کاربرد مدل ترکیبی موجک-شبکه عصبی در پیش بینی تغییرات کوتاه مدت تراز سطح دریا (مطالعه موردی: بندر چابهار)

پیش بینی دقیق تر از سطح دریا در مناطق ساحلی در کاربردهای مهندسی سواحل بسیار با اهمیت می باشد. با پیش بینی تراز سطح دریا مشاهده جریانات دریا و تغییرات آن ها در سطح، ارتفاع موج، سرعت باد و جزر و مد ممکن شده و این نقش بسزائی در برنامه ریزی و مدیریت سواحل دارد. این مطالعه، توانایی روش و مدل ترکیبی موجک-شبکه عصبی در پیش بینی کوتاه مدت تراز سطح دریا در بندر چابهار را مورد مطالعه و بررسی قرار می دهد. مقایسه این روش با دو روش مدل شبکه عصبی و رگرسیون خطی با استفاده از پارامترهای آماری ضرایب خطا (E، RMSE) به عنوان معیار، مورد بررسی قرار می گیرد. اطلاعات گذشته در مورد تراز سطح دریا که بصورت ساعتی برداشت شده به عنوان ورودی مدل بوده و مدل برای پیش بینی 12 ساعت آینده (نیم روز) مورد استفاده قرار گرفته است. مقایسه مدل ترکیبی موجک-شبکه عصبی با دیگر مدل ها با استفاده از معیار خطاها، نتایج بهتر این مدل را در پیش بینی تراز سطح دریا در دوره کوتاه مدت 12 ساعته در این ایستگاه نشان می دهد. ضریب E در سه حالت مدل ترکیبی موجک-شبکه عصبی، شبکه عصبی و رگرسیون خطی بترتیب 989/0، 878/0 و 848/0 می باشد. این مدل با استفاده از تبدیل موجک و تجزیه سری زمانی تراز سطح دریا به زیرسری هایی با اطلاعات مفید و با تغییرات فرکانسی مختلف، فرآیند پیش بینی را بهبود می بخشد.