نیما افشین - Sari Agricultural Sciences and Natural Resources University
علیرضا عمادی - Sari Agricultural Sciences and Natural Resources University
رامین فضل اولی - Sari Agricultural Sciences and Natural Resources University
سروین زمان زاد قویدل - University of Tehran

چکیده مبسوط مقدمه و هدف: امروزه با توجه به تغییرات اقلیمی و تاثیر آن بر وضعیت امواج دریا و خطرات ناشی از شدت آن، ارزیابی و برآورد ارتفاع موج شاخص در دریاها از اهمیت بسیار بالایی برخوردار است. پیش­بینی ارتفاع موج شاخص در بندر امیرآباد با به کارگیری ترکیبی از متغیرهای معرف خصوصیات امواج و هواشناسی، توسعه مدل­ های هوش مصنوعی و اغتشاش­زدایی داده­ها با به کارگیری تئوری موجک و نهایتا استخراج روابط ریاضی حاکم بر اصول مهندسی دریا-هواشناسی جهت تخمین ارتفاع موج از اهداف و نوآوری­ های منحصر به فرد در این مطالعه، می ­باشد. مواد و روش­ها: در این تحقیق، ارتفاع امواج در بندر امیرآباد دریای خزر، با استفاده از روش­ های منفرد و هیبریدی-موجک هوش مصنوعی، از جمله شبکه عصبی مصنوعی (ANN, WANN) پرسپترون چند لایه با الگوریتم آموزشی لونبرگ-مارگارت، سامانه استنتاجی فازی-عصبی تطبیقی (ANFIS, WANFIS) و برنامه ­ریزی بیان ژن (GEP, WGEP) در گام ­های زمانی بدون تاخیر، تاخیر زمانی ۳ و ۶ ساعته، برآورد شده است. بدین منظور، از داده ­های امواج و هواشناسی با مقیاس ساعتی در سال ۲۰۱۸ میلادی، استفاده شده است. یافته­ها: نتایج حاکی از این است که حذف اغتشاش توسط آنالیز موجک توانایی ارتقاء عملکرد در همه مدل­ ها را دارد. همچنین، در این پژوهش مدلهای هیبریدی-موجک نتایج بهتری را نسبت به مدل های منفرد ارائه داده اند. در میان تمامی مدلها برای همه گام­ های زمانی، مدل WGEP بهترین مدل و ANN ضعیف ترین مدل بوده است. از میان مدل های مورد بررسی در این تحقیق مدل WGEP درگام زمانی بدون تاخیر به ­ترتیب با ضریب همبستگی و کارایی ۰/۹۶ و ۰/۹۸ و ریشه میانگین مربعات خطا و میانگین قدرمطلق خطا  ۰/۰۳۷ و ۰/۰۸۷ متر، مناسب ترین مدل بوده است. همچنین مدل ANN منفرد در گام زمانی با تاخیر ۶ ساعته کمترین مقدار ضریب همبستگی و کارایی و بیشترین مقدار ریشه میانگین مربعات خطا و میانگین قدرمطلق خطا به ترتیب به­میزان ۰/۵۰۹، ۰/۶۰۷، ۰/۱۸۱ و ۰/۲۸۶ را داشته است. نتیجه­گیری: نتایج سه روش منفرد و هیبرید-موجک به کار گرفته شده، میتواند برای برآورد ارتفاع موج شاخص در بندر امیرآباد قابل قبول باشد. همچنین، اغتشاش­ زدایی داده­ های مشاهداتی بسیاری از خطاهای اندازه­گیری را کاهش داده و باعث افزایش عملکرد مدل­های هوش مصنوعی می­گردد. این مطالعه تاثیر بسزایی در مدیریت بحران و سواحل داشته و می­ تواند الگویی راهبردی برای مدیران و سیاست گزاران و محققان جهت تحقیقات آتی باشد.  

Amirabad Port, Artificial intelligence, Significant wave height, Prediction, Wavelet, ارتفاع موج شاخص, بندر امیرآباد, پیش ­بینی, موجک, هوش مصنوعی