TY - JOUR T1 - Classification of Water Masses in Chabahar Bay Using Clustering Method TT - دسته‌بندی توده‌های آب در خلیج چابهار با استفاده از روش خوشه‌بندی JF - JOC JO - JOC VL - 4 IS - 13 UR - http://joc.inio.ac.ir/article-1-327-fa.html Y1 - 2013 SP - 11 EP - 19 KW - Chabahar KW - Sigma T KW - Data mining KW - Clustering KW - Neural network KW - Clementine KW - Surfer N2 - امروزه با گسترش پایگاه‌های ثبت داده‌های دریایی و حجم بالای داده‌های ذخیره شده، نیاز به ابزاری است تا بتوان داده‌های ذخیره شده را پردازش کرد. وقتی که حجم داده‌ها بالا باشد، نمی‌توان الگوهای مفید را در میان حجم انبوه داده‌ها تشخیص داد. بنابراین نیاز به روش‌های داده‌کاوی (Neural Network & Data Mining) است که اصطلاحا به کشف دانشبپردازند و با کمترین دخالت کاربر و به صورت خودکار الگوهای مفید در داده‌ها و رابطه‌های منطقی را پیدا نمایند. یکی از رایج‌ترین‌‌‌ روش‌های داده‌کاوی در فیزیک دریا،‌ ‌‌‌خوشه‌بندی (Clustering) است. جهت خوشه‌بندی خلیج چابهار بر اساس چگالی از الگوریتم دو مرحله‌ای (Two-step) استفاده شد. همچنین برای بررسی تاثیرات دما و شوری در توزیع مکانی و زمانی چگالی آب خلیج و یافتن مؤثرترین پارامتر بر چگالی آب خلیج از میان پارامترهای موثر (عمق، دما و شوری)، یازده شبکه عصبی در نرم افزار کلمنتاین (Clementine) تشکیل شد. نتایج به‌طور واضحی نشان دهنده‌ی یک مورد استثنا در آبان ماه است که با رسم منحنی‌های همتراز چگالی، شوری و دما توسط نرم‌افزار سرفر (Surfer) نتایج به‌دست آمده از داده‌کاوی تایید شد. M3 ER -