استفاده از روش ترکیبی موجک-ماشین بردار پشتیبان برای پیش بینی وقوع امواج غیرعادی

Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 427

This Paper With 15 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JHYDAN-13-1_001

تاریخ نمایه سازی: 17 تیر 1398

Abstract:

امواج غیرعادی یا سهمگین به امواجی گفته می­شود که با ارتفاع خیلی زیاد، ولی بطور ناگهانی و غیر قابل پیش بینی و به ندرت رخ می­دهند. عوامل مختلفی مثل طوفان­های شدید، توپوگرافی خاص بستر، تلاقی جریان­های کرانه­ای و امواج و برهم کنش امواج با طول موج­ها و فرکانس­های مختلف با یکدیگر، ممکن است سبب بروز آن­ها شوند. اما همه اینها هنوز در حد فرضیه هستند. هدف از این تحقیق ارائه یک روش ترکیبی برای پیش بینی وقوع امواج غیرعادی از روی متغیرهای هواشناسی با استفاده از روش ترکیبی تبدیل موجک و ماشین بردار پشتیبان دسته ­بندی کننده است. برای بررسی کارایی مدل ارائه شده از داده ­های تاریخی متغیرهای هواشناسی برداشت شده طی سه سال از ایستگاه­های شماره 41041 و 41004 در دو طوفان مشهور Dean (2007) و Irene (2011) استفاده شده است. ابتدا با استفاده از تبدیل موجک امواج غیرعادی شناسایی شده، سپس از خروجی­های این روش برای آموزش ماشین بردار پشتیبان استفاده شده است. تبدیل موجک روی داده های ارتفاع مشخصه اعمال می­شود. در این روش امواج غیرعادی نواحی از طیف تبدیل موجک را تشکیل می­دهند که در آن­ها انرژی زیاد است. از داده­ های تاریخی هواشناسی پارامترهایی مانند جهت باد، سرعت باد، ارتفاع موج مشخصه، فشار سطح دریا، دمای هوا و دمای سطح دریا که در طول سه سال بصورت ساعتی ثبت شده، برای آموزش و آزمون مدل­های ماشین بردار پشتیبان استفاده شده است. نتایج نشان داد که روش ارائه شده از دقت قابل قبولی برای پیش بینی وقوع امواج غیرعادی برخوردار است.

Authors

کیومرث محمودی

دانشجوی دکتری، دانشکده مهندسی دریا، دانشگاه صنعتی امیرکبیر، تهران

محمد جواد کتابداری

دانشیار، دانشکده مهندسی دریا، دانشگاه صنعتی امیرکبیر، تهران

حسن قاسمی

استاد، دانشکده مهندسی دریا، دانشگاه صنعتی امیرکبیر، تهران

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 :
  • Cherneva, Z., and Soares, C. (2014). Time–frequency analysis of the ...
  • Chien, H., Kao, C. C., and Chuang, L. Z. H. ...
  • Clauss, G. (2000). Dramas of the sea: episodic wave sand ...
  • Dean, R. (1990). Abnormal waves: a possible explanation , Torum, ...
  • Didenkova, I. (2011). Shapes of freak waves in the coastal ...
  • Ewans, K., and Buchner, B. (2008). Wavelet analysis of an ...
  • Haver, S. (2005). Freak waves—a suggested definition and consequences for ...
  • http://www .ndbc.noaa.gov ...
  • Huang, M. C. (2004). Wave parameters and functions in wavelet ...
  • Lavine, B.K., and  Blank, T.R., (2009). 3.18 - Feed-forward neural ...
  • Liu, P., and Mori, N. (2000). Characterizing freak waves with ...
  • Massel, S. (2001). Wavelet analysis for processing of ocean surface ...
  • Scholkopf, B., and Smola, AJ. (2002). Learning with kernels . ...
  • Scholkopf, B., Burges, C., and Smola, A. (1998). Advances in ...
  • Scholkopf, B., Mika, C.J., Burges, P, Knirsch, RR., and Muller, ...
  • Taylor, SJ. and Cristianini, N. (2004). Kernel methods for pattern ...
  • Tomita, H., and Kawamura, T. (2000). Statistical analysis and inference ...
  • Vapnik, VN. (2000). The nature of statistical learning theory , ...
  • Veltcheva, A., and Guedes Soares, C. (2015). Wavelet analysis of ...
  • نمایش کامل مراجع