کاربرد شبکه عصبی مصنوعی در بهینه سازی نتایج پیش بینی مدل دینامیک امواج دریا

در این تحقیق کاربرد تکنیک شبکه عصبی مصنوعی در کاهش خطای مدل دینامیکی برای پیش بینی دقیق امواج دریا مورد بررسی قرار گرفته است. با اتخاذ رویکرد ترکیب مدل ها، در ابتدا مدل ایرانی PMODynamicsI  به تنهایی برای پیش بینی موج آب عمیق بوشهر اجرا شد و پس از اعمال تنظیمات بهینه نشان داد، مدل برای امواج با ارتفاع کمتر از یک متر دقت بالایی (73 درصد) داشته و در مواقع طوفان های سمت شرق و جنوب شرقی در منطقه، به دلیل کمتر بودن مقدار سرعت باد  (داده های GFS) در مقایسه با واقعیت، ارتفاع امواج تا 75 سانتی متر دست پایین برآورد شده است. به منظور افزایش دقت مدل سازی ها، سیستم شبکه عصبی مصنوعی بر اساس یک ساختمان MLP سه لایه تعریف گردید که نقش آن پیش بینی مقدار خطای مدل دینامیکی و اعمال آن بر روی نتایج مدل عددی است. در این زمینه انتخاب درست تعداد و نوع نرون های ورودی از میان عوامل موثر بر تولید موج، کمک شایانی به یافتن رابطه ی نهفته ی میان داده ها نموده که از طریق آن خطای پیش بینی ها به حداقل رسید. بر اساس نتایج، تکنیک ترکیبی مدل دینامیکی و شبکه عصبی مصنوعی علاوه بر افزایش دقت نتایج به90 درصد، کاهش جذر میانگین مربع خطا از 0.31 در مدل عددی تنها به0.22 در مدل ترکیبی را موجب گردید به طوری که در حدی ترین شرایط، ارتفاع موج تا 60 سانتی متر به واقعیت نزدیک تر شده است. به عبارت دیگر، ترکیب نتایج دو مدل، بهبود پیش بینی های موج را موجب شده است.