Pore Characterization and FTIR Spectras of Yellow Squash Particles and Adaptive Neuro-Fuzzy Inference System Modelling of the Breakthrough Curves of Reactive Blue 21 Dyestuff in a Fixed-Bed Column

2018 ◽  
Vol 38 (s1) ◽  
pp. S110-S117 ◽  
Author(s):  
Ensar Oguz ◽  
Meral Utku
Keyword(s):  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
Fixed Bed ◽  
Breakthrough Curves ◽  
System Modelling ◽  
Fixed Bed Column ◽  
Inference System ◽  
Neuro Fuzzy ◽  
Pore Characterization

Adaptive Neuro-Fuzzy Inference System Modelling of Surface Roughness in High Speed Turning of AISI P 20 Tool Steel

2011 ◽  
Vol 314-316 ◽  
pp. 341-345
Author(s):  
Bo Di Cui
Keyword(s):  
Experimental Data ◽  
Surface Roughness ◽  
Tool Steel ◽  
Fuzzy Inference System ◽  
High Speed ◽  
Fuzzy Inference ◽  
System Modelling ◽  
Inference System ◽  
High Speed Turning ◽  
Neuro Fuzzy

Accurate predictive modelling is an essential prerequisite for optimization and control of production in modern manufacturing environments. In this paper, an adaptive neuro-fuzzy inference system (ANFIS) model was developed to predict the surface roughness in high speed turning of AISI P 20 tool steel. Experiments were designed and performed to collect the training and testing data for the proposed model based on orthogonal array. For decreasing the complexity of the ANFIS structure, principal component analysis (PCA) was used to deal with the experimental data. The comparison between predictions and experimental data showed that the proposed method was both effective and efficient for modelling surface roughness.

Prediction of the performance of impact hammer by adaptive neuro-fuzzy inference system modelling

2011 ◽  
Vol 26 (1) ◽  
pp. 38-45 ◽  
Author(s):  
K. Kucuk ◽  
C.O. Aksoy ◽  
H. Basarir ◽  
T. Onargan ◽  
M. Genis ◽  
...  
Keyword(s):  
Fuzzy Inference System ◽  
Fuzzy Inference ◽  
System Modelling ◽  
Inference System ◽  
Neuro Fuzzy

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