سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

مقایسه مدل SWAN و شبکه عصبی مصنوعی در پس بینی ارتفاع موج در خلیج فارس

Publish Year: 1391
Type: Conference paper
Language: Persian
View: 934

This Paper With 6 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

ICOPMAS09_217

Index date: 14 June 2014

مقایسه مدل SWAN و شبکه عصبی مصنوعی در پس بینی ارتفاع موج در خلیج فارس abstract

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.

مقایسه مدل SWAN و شبکه عصبی مصنوعی در پس بینی ارتفاع موج در خلیج فارس Keywords:

مقایسه مدل SWAN و شبکه عصبی مصنوعی در پس بینی ارتفاع موج در خلیج فارس authors

بهاره کامران زاد

دانشجوی دکتری، دانشگاه علم و صنعت ایران

امیر اعتمادشهیدی

دانشیار، دانشگاه علم و صنعت ایران

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 :
Sverdrup, H.U., Munk, W.H. (1947), Wind sea and swell: theory ...
Bretschneider, _ (1958), Revisions in wave forecasting: Deep and shallow ...
Hasselman, K., Barnett, T.P., Bouws, E, Carlson, H., Cartwright, D.E., ...
Donelan, M.A. (1980), Similarity theory applied to the forecasting of ...
US Army. (1984), Shore Protection Manual, 4th ed. 2vols. U.S. ...
US Army. (2003), Coastal Engineering Manual, Chapter II-2, Meteorology and ...
Komen, G.., Cavaleri, L., Donelan, M., Hasselmann, K., Hasselman, S., ...
Booij, N., Ris, R.C., Holthuijsen, L.H. (1999), A third-generation wave ...
Tolman, H.L. (1991), A third-generation model for wind waves on ...
DHI Water & Environment. (2004), MIKE 21 spectral wave module, ...
Moeini, M.H., E temad-Shahidi, A., Chegini, V. (2010), Wave modeling ...
Moeini, M.H., Etemad- Shahidi, A. (2007), Application of two numerical ...
Signell, R.P., Carniel, S., Cavaleri, L., Chiggiato, J., Doyle, J., ...
Rusu, E., Pilar, P., Guedes Soares, C. (2008), Evaluation of ...
Bolaios-S anchez, R., Sanchez-Arcil a, A., Cateura, J. (2007), Evaluation ...
Kazeminezhad, M.H., E temad-Shahidi, A., Mousavi, S.J. (2005), Application of ...
Etemad- Shahidi, A., Mahjoobi, J. (2009), Comparison between M5' Model ...
Mahjoobi, J., Etemad-Sh ahidi, A, Kazeminezhad, M.H. (2008), Hindcasting of ...
Agrawal, J.D., Deo, M.C. (2002), On-line wave prediction, Marine Structures, ...
M alekmohamadi, I., Ghiassi, R., Yazdanpanah, M.J. (2008), Wave hindcasting ...
Wu, j. (1982), Wind stress coefficients _ sea surface from ...
Jain, P., Deo, M.C. (2006), Neural networks in Cean engineering, ...
نمایش کامل مراجع

مقاله فارسی "مقایسه مدل SWAN و شبکه عصبی مصنوعی در پس بینی ارتفاع موج در خلیج فارس" توسط بهاره کامران زاد، دانشجوی دکتری، دانشگاه علم و صنعت ایران؛ امیر اعتمادشهیدی، دانشیار، دانشگاه علم و صنعت ایران نوشته شده و در سال 1391 پس از تایید کمیته علمی نهمین همایش بین المللی مهندسی سواحل، بنادر و سازه های دریایی پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله پس بینی موج، مدلSWAN/شبکه عصبی مصنوعی، خلیج فارس هستند. این مقاله در تاریخ 24 خرداد 1393 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 934 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که 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 ... . این مقاله در دسته بندی موضوعی شبکه عصبی طبقه بندی شده است. برای دانلود فایل کامل مقاله مقایسه مدل SWAN و شبکه عصبی مصنوعی در پس بینی ارتفاع موج در خلیج فارس با 6 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.