بشرا وفایی - کارشناسی ارشد فیزیک دریا، دانشکده علوم و فنون دریایی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران
وحید چگینی - دکترای مهندسی سواحل، استادیار، مرکز ملی اقیانو سشناسی،
عباس سقایی - دکترای مهندسی صنایع، دانشیار دانشکده مهندسی صنایع، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران
مجتبی عظام - دکترای فیزیک دریا، استادیار دانشکده علوم و فنون دریایی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران

امروزه با گسترش پایگاههای ثبت داده های دریایی و حجم بالای داده های ذخیره شده، نیاز به ابزاری است تا بتوان داده ه ای ذخیره شده را پردازش کرد. وقتی که حجم داده ها بالا باشد نمی توان الگوهای مفید را در میان حجم انبوه داده ها تشخیص داد بنابراین نیاز به روشهای داده کاوی 1 است کهاصطلاحا به کشف دانش بپردازند. یکی از رایجترین روشهای داده کاوی در فیزیک دریا ، خوشه بندی 2 است. در این تحقیق برای خوشه بندی خلیج چابهاربر اساس چگالی از الگوریتم دو مرحله ای 3 استفاده شد. نتایج خوشه بندی بطور واضحی نشان دهنده یک مورد استثنا در آبان ماه است که با رسم منحنی های همتراز چگالی، شوری و دما توسط نرم افزار سرفر 4 نتایج بدست آمده از داده کاوی تایید شد. همچنین برای بررسی تاثیرات دما و شوری در توزیع مکانی و زمانی چگالی آب خلیج و یافتن مؤثرترین پارامتر بر چگالی آب خلیج چابهار از میان پارامترهای موثر (عمق، دما و شوری) ، با استفاده از الگوریتم موجود در نرم افزار کلمنتاین 5 یازده شبکه عصبی تشکیل شد. برای بررسی اعتبار و صحت این روش، آزمون آماری رگرسیون ریج 6 بکار برده شد، در نتیجه برای هر دوره یک رابطه ریاضی بدست آمد که نشان داد می توان از شبکه عصبی پاسخهای قابل قبولی دریافت نمود

چابهار، چگالی، داده کاوی، خوشه بندی، شبکه عصبی، کلمنتاین، سرفر