RT - Journal Article T1 - Application of Artificial Neural Networks in Optimization of Sea Wave Model Predictions JF - JOC YR - 2020 JO - JOC VO - 11 IS - 42 UR - http://joc.inio.ac.ir/article-1-1432-fa.html SP - 97 EP - 104 K1 - PMODynamicd Model K1 - Artificial Neural Networks K1 - Combination of Models K1 - Wave Simulation K1 - Bushehr AB - 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. LA eng UL http://joc.inio.ac.ir/article-1-1432-fa.html M3 10.52547/joc.11.42.97 ER -