پیش بینی تراکم جریان شکافنده در سواحل میانه با استفاده از شبکه های عصبی مصنوعی

جریان های شکافنده جریان هایی قوی، قارچی شکل هستند که عامل اصلی تلفات ناشی از غرق شدن شناگران در منطقه خیزاب ساحلی محسوب می شوند. با توجه به رفتار متغیر این جریان ها و محدودیت های بسیار در مشاهدات میدانی، در این پژوهش با استفاده از شبکه عصبی مصنوعی، مدلی در مورد تخمین میزان تراکم جریان های شکافنده در سواحل حالت میانه ارایه شده است. به این منظور نخست اطلاعات مرتبط به سیستم جریان شکافنده از طریق مدل عددی Mike21/3 به صورت پارامترهای بی بعد عدد فرود، ارتفاع موج، پهنای خیزاب و پهنای کانال جریان استخراج شدند. در گام بعدی تاثیر هر یک از پارامترهای بی بعد روی تراکم جریان برای توابع و نرون های مختلف شبکه عصبی بررسی شد. سپس نتایج مدل در هجوم امواجی با ارتفاع مختلف با نتایج میدانی سایر محققین مورد مقایسه قرار گرفت و تطابق بسیار خوبی بین آن ها مشاهده شد. نتایج این تحقیق نشان می دهد با افزایش ارتفاع امواج بر سرعت جریان و فواصل کانال ها افزوده می شود و به تدریج از میزان تراکم جریان‎کاسته می شود. نتایج دیگر این تحقیق حاکی از آن است در شرایطی که امواج کم ارتفاع تر بر دریا حاکمند، تابع گرادینت دیسنت ویت آداپتیو لرنینگ ریت (gda) با کمترین خطا (RMSE معادل 013/0) و در شرایطی که امواج مرتفع تر بر دریا حاکمند تابع کواسی نیوتن (bfg) با کمترین خطا (RMSE معادل 00282/0) هر کدام با 14 نرون دقیق ترین تخمین را از میزان تراکم جریان های شکافنده در سواحلی باحالت میانه ارایه می دهند.