پیش بینی جریان سطحی تنگه همرمز با استفاده از مدل هیبرید موجک و شبکه عصبی

پیش بینی جریانات تنگه هرمز بعنوان شاهراه ورود و خروج آبهای خلیج فارس اهمیت بسزایی دارد در این مطالعه برای پیش بینی سری زمانی جریانات این تنگه از ویژگی های غیر خطی مقیاسهای زمانی چندگانه مدل شبکه عصبی و موجب بکار گرفته شده است. بدین منظور سری زمانی 22 ساله جریان سطحی به همه زیر موجکهای مختلف مادر haar ،Sym ،Db ،dmey ،Bior ،Coif ،Rbio تجزیه شد. سپس به منظور ارزیابی ضرایب وزنی هریک از زیر موجک مادر از شبکه عصبی با مشخصات یک لایه و یک نرون و تابع فعالیت pureline استفاده گردید. با این روش مشخص شد که زیر موجک های تولید شده توسط موجک 5 coifکمترین خطا را در تولید زیر موجکهای اولهی دارد سپس به منظور ارزیابی میزان اثر بخشی هریک از زیر موجک های تولید شده از شبکه های چند لایه با تعداد نورون مختلف در لایه پنهان استفاده گردید که نتایج نشان داد انتخاب 6 زیر موجک 6d1, d2 , …, d با مقدار خطا R=0/891 و RMSE=0/025 د رمرحله تست قادر به پیش بینی می باشد.

کلیدواژه ها:

جریان سطحی ، تنگه هرمز ، شبکه عصبی ، موجک