مقايسه نتايج حاصل از شبكه هاي عصبي MLP و RBF در پيش بيني جريان هاي ساحلي

ررسي جريان هاي ساحلي هنگام طوفان از آن جهت داراي اهميت وﯾﮋه مي باشد كه اكثر تغييرات در خطوط ساحلي و جابجايي رسوبات در اين زمان رخ مي دهد. در برآورد جريان هاي ساحلي در شرايط طوفاني به علت سختي كار در برداشت داده هاي ميداني و نيز پيچيدگي تحليل بر روي داده هاي همزمان اثر موج و باد هاي شديد تاكنون تحقيقات چنداني صورت نگرفته و داراي ابهامات زيادي است. هدف از تحقيق حاضر مقايسه دو نوع شبكه عصبيMLP وRBF براي برآورد جريان هاي ساحلي در شرايط طوفاني است كه از پركاربردترين شبكه ها در مسايل تقريب توابع هستند. در اين تحقيق توانمندي هاي اين دو نوع شبكه عصبي در مدلسازي جريان هاي ساحلي در ساحل جواتسو- اوگاتا نشان داده شد. به گونه اي كه اين مدل ها توانستند نتايج معقولي در مناطق مختلف اين سايت ارائه دهند. مدل هاي كلي ارائه شده نهايي نشان مي دهند كه مي توانند نواحي مختلف ساحلي را به خوبي درك كرده و نيز در تمامي حالات جواب هايي با دقت قابل قبول داشته باشند. همچنين قابليت اين شبكه ها نيز با يكديگر مورد مقايسه قرار گرفت. با مقايسه پاسخ ها ، ارقام و روند مشابهي در دو نوع شبكه ملاحظه گرديد. در نهايت مقايسه اي بين اين دو نوع شبكه با مدل هاي رگرسيون آماري انجام گرفت كه نتايج نشان دهنده ميزان عملكرد بهتر اين شبكه ها نسبت به مدل رگرسيوني بود.