بررسي اثر غيرخطي سرعت باد اندازه گيري شده در پيش بيني ارتفاع امواج ناشي از باد

Investigation of the nonlinear effect of measured wind speed in predicting the height of wind waves

پيش بيني ارتفاع موج شاخص در تحليل سامانه هاي دريايي از جمله مهندسي سازه هاي دريايي و انتقال رسوب استفاده مي شود. خليج مكزيك سالانه با طوفان هاي حاره اي به شكل هاريكن مواجه است و ارتفاع امواج اين منطقه را تحت تاثير قرار مي دهد، بنابراين پيش بيني ارتفاع امواج شاخص دريا در اين منطقه دريايي از اهميت خاصي برخوردار است. در اين مقاله با مروري بر مطالعات قبلي و استفاده از تكنيك شبكه عصبي مصنوعي، تاثير توان هاي مختلف سرعت باد و سرعت برشي در پيش بيني ارتفاع موج شاخص ساعات آينده مورد ارزيابي قرار داده شده است. نتايج نشان داد كه حضور توانهاي مختلف سرعت باد، سبب افزايش دقت پيش بيني ارتفاع موج شاخص نسبت به سرعت برشي باد مي شود. سپس براي افزايش دقت پيش بيني نيز از خودهمبستگي داده هاي ارتفاع امواج ثبت شده در اين منطقه استفاده و مدلي مناسب ارائه گرديد. در اين مدل توان 3/2 از سرعت باد براي پيش بيني ارتفاع امواج 3، 6 و 8 ساعت آينده و توان 9/1 از سرعت باد براي پيش بيني ارتفاع امواج 12 ساعت آينده محاسبه گرديد. در انتها، نتايج پيش بيني با مطالعات گذشته مقايسه شد كه حاكي از دقت پيش بيني بالاتر اين تحقيق بود.

Significant Wave Height (Hs) prediction is used in the analysis of marine systems including marine structural engineering and sediment transport. The Gulf of Mexico faces tropical storms shaped hurricane annually that affects the height of waves in this region, Therefore it is important to have precise estimation of the significant wave height. In this paper, we review previous studies and train artificial neural network model, to predict the effect of different wind speed powers and shear velocity in predicting the wave height in the next hours. The results showed that the presence of different wind speed powers increases the accuracy of predicting Hs relative to the wind shear speed. To increase the prediction accuracy, autocorrelation of the wave height data recorded in this region was used and a suitable model was presented. In this model was calculated power 2.3 of wind speed to predict the height of the next 3, 6 and 8 hours and power 1.9 to predict the height of the next 12 hours. Finally, the prediction results were compared with previous studies, and indicated the higher prediction accuracy.