مقایسه مدل SWAN و شبکه عصبی مصنوعی در پس بینی ارتفاع موج در خلیج فارس
- سال انتشار: 1391
- محل انتشار: نهمین همایش بین المللی مهندسی سواحل، بنادر و سازه های دریایی
- کد COI اختصاصی: ICOPMAS09_217
- زبان مقاله: فارسی
- تعداد مشاهده: 848
نویسندگان
دانشجوی دکتری، دانشگاه علم و صنعت ایران
دانشیار، دانشگاه علم و صنعت ایران
چکیده
طراحی سازه های دریایی اعم از ساحلی و فرا ساحلی، مستلزم داشتن اطلاعات صحیح و دقیقی از رژیم امواج دریا می باشد. برای تولید این اطلاعات، روش های پیش بینی مختلفی به کار می روند که شامل روش های تجربی، روش های عددی و روش های نرم و یا ترکیب اینروش ها می باشند. روش های تجربی که بر مبنای روابطی میان پارامترهای بدون بعد امواج می باشند، به علت سادگی نسبی شان در مقایسه باسایر روش ها، در گذشته در مدل سازی مشخصات امواج دریا کاربرد بیشتری داشته اند. ضرایب ثابت روابط تجربی با استفاده از تحلیل ابعادی اندازه گیری های میدانی تعیین می شوند و بنابراین این روش ها که با توجه به اطلاعات منطقه خاصی توسعه یافته اند، در همه جا، نتایج دقیقیرا تولید نمی کنند. در این روش ها، مشخصات موج با استفاده از اطلاعات سرعت باد، طول موجگاه و زمان تداوم به دست می آیند. به عنوان نمونه ای از آن ها، می توان به روش هایCEM [ و [ 6 SPM [5] ،Donelan [4] ،JONSWAP [3] ،Bretschneider [2] ،SMB1 اشاره نمود با توسعه قابلیت های کامپیوتری در حل معادلات پیچیده، استفاده از مدل های عددی در قرن بیستم از مدل های نسل اول تا مدل های نسل سوم در مدل سازی امواج گسترش یافت. مدل هایMike 21 SW [ و [ 10 Wavewatch III [9] ،SWAN [8] ،WAM7 نمونه ای از مدل های عددی می باشند. مطالعات مختلفی (مانند16و15و14و13و12و11 مدل های عددی را برای مدل سازی امواج دریا به کار بردند.امروزه با در دسترس داشتن آمار کافی از طریق بویه های ثبت اطلاعات امواج، استفاده از روش های نرم مانند شبکه عصبی مصنوعیANN) وسیستم استنباط فازی FIS) و الگوریتم ژنتیکGA) برای پیش بینی امواج گسترش یافته است. اما استفاده از این روش ها، مختص بهمناطقی است که در آن ها آمار و اطلاعات باد و موج، موجود باشد و نتایج به دست آمده از این روش ها، هر چند دقیق، تنها در همان مناطق قابل استفاده می باشد. مطالعات زیادی (مانند20و19و18و17 از ابزار های نرم و همچنین از ترکیب روش های عددی و نرم مانند [ 21 ]) برای مدل سازی مشخصات امواج دریا استفاده نمودند.در این مطالعه، از هر دو مدل عددیSWANو شبکه عصبی مصنوعیANN)برای پس بینی ارتفاع امواج در خلیج فارس استفاده شده است و نتایج آن ها با هم مقایسه گردیده است. لازم به ذکر است که در هر دو مدل، از مشخصات باد به دست آمده از بویه واقع در بوشهر به عنوان ورودی مدل استفاده شد.کلیدواژه ها
پس بینی موج، مدلSWAN/شبکه عصبی مصنوعی، خلیج فارسمقالات مرتبط جدید
- بررسی عملکرد لرزه ای سازه های بتنی در مقابل حوادث طبیعی همچون زلزله
- بررسی جایگاه هوش مصنوعی در موفقیت مهندسی عمران
- نقش و جایگاه عمران و شهرسازی در ایجاد و توسعه گردشگری شهرهای شمالی
- واکاوی ویژگی های محیط های معماری و شهرسازی در دوران همه گیری ویروس کرونا
- بررسی ویژگی های شهر دوستدارکودک از منظر طراحی فضاهای شهری
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.