیابی جامع چند شاخصه [۸]، این مقاله از روش خطی وزنی جهت ترکیب دو ویژگی و مشخص سازی ترجیح تصمیم گیرندگان استفاده می نماید. بنابراین چنین مؤلفه ای دارای معانی حقیقی می باشد.
۳ـ۱٫ ویژگی هنجاری
بنابراین این ویژگی اثبات می شود.
۳ـ۲٫ جامعیت
حاصل آوردن توالی های مختلف و تعیین آنها به صورت x1، x2، بنابراین
از این طریق، جامعیت نیز اثبات می شود.
۳ـ۳٫ تقارن یکنواخت
در تنها یک مورد از عامل توالی ـ مبنا
بنابراین این ویژگی نیز اثبات می شود.
۳ـ۴٫ مجاورت
نیز ویژگی مجاورت را حاصل آورده و بنابراین این مورد نیز اثبات می شود.
اعتبار سنجی تحلیل رابطه ای خاکستری پیشرفته
۴- الگوریتم های IRGA
مراحل الگوریتم ها بر مبنای IRGA به شرح ذیل بیان می شوند:
مرحله ۱: مشخص نمودن داده های سیستم حقیقی x0 و داده های مدل شبیه سازی xi
مرحله ۲: تعیین فضای تفاوت خاکستری
مرحله ۳: محاسبه درجه رابطه خاکستری
مرحله ۴: محاسبه درجه مشابه مقدار داده ها بین xi(k) و x0(k)
مرحله ۵: محاسبه درجه خاکستری پیشرفته بین xi و x0
مرحله ۶: پس از دسته بندی همبستگی بر مبنای R(x0, xi)، هر چه که مقدار R(x0, xi) بیشتر باشد میزان اعتبار مدل شبیه سازی شده نیز بیشتر خواهد بود.
اعتبار سنجی تحلیل رابطه ای خاکستری پیشرفته
۵- مثال اعتبارسنجی مدل شبیه سازی
IRGA شکل هندسی منحنی داده ها و درجه مشابه مقدار داده ها به صورت توأم با هم به منظور برآورد درجه رابطه ای را در نظر می گیرد. در شکل ۲، سه توالی اطلاعاتی وجود دارد، که در آن x0 داده سیستم حقیقی، x1 و x2 داده های دو نوع مدل های شبیه سازی می باشند. با توجه به تحلیل ویژوال، x1 بهتر از x2 به منظور شبیه سازی x0 می باشد، بنابراین x1 دارای اعتبار بیشتری است.
این نتیجه گیری مشابه با تحلیل ویژوال است.
با استفاده از روشی که در مبحث [۱] ذکر شد، همبستگی جامع بین x1 و x0 برابر با R(x0, x2)=0.6661 حاصل شده و همبستگی جامع بین x2 و x0 نیز برابر R(x0, x2)=0.5756 به دست می آید، بنابراین x1 بهتر از x2 به منظور شبیه سازی x0 خواهد بود. نتیجه گیری به صورت یکسان با IRGA است. بنابراین IRGA معتبر می باشد. IRGA شکل هندسی منحنی داده ها، درجه مشابه مقدار داده ها و ترجیح تصمیم گیرنده را توأم با یکدیگر در نظر می گیرند. چنین موردی سبب کاهش ریسک گردیده و از نظر محاسبه نیز ساده تر است، بنابراین این مؤلفه دارای معنی حقیقی تری می باشد.
اعتبار سنجی تحلیل رابطه ای خاکستری پیشرفته
۶- نتیجه گیری
هدف این مقاله با توجه به روش GRA متعارف، اعتبار سنجی مدل شبیه سازی بر مبنای IRGA است که ویژگی های آن مشخص شده است. روش اعتبارسنجی مدل شبیه سازی جدید دارای مزیت های ذیل می باشد.
IRGA مشخص کننده شکل هندسی منحنی داده ها و ویژگی های مشابه مقدار داده ها توأم با یکدیگر می باشد. این مورد سبب می شود تا نتایج حاصله از اعتبار بیشتری برخوردار بوده و به علاوه قابلیت کاهش ریسک نیز به وجود می آید.
IRGA از یک روش اضافه جهت سنتز یا ترکیب ویژگی ها استفاده می نماید. این روش ساده تر از روش ضرب در محاسبه تلقی شده و برای کاربردهای حقیقی آسان تر می باشد.
IRGA نیازی به داده های پیش پردازشی نداشته و مؤلفه های آن از نقطه نظر کلی و ویژگی های ارتقایی آسانتر است.
IRGA قابلیت اصلاح مقدار وزنی بر مبنای نیازهای حقیقی و ترجیحات تصمیم گیرندگان را خواهد داشت.
بنابراین چنین موردی را می توان برای موقعیت های عینی در نظر گرفت. مثال شبیه سازی نشان دهنده آن است که IRGA به عنوان یک روش کارآمد جهت اعتبارسنجی مدل شبیه سازی به شمار آمده و از اهمیت کاربردی قابل ملاحظه ای نیز برخوردار است.
لطفا به جای کپی مقالات با خرید آنها به قیمتی بسیار متناسب مشخص شده ما را در ارانه هر چه بیشتر مقالات و مضامین ترجمه شده علمی و بهبود محتویات سایت ایران ترجمه یاری دهید.
