بكارگيري تكنيك خوشه بندي در بهبود پيش بيني امواج ناشي از باد (مطالعه موردي: خليج مكزيك)

در اين مطالعه با استفاده از داده‌هاي سه‌ساله هواشناسي شامل سرعت باد ميانگين، تندباد، فشار هوا، اختلاف دماي هوا و آب، مدت‌زمان تداوم وزش باد، طول موجگاه، ارتفاع امواج براي چهار بويه مستقر در خليج مكزيك پيش‌بيني‌شده است. بدين منظور از تركيب الگوريتم kmeans و شبكه عصبي استفاده گرديده است. در ابتدا جهت حذف تأثير روند فصلي بر روي محاسبه ارتفاع موج، ترتيب داده‌هاي ساعتي ثبت شده به صورت نامنظم در كنار يكديگر قرار گرفته شدند. سپس داده‌هاي هواشناسي با استفاده از الگوريتم kmeans از k=1 تا k=10 خوشه گروه‌بندي شدند. خوشه‌هاي تفكيك‌شده هر يك به‌عنوان ورودي مدل MLP معرفي و ميانگين شاخص rmse براي k تا خوشه محاسبه گرديد. نتايج نشان داد كه در اكثر بويه‌ها، تعداد خوشه بهينه براي پيش بيني ارتفاع موج، مقادير بين 8 تا 10 است. بعلاوه مقايسه نتايج اين تحقيق با مطالعات پيشين نشان داد كه در تحقيقات گذشته پيش‌بيني با انتخاب ورودي‌هاي ارتفاع امواج ثبت‌شده بويه‌هاي مجاور، به‌كارگيري تأخيرهاي زماني ارتفاع موج يا برخس از پارامترهاي هواشناسي بوده است، درحالي‌كه در اين تحقيق جهت افزايش دقت پيش‌بيني تنها از پارامترهاي هواشناسي به‌عنوان ورودي استفاده‌شده است كه دقت نسبتاً مناسبي را داراست. بنابراين كاربرد عملياتي اين مقاله به اين صورت است كه به‌كارگيري تكنيك خوشه بندي سبب افزايش دقت تخمين در ارتفاع موج مي‌شود و يافتن مرزهاي طبقه بندي داده ها نيازمند به روش هاي تجربي دقيق تري از روش CEM مي باشد.