گذری فراسوی به اصلاح روش SPM و مقایسه آن با مدل هوشمند GIDS
Publish place: Marine Technology Journal، Vol: 10، Issue: 1
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 95
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJMT-10-1_007
تاریخ نمایه سازی: 14 مرداد 1402
Abstract:
در چند دهه اخیر از روش های مختلف الگوی پیش بینی موج استفاده شده است. روش های تجربی، مدل های عددی و الگوریتم محاسبات نرم از این گونه روش ها محسوب می شود. در این تحقیق، در۲ بخش مختلف به پیش بینی ارتفاع امواج خلیج مکزیک پرداخته شده است. در بخش اول الگوریتم ALM و مدل GIDS و در بخش دوم روش های تجربی SPM و CEM بررسی شده است. بدین منظور در ابتدا با استفاده از مدل ALM و GIDS به پیش پردازش داده های جمع آوری شده و فاکتور تنش باد در مدل SPM پرداخته شد. پس از بررسی-ها مشخص گردید که فاکتور تنش باد بایستی با ضریب اصلاحی بدون بعد (p⁄(۱/۲ ρ〖u_۱۰〗^۲ )) تصحیح شود. در مرحله بعد مناسب ترین ورودی مدل GIDS انتخاب و جهت کاهش زمان این مدل سازی ترکیبات مختلفی از فاکتور تنش باد اصلاح شده (U_a) با طول موج گاه، در نظر گرفته شد که نتیجه بر آن شد که پارامتر U_a (gX)^(-۰.۰۲) مناسب ترین ورودی مدل GIDS در پیش بینی ارتفاع امواج است. در قسمت دوم مقاله هر یک از مدل های SPM و CEM اجرا و با مدل GIDS بهینه شده مورد مقایسه قرار داده شد. نتایج نشان داد که مدل GIDS، در پیش بینی ارتفاع امواج خلیج مکزیک دقت بالاتری را دارد. سپس ضریب تصحیح سرعت باد با بکارگیری الگوریتم ژنتیک اصلاح گردید و با این عمل مدل SPM اصلاح و به عنوان مناسب ترین مدل پیش بینی ارائه گردید.
Keywords:
Authors
همایون احمدوند
دکترای فیزیک دریا، دانشگاه علوم و فنون دریایی خرمشهر، دانشکده علوم دریایی و اقیانوسی
محمد علی نجارپور
استادیار فیزیک دریا، دانشگاه علوم و فنون دریایی خرمشهر، دانشکده علوم دریایی و اقیانوسی
محمد اکبری نسب
دانشیار فیزیک دریا، دانشگاه مازندران، دانشکده علوم دریایی و اقیانوسی
ایمان اسمعیلی پایین افراکتی
استادیار مهندسی برق، دانشگاه مازندران، دانشکده مهندسی برق
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :