مروري بر روش هاي يادگيري ماشين و يادگيري عميق براي پيش بيني بركشند توفان

An overview of machine learning and deep learning methods to predict storm surge

امروزه تحقيق در زمينه علوم دريايي و اقيانوسي، به دليل تاثيري كه بر صنايع مختلف دارد حائز اهميت ‌مي‌باشد. با گسترش داده‌هاي اقيانوسي، استخراج اطلاعات موثر از اين داده ها به يك مسئله مهم تبديل شده است. اخيرا ، هوش مصنوعي توانسته با دقت قابل قبولي به پيش بيني پديده هاي دريايي بپردازد. از جمله‌ي اين پديده ها، بركشند توفان است. بركشند توفان، يكي از جدي‌ترين بلاياي دريايي به حساب مي‌آيد، كه مي‌تواند مناطق ساحلي و زيرساخت ها را تحت تاثير قرار بدهد. پيش بيني اين پديده مي‌تواند براي مديريت سواحل ضروري باشد. براساس الگوريتم‌هاي يادگيري ماشين و يادگيري عميق، مي توان مدل‌هايي را با دقت بالا طراحي كرد. مطالعه مروري پيشرو، به معرفي الگوريتم هاي يادگيري ماشين و يادگيري عميق كه براي پيش بيني بركشند توفان استفاده شده است، مي‌پردازد. همچنين اين مطالعه تلاش دارد، پتانسيل هوش مصنوعي را براي پيش بيني پديده هاي دريايي، از جمله بركشند توفان نشان دهد.

Nowadays, research in the field of marine and oceanic sciences is important because of its impact on various industries. With the expansion of oceanic data, extracting effective information from these data has become an important problem. Recently, artificial intelligence has been able to predict marine phenomena with acceptable accuracy. One of these phenomena is storm surge. Storm surge is one of the most serious marine disasters that can affect coastal areas and infrastructure. The prediction of this phenomenon can be essential for coastal management. Based on machine learning and deep learning algorithms, high accuracy models can be designed. This review introduces deep learning and machine learning algorithms that have been used to predict storm surge. Also, this study tries to show the potential of artificial intelligence to predict marine phenomena, including storm surges.