ارزيابي عملكرد مدل‌هاي محاسباتي نرم در تخمين ارتفاع امواج در بندر انزلي

Assessment of Soft Computing Models to Estimate Wave Heights in Anzali Port

امواج ناشي از باد همواره يكي از موضوعات مهم، اساسي و مورد توجه در مهندسي سواحل و بنادر بوده است. از اين‌رو، طي ساليان متمادي روش‌هاي مختلفي مانند روش‌هاي تجربي، مد‌ل‌هاي عددي و روش‌هاي محاسباتي نرم جهت تخمين پارامترهاي امواج ارايه شده است. در اين مطالعه، ارتفاع امواج در بندر انزلي با استفاده از مدل‌هاي محاسباتي نرم همچون مدل رگرسيون تطبيقي چند متغيره اسپلاين (MARS)، درختان رگرسيوني (CART)، شبكه‌هاي عصبي مصنوعي (ANNs) و مدل درختيʹM5 تخمين زده شده است. از جمله ويژگي‌هاي بارز مدل‌هاي MARS، CART و ʹM5 در مقايسه با روش شبكه‌هاي عصبي مصنوعي، ارايه روابط رگرسيوني و معادلات رياضي كاربردي جهت تخمين ارتفاع امواج مي‌باشد كه به‌راحتي مي‌توان از روابط بهدست آمده جهت پيشبينيها استفاده نمود. در نهايت نتايج بهدست آمده از اين مطالعه نشان‌دهنده دقت قابل رقابت و نزديك روش‌هاي رگرسيوني در مقايسه با شبكه‌هاي عصبي مصنوعي در تخمين ارتفاع امواج مي‌باشند.

Wind waves are one of the important, fundamental and interesting subjects in port and coastal engineering. Thus, within years, different methods such as experimental methods, numerical modeling and soft computing methods have been employed to estimate the wave parameters. In this study, waves height in Anzali port is predicted using soft computing models such as multivariate adaptive regression splines (MARS), regression trees (CART), artificial neural networks (ANNs) and M5ʹ model tree. Among the features of MARS, CART and M5ʹ Models and compared to artificial neural networks, are presentation of regression equations and mathematical relationships which could easily be used to estimate the time series of wave height. The obtained results showed competitive accuracy of regression techniques in estimation of waves height compared to the artificial neural networks.