Výzkumný článekAdaptivní neuro-fuzzy inferenčního systému (ANFIS) pro analýzu nevratnosti chladicího systému pro domácnost využívajícího LPG/TiO 2 nanomazivo

Tato práce představuje metodiku umělé inteligence adaptivního neuro-fuzzy inferenčního systému (ANFIS) pro předpověď účinnosti podle 2. zákona a celkové nevratnosti chladicího systému využívajícího LPG/TiO 2 nanomazivo. K tomuto účelu byly použity přístupy substraktivního shlukování a rozdělení mřížky k trénování modelů ANFIS potřebných k odhadu účinnosti podle druhého zákona a celkové nevratnosti s využitím některých experimentálních údajů. Dále bylo zjištěno, že předpovědi modelů ANFIS s přístupem subtraktivního shlukování jsou přesnější než předpovědi modelů ANFIS s přístupem mřížkového rozdělení. Předpovědi modelů ANFIS s přístupem subtraktivního shlukování byly rovněž porovnány s experimentálními výsledky, které nebyly zahrnuty do trénování modelu, a s předpověďmi již existujících ANN modelů autorů předchozí publikace. Porovnání rozptylu, střední kvadratické chyby (RMSE), střední absolutní procentní chyby (MAPE) bylo 0,996-0,999, 0,0296-0,1726 W a 0,108-0,176 % mezních hodnot variability. Tyto výsledky naznačují, že model ANFIS s přístupem subtraktivního shlukování s poloměry shluků 0,7 a 0,5 může předpovídat účinnost podle 2. zákona a celkovou nevratnost s vyšší přesností než předchozí modely ANN publikované autory.

.