مدل های رگرسیون تصادفی-فازی براساس فواصل اطمینان

در بسیاری از مسائل رگرسیون فازی با داده های تصادفی-فازی مواجه هستیم، که علاوه بر فازی بودن، تصادفی نیز هستند. به منظور بررسی و تحلیل مدل های رگرسیونی در حضور چنین داده هایی، مناسب است از متغیرهای تصادفی-فازی استفاده شود. در این مطالعه با استفاده از اندازه اعتبار و اصول رگرسیون امکانی، یک مدل رگرسیون فازی جدید برای متغیرهای ورودی و خروجی که به صورت تصادفی-فازی هستند بررسی می شود. با تعریف فواصل اطمینان-سیگما، براساس امید و واریانس متغیرهای تصادفی-فازی، یک رده جدید از مدل های رگرسیون فازی، به نام مدل های رگرسیون تصادفی-فازی براساس فواصل اطمینان(ci_frrm) بنا می گردد. براورد ضرایب این مدل هاف توسط برنامه ریزی های غیر خطی دشوار است. بنابراین از روشی موسوم به رئوس استفاده می گردد. اما این روش برای تعداد زیاد داده ها کارایی ندارد. لذا نیاز به استفاده از یک الگوریتم ابتکاری می باشد، که این الگوریتم نیز معرفی و تشریح می گردد. در پایان با ارایه مثال های عددی استفاده از این مدل رگرسیونی را شرح داده و ارزیابی می کنیم.