|
کاربرد شبکه عصبی مصنوعی در بهینه‌سازی نتایج پیش‌بینی مدل دینامیک امواج دریا
|
فرشته کمیجانی   ، مسعود منتظری نمین ، اصغر بهلولی |
| شرکت نواندیشان محیط‌های رودخانه و دریا ، fereshtehkomijani@gmail.com |
|
|
چکیده: (4605 مشاهده) |
| در این ﺗﺤﻘﯿﻖ ﮐﺎرﺑﺮد ﺗﮑﻨﯿﮏ شبکه ﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ در ﮐﺎﻫﺶ ﺧﻄﺎی ﻣﺪل دینامیکی برای ﭘﯿﺶﺑﯿﻨﯽ دقیق امواج دریا ﻣﻮرد ﺑﺮرﺳﯽ ﻗﺮار گرفته است. با اتخاذ رویکرد ترکیب مدل‌ها، در ابتدا مدل ایرانی PMODynamicsI به تنهایی برای پیش‌بینی موج آب عمیق بوشهر اجرا شد و پس از اعمال تنظیمات بهینه نشان داد، مدل برای امواج با ارتفاع کمتر از یک متر دقت بالایی (73 درصد) داشته و در مواقع طوفان‌های سمت شرق و جنوب‌شرقی در منطقه، به دلیل کمتر بودن مقدار سرعت باد (داده‌های GFS) در مقایسه با واقعیت، ارتفاع امواج تا 75 سانتی‌متر دست‌پایین برآورد شده است. به منظور افزایش دقت مدل‌سازی‌ها، سیستم شبکه عصبی مصنوعی بر اساس یک ساختمان MLP سه لایه تعریف گردید که نقش آن پیش‌بینی مقدار خطای مدل دینامیکی و اعمال آن بر روی نتایج مدل عددی است. در این زمینه انتخاب درستِ تعداد و نوع نرون‌های ورودی از میان عوامل موثر بر تولید موج، کمک شایانی به یافتن رابطه‌ی نهفته‌ی میان داده‌ها نموده که از طریق آن خطای پیش‌بینی‌ها به حداقل رسید. بر اساس نتایج، تکنیک ترکیبی مدل دینامیکی و شبکه عصبی مصنوعی علاوه بر افزایش دقت نتایج به90 درصد، کاهش جذر میانگین مربع خطا از 0.31 در مدل عددیِ تنها به0.22 در مدل ترکیبی را موجب گردید به طوری که در حدی‌ترین شرایط، ارتفاع موج تا 60 سانتی‌متر به واقعیت نزدیک‌تر شده است. به عبارت دیگر، ترکیب نتایج دو مدل، بهبود پیش‌بینی‌های موج را موجب شده است. |
|
| واژه‌های کلیدی: مدل PMODynamicsI، شبکه عصبی مصنوعی، مدل‌های ترکیبی، شبیه‌سازی امواج، بوشهر |
|
|
متن کامل [PDF 1580 kb]
(1479 دریافت)
|
نوع مطالعه: كاربردی |
موضوع مقاله:
اقیانوس شناسی فیزیکی (فیزیک دریا)
دریافت: 1398/5/9 | ویرایش نهایی: 1398/9/11 | پذیرش: 1399/2/29 | انتشار الکترونیک: 1399/10/2
|
|
|
|
|
|
.jpg)
