پیش بینی ارتفاع موج شاخص در بندر امیرآباد با استفاده از روش های هوش مصنوعی (ANFIS, EANN, SVM) و ارزیابی نتایج آن با مدل عددی سوان

ارتفاع موج شاخص، در طراحی و تحلیل سازه­های دریایی و بهره برداری از آنها پارامتر بسیار با اهمیتی می باشد در نتیجه پیش بینی این پارامتر کمک شایانی به بهبود طراحی و آنالیز سازه های دریایی می نماید، از روش های مدل سازی مشخصات امواج می توان به مدل های عددی، تجربی و هوش مصنوعی اشاره کرد، در این پژوهش از مدل سوان که یکی از انواع مدل­های نسل سوم در مدل سازی و تخمین مشخصات امواج است، استفاده شده است. سپس از مدل­های مبتنی بر محاسبات نرم شامل مدل­های منفرد و ترکیبی هوش مصنوعی مانند سیستم استنتاج عصبی - فازی انطباقی، مدل ماشین بردار پشتیبان و شبکه عصبی مصنوعی احساسی، در پیش بینی ارتفاع موج استفاده شده است و از داده­های بویه امیرآباد جهت صحت سنجی استفاده شده است. ورودی مدل­ها در این پژوهش پارامتر سرعت باد و خروجی مدل ها نیز ارتفاع موج می­باشد. تحلیل مدل­های مختلف با استفاده از سنجه­های آماری اریبی، جذر میانگین مربع خطاها، ضریب پراکندگی و ضریب تبیین، انجام شده است. ارزیابی مدل ها توسط آماره­های فوق، حاکی از انطباق قابل قبول ارتفاع موج شاخص بدست آمده از مدل سوان با بویه دارد. همچنین هر سه مدل مبتنی بر هوش مصنوعی مذکور قابلیت پیش­بینی نسبتا دقیق پارامتر ارتفاع موج را دارند. همچنین مقایسه نتایج مدل­های مبتنی بر هوش مصنوعی نشان داد که مدل ماشین بردار پشتیبان، نسبت به بقیه مدل ها، دقیق تر است. مدل ماشین بردار پشتیبان به عنوان روشی جایگزین برای مدل سوان یا سایر روش­های عددی، در مواردی که داده های ارتفاع موج در دسترس نبوده و یا کیفیت آماری لازم را ندارد نتایج مدل سازی را بهبود می بخشد.

کلیدواژه ها:

Significant wave height ، Amir abad port ، Support Vector Machine ، adaptive neuro-fuzzy inference system ، artificial neuron networks ، SWAN numerical model ، ارتفاع موج شاخص ، بندر امیرآباد ، مدل ماشین بردار پشتیبان ، سیستم استنتاج عصبی-فازی انطباقی ، شبکه عصبی مصنوعی احساسی ، مدل عددی سوان