Resumen

El método de aprendizaje lineal basado en sensibilidad (SBLLM) ha sido utilizado recientemente como una herramienta predictiva debido a sus características y rendimiento únicos, especialmente su alta estabilidad y consistencia durante las predicciones. Sin embargo, la capacidad de generalización del SBLLM a veces es limitada dependiendo de la naturaleza del conjunto de datos, particularmente si existe incertidumbre en el conjunto de datos o no. Dado que hace uso del análisis de sensibilidad en relación con los conjuntos de datos utilizados, seguramente es muy propenso a ser afectado por la naturaleza del conjunto de datos. Con el fin de reducir los efectos de las incertidumbres en la predicción del SBLLM y mejorar su capacidad de generalización, este artículo propone un sistema híbrido a través de la combinación única de sistemas lógicos difusos de tipo-2 (type-2 FLSs) y SBLLM; posteriormente, el sistema híbrido se utilizó para modelar las propiedades PVT de sistemas de petróleo crudo. Se eligió el type-2 FLS para mane

• Materias:Axiomas de separación Modelos borrosos
• Subjects:Separation axioms Fuzzy models
• Palabras claves:Basado en sensibilidad; Método de aprendizaje lineal; SBLLM; Incertidumbres; Sistema híbrido; Sistemas lógicos difusos de tipo 2
• Keywords:Sensitivity-based; Linear learning method; SBLLM; Uncertainties; Hybrid system; Type-2 fuzzy logic systems