كاربرد مدل تركيبي موجك-شبكه عصبي در پيش‌بيني تغييرات كوتاه مدت تراز سطح دريا (مطالعه موردي: بندر چابهار)

پيش‌بيني دقيق‌تر از سطح دريا در مناطق ساحلي در كاربردهاي مهندسي سواحل بسيار با اهميت ‌مي‌باشد. با پيش‌بيني تراز سطح دريا مشاهده جريانات دريا و تغييرات آن‌ها در سطح، ارتفاع موج، سرعت باد و جزر و مد ممكن شده و اين نقش بسزايي در برنامه‌ريزي و مديريت سواحل دارد. اين مطالعه، توانايي روش و مدل تركيبي موجك-شبكه عصبي در پيش‌بيني كوتاه مدت تراز سطح دريا در بندر چابهار را مورد مطالعه و بررسي قرار ‌مي‌دهد. مقايسه اين روش با دو روش مدل شبكه عصبي و رگرسيون خطي با استفاده از پارامترهاي آماري ضرايب خطا (E، RMSE) به عنوان معيار، مورد بررسي قرار مي‌گيرد. اطلاعات گذشته در مورد تراز سطح دريا كه بصورت ساعتي برداشت شده به عنوان ورودي مدل بوده و مدل براي پيش‌بيني 12 ساعت آينده (نيم روز) مورد استفاده قرار گرفته است. مقايسه مدل تركيبي موجك-شبكه عصبي با ديگر مدل‌ها با استفاده از معيار خطاها، نتايج بهتر اين مدل را در پيش‌بيني تراز سطح دريا در دوره كوتاه مدت 12 ساعته در اين ايستگاه نشان ‌مي‌دهد. ضريب E در سه حالت مدل تركيبي موجك-شبكه عصبي، شبكه عصبي و رگرسيون خطي بترتيب 989/0، 878/0 و 848/0 ‌مي‌باشد. اين مدل با استفاده از تبديل موجك و تجزيه سري زماني تراز سطح دريا به زيرسري‌هايي با اطلاعات مفيد و با تغييرات فركانسي مختلف، فرآيند پيش‌بيني را بهبود ‌مي‌بخشد.