كاربرد شبكه عصبي مصنوعي در بهينه‌سازي نتايج پيش‌بيني مدل ديناميك امواج دريا

در اين ﺗﺤﻘﯿﻖ ﮐﺎرﺑﺮد ﺗﮑﻨﯿﮏ شبكه ﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ در ﮐﺎﻫﺶ ﺧﻄﺎي ﻣﺪل ديناميكي براي ﭘﯿﺶ‌ﺑﯿﻨﯽ دقيق امواج دريا ﻣﻮرد ﺑﺮرﺳﯽ ﻗﺮار گرفته است. با اتخاذ رويكرد تركيب مدل‌ها، در ابتدا مدل ايراني PMODynamicsI به تنهايي براي پيش‌بيني موج آب عميق بوشهر اجرا شد و پس از اعمال تنظيمات بهينه نشان داد، مدل براي امواج با ارتفاع كمتر از يك متر دقت بالايي (73 درصد) داشته و در مواقع طوفان‌هاي سمت شرق و جنوب‌شرقي در منطقه، به دليل كمتر بودن مقدار سرعت باد (داده‌هاي GFS) در مقايسه با واقعيت، ارتفاع امواج تا 75 سانتي‌متر دست‌پايين برآورد شده است. به منظور افزايش دقت مدل‌سازي‌ها، سيستم شبكه عصبي مصنوعي بر اساس يك ساختمان MLP‌ سه‌ لايه تعريف گرديد كه نقش آن پيش‌بيني مقدار خطاي مدل ديناميكي و اعمال آن بر روي نتايج مدل عددي است. در اين زمينه انتخاب درستِ تعداد و نوع نرون‌هاي ورودي از ميان عوامل موثر بر توليد موج، كمك شاياني به يافتن رابطه‌ي نهفته‌ي ميان داده‌ها نموده كه از طريق آن خطاي پيش‌بيني‌ها به حداقل رسيد. بر اساس نتايج، تكنيك تركيبي مدل ديناميكي و شبكه عصبي مصنوعي علاوه بر افزايش دقت نتايج به90 درصد، كاهش جذر ميانگين مربع خطا از 0.31 در مدل عدديِ تنها به0.22 در مدل تركيبي را موجب گرديد به طوري كه در حدي‌ترين شرايط، ارتفاع موج تا 60 سانتي‌متر به واقعيت نزديك‌تر شده است. به عبارت ديگر، تركيب نتايج دو مدل، بهبود پيش‌بيني‌هاي موج را موجب شده است.