Juan Carlos Barajas Navarro A fuzzy logic based tred impact analysis method

A Fuzzy Logic based Tred Impact Analysis method

Nedaa Agami, Mohamed Saleh, Hisham El-Shishiny

Decision Support Department. Faculty of Computers & Information. Cairo University, Giza. Egypt. 2010

ISAAC DANIEL OLMOS SALAZARJUAN CARLOS BARAJAS NAVARRO

Introducción

• TIA – Trend Impact Analysis: estimaciones generadas por expertos en probabilidad para definir la probabilidad de ocurrencia de un evento.

• Se propone un mecanismo para generar estimaciones más justificables sobre eventos sin precedentes con un función de tiempo con varios niveles de severidad utilizando Fuzzy Logic.

o Se considera escenarios que puedan impactar en los ámbitos en los campos tecnológicos, políticos, sociales y económicos.

Introducción

TIA- herramienta de forecasting en donde las series de tiempo son modificadas considerando los estímulos ingresados por los expertos, lo cual se refiere a juicios cualitativos.

Regresión logística, Árboles de decisión, Clasificación Bayesiano y otros modelos similares requieren información histórica para lograr ajustar las curvas en los análisis.

Fuzzy Logic (FL)

• Lotfi A Zadeh (1965) Berkely, Ca. – lógica con multi-valores que permite valores intermedios puedan ser definidos como verdadero/falso, si/no, alto/bajo, etc.

• Variables lingüísticas: donde los valores son palabras en lugar de números, que permite que conceptos como más que y mucho puedan ser modelados con el objetivo de asemejar el pensamiento humano dentro de la programación.

Código binario (0,1) vs. Capacidad humana de toma de decisiones, razonamiento y solución de problemas.

Estructura Fuzzy Logic

1. Simulación de Atributos. Identificación de eventos a ser considerados en el análisis

2. Fuzzification. Convierte la información de entrada en información fuzzy

3. Reglas. Parámetros prestablecidos para la acción del modelo. Or, And & Not.

4. De-fuzzification. Determinación de grados de severidad del evento para generación de escenarios (High (H), low (L), medium (M) o sin ocurrencia (NON))

Diagrama de flujo

FUZZIFICATION

INFERENCE SYSTEMDE-FUZZIFICATION

NumS Número de EscenariosNumY Número de Años NumE Número de EventosBaseFrcVec Vector base pronósticoMaxImMx Matriz de Impacto MáximoSSImMX Matiz de estado-estableTMaxMx Tiempo impacto MáximoTSSMx Tiempo de estado estableSrMx Matriz de EscenariosFracChgVect Vector de cambio fraccional

Caso de Estudio

“Se desea estudiar la afectación en el flujo anual de agua en un lago a partir de la sequía en la cuenca del río, considerando una proyección a 15 años”

Resultado

MaxImpMx High Medium LowE1 -0.1875 -0.095 -0.0725

SSImpMx High Medium LowE1 -0.1 -0.05 -0.0375

TMaxMx High Medium LowE1 2 4 6

TSSMx High Medium LowE1 6 10 12

Desde MATLAB, se obtuvieron 100,000 escenarios con una proyección a 15 años, es decir 180 meses, sobre un evento (Sequia), es decir NumE = 1.

Reglas Difusas

RuleAtributo 1:

Promedio de TemperaturaAtributo 2:

Promedio de Humedad Severidad del Evento1 LOW WET NON2 LOW DRY LOW3 MEDIUM WET NON4 MEDIUM DRY MEDIUM5 HIGH WET NON6 HIGH DRY HIGH

De ahí se deduce que las reglas 1,3 y 5 se pueden simplificar a 1 sola que se determine únicamente por promedio de humedad = WET -> SEVERIDAD NON

Escenarios

Se tiene un periodo oscilatorio de 40 meses y los flujos promedio son de 5.25, 5.1, 4.85 y 4.7 (millones de metros cúbicos) para el pronóstico base, percentil 90, mediana y percentil 10 respectivamente.

Conclusiones y trabajo futuro

• El TIA es una herramienta de predicción avanzada que se utiliza en estudios futuros.

• La lógica difusa es un enfoque poderoso para el razonamiento con incertidumbre, que es tolerante cuando se tiene información imprecisa.

• Como una extensión del análisis de impacto a las tendencias (TIA) para evitar la estimación común del experto se propone el uso de variables de activación mediante un modelo estocástico (Montecarlo) e incorporar redes neuronales (Neuro-Fuzzy)

Aplicaciones del TIA en pronóstico de trayectorias de

huracanes