بررسي مدل شبكه عصبي و روش هاي تجربي درتعيين پارامترهاي امواج ناشي از باد در لاوان

امواج ناشي از باد از مؤثرترين پديده¬هاي دريايي در فرآيندهاي ساحلي و فراساحلي، هستند. در اين تحقيق با استفاده از روش¬هاي تجربي و همچنين شبكه¬هاي عصبي، مشخصات امواج ناشي از باد در منطقه لاوان مورد مطالعه، ارزيابي و مقايسه قرار گرفته است، تا بهترين روش پيش بيني، براي اين منطقه مشخص شود. بدين منظور داده¬هاي باد و موج منطقه لاوان مربوط به دسامبر سال 2009 تا جولاي سال 2010 از سازمان هواشناسي و سازمان بنادر و دريانوردي، تهيه شد. در ابتدا ارتفاع و دوره تناوب امواج با استفاده از داده¬هاي باد ايستگاه لاوان، توسط روش¬هاي تجربي SMB، SPM و CEM محاسبه شده است. همچنين مشخصات امواج پيش بيني شده با ارتفاع و دوره تناوب امواج ثبت شده توسط بويه موج نگار لاوان مقايسه و خطاهاي روش¬هاي تجربي تعيين شده است. سپس، با دادن مقادير جهت و سرعت باد به عنوان ورودي، و ارتفاع و دوره تناوب امواج اندازه¬گيري شده توسط بويه به عنوان خروجي به شبكه عصبي، اين شبكه آموزش ديد. پس از آموزش شبكه، مقايسه¬اي بين محاسبات انجام شده از طريق شبكه عصبي با مشخصات امواج اندازه¬گيري شده صورت گرفت تا خطاهاي حاصل از اين روش تعيين شود. طبق بررسي¬هاي انجام شده، روش¬هاي SMB و SPM از بين روش¬هاي تجربي به ترتيب مناسب¬ترين روش¬ها، براي تعيين ارتفاع و دوره تناوب امواج منطقه لاوان مي¬باشند. مقايسه نتايج روش¬هاي تجربي و عصبي نشان مي¬دهد كه مقادير بدست آمده از روش شبكه عصبي با مشخصات امواج اندازه¬گيري شده اختلاف كمتري داشته و با مقادير اندازه گيري شده همخواني بيشتري دارد.

Wind waves are of the most effective marine phenomena in coastal and offshore processes. In this study, wave parameters has been predicted using experimental and Neural Networks models in the Lavan to evaluate the best prediction method for this region. The wind and wave data of Lavan relating to December 2009 to July 2010 have been obtained from the Meteorological Agency and PMO respectively. First wave height and wave period were predicted using wind data through experimental methods SMB, SPM and CEM. The predicted wave parameters were compared with recorded data by Lavan Wave Buoy. Statistical errors of predicted values using experimental methods were determined. Then, by applying wind speed and wind direction values as input, and measured wave height and wave period using the buoy as the output of Neural Network model, the network was trained. After training, to determine the error of this method, a comparison was done between the computations performed by neural networks and measured wave parameters. It was found that SMB and SPM methods are the most accurate experimental methods to determine the wave height and wave period of the Lavan, respectively. Also results show that the values obtained by neural network model are more consistent with the measured data than values obtained by the experimental methods.