بررسي تركيب تبديل هاي موجك و شبكه عصبي در پيش بيني جريان هاي سطحي تنگه هرمز

The Composition of Wavelet Transforms and Neural Network in Predicting of Surface Flow in the Strait of Hormuz

جریان‌های سطحی اقیانوسی، نقش مهمی در انتقال گرما و تغییرات آب و هوایی دارد. ازاین‌رو، پیش‌بینی جریان‌های دریایی از اهمیت بسزایی در اقیانوس‌شناسی برخوردار است. در این پژوهش با به‌كارگیری شبكه‌‌عصبی و تكنیك تبدیل موجك به پیش‌بینی جریان‌های سطحی تنگه‌هرمز پرداخته شده است. بدین منظور داده‌های ثبت‌شده این حوزه از نوامبر سال 1992 تا دسامبر سال 2014 با گام زمانی 5 روزه از سایت ناسا تهیه و با به‌كارگیری تبدیل‌های موجك به زیر‌موجك‌های مادر Rbio، Coif، Bior، dmey، Db، Sym، haar به 10 زیرسری تجزیه و به‌عنوان ورودی مدل شبكه عصبی به‌كار گرفته شد. سپس با اجرای مدل شبكه عصبی ضرایب وزنی هر یك از زیر موجك‌ها تعیین شد. نتایج این بررسی نشان داد كه زیر موجك‌های تولیدشده به‌وسیله موجك coif(5) كمترین خطا در پیش‌بینی جریانات سطحی را دارد. به‌منظور ارزیابی میزان اثربخشی هر یك از این زیر موجك‌ها‌ و دستیابی به  نتایج مطلوب در مراحل آموزش، اعتبارسنجی و آزمایش، شبكه‌های چندلایه با تعداد نورون مختلف در لایه پنهان استفاده شد كه نتایج نشان داد؛ انتخاب 6 زیر موجك d1, d2 , …, d6 با مقدار خطا R=0/891 و 0/025 =RMSE در مرحله آزمایش مناسب‌ترین تعداد را در پیش‌بینی جریانات سطحی تنگه‌هرمز دارد.

In the ocean, surface flow has an important role in heat transfer and climate change. The Sea flow prediction is of great importance in oceanography. In this study, neural network and wavelet techniques were used to predict the Strait of Hormuz surface flows. The data recorded in this area from November 1992 to December 2014 with time interval of 5 days prepared from NASA and Decomposed up to 10 sub-series using wavelet mother transform such as Rbio, Coif, Bior, dmey, Db, Sym, haar and then were used as input of  neural network model. By applying wavelet and neural network weighting coefficients of each of the wavelet transformations were determined. Results showed that the wavelet generated by coif (5) has the most accurate prediction. In order to evaluate the effectiveness of favorable results in the training, validation and testing, multi-layer network with a number of different neurons in the hidden layer was used. The results show that the 6 subseries wavelet d1, d2, ..., d6 with R=0.891 and RMSE =0.025 in the test is the most appropriate number to predict the surface flow in the Strait of Hormuz.