پیش ‌بینی ارتفاع امواج ساحلی با استفاده از روش ‌های هیبریدی- موجک هوش مصنوعی (مطالعه موردی: بندر امیرآباد دریای خزر)

مقدمه و هدف: امروزه با توجه به تغییرات اقلیمی و تاثیر آن بر وضعیت امواج دریا و خطرات ناشی از شدت آن، ارزیابی و برآورد ارتفاع موج شاخص در دریاها از اهمیت بسیار بالایی برخوردار است. پیش بینی ارتفاع موج شاخص در بندر امیرآباد با به کارگیری ترکیبی از متغیرهای معرف خصوصیات امواج و هواشناسی، توسعه مدل های هوش مصنوعی و اغتشاش زدایی داده ها با به کارگیری تئوری موجک و نهایتاً استخراج روابط ریاضی حاکم بر اصول مهندسی دریاهواشناسی جهت تخمین ارتفاع موج از اهداف و نوآوری های منحصر به فرد در این مطالعه، می باشد.مواد و روش ها: در این تحقیق، ارتفاع امواج در بندر امیرآباد دریای خزر، با استفاده از روش های منفرد و هیبریدیموجک هوش مصنوعی، از جمله شبکه عصبی مصنوعی (ann, wann) پرسپترون چند لایه با الگوریتم آموزشی لونبرگمارگارت، سامانه استنتاجی فازیعصبی تطبیقی (anfis, wanfis) و برنامه ریزی بیان ژن (gep, wgep) در گام های زمانی بدون تاخیر، تاخیر زمانی 3 و 6 ساعته، برآورد شده است. بدین منظور، از داده های امواج و هواشناسی با مقیاس ساعتی در سال 2018 میلادی، استفاده شده است.یافته ها: نتایج حاکی از این است که حذف اغتشاش توسط آنالیز موجک توانایی ارتقاء عملکرد در همه مدل ها را دارد. همچنین، در این پژوهش مدل های هیبریدیموجک نتایج بهتری را نسبت به مدل های منفرد ارائه داده اند. در میان تمامی مدل ها برای همه گام های زمانی، مدل wgep بهترین مدل و ann ضعیف ترین مدل بوده است. از میان مدل‌های مورد بررسی در این تحقیق مدل wgep درگام زمانی بدون تاخیر به ترتیب با ضریب همبستگی و کارایی 0/96 و 0/98 و ریشه میانگین مربعات خطا و میانگین قدرمطلق خطا 0/037 و 0/087 متر، مناسب‌ترین مدل بوده است. همچنین مدل ann منفرد در گام زمانی با تاخیر 6 ساعته کمترین مقدار ضریب همبستگی و کارایی و بیشترین مقدار ریشه میانگین مربعات خطا و میانگین قدرمطلق خطا به ترتیب به میزان 0/509، 0/607، 0/181 و 0/286 را داشته است.نتیجه گیری: نتایج سه روش منفرد و هیبریدموجک به کار گرفته شده، می تواند برای برآورد ارتفاع موج شاخص در بندر امیرآباد قابل قبول باشد. همچنین، اغتشاش زدایی داده های مشاهداتی بسیاری از خطاهای اندازه گیری را کاهش داده و باعث افزایش عملکرد مدل های هوش مصنوعی می گردد. این مطالعه تاثیر بسزایی در مدیریت بحران و سواحل داشته و می تواند الگویی راهبردی برای مدیران و سیاست گزاران و محققان جهت تحقیقات آتی باشد.

Prediction of Coastal Wave Height using Hybrid-Wavelet Methods of Artificial Intelligence (Case study: Amirabad Port of the Caspian Sea)

Extended AbstractIntroduction and Objective: Todays, considering climate change and its impact on the state of sea waves and the dangers caused by its severity, assessing and estimating the height of the significant wave in the seas is of great importance. Predicting the height of the significant wave in Amirabad port by using a combination of variables representing the characteristics of waves and meteorology, developing artificial intelligence models and denoising the data using wavelet theory, and finally extracting the mathematical relationships governing the principles of marinemeteorological engineering to estimate altitude Wave is one of the unique goals and innovations in this study.Material and Methods: In this study, wave height in the Caspian Sea port of Amirabad, using single and hybridwavelet artificial intelligence methods, including Artificial Neural Network (ANN, WANN), multilayer perceptron with the LevenbergMargaret training algorithm, Adaptive Fuzzyneural Inference System (ANFIS, WANFIS), and Gene Expression Programming (GEP, WGEP) in different short time lags including no time lag, 3 and 6 hour time lags is estimated. For this purpose, hourly waves and meteorological data were used in 2018.Results: The results indicate that noise removed by wavelet analysis can improve performance in all models. Also, in this study, hybridwavelet models have presented better results than single models. Among all the models, the WGEP model was the best model and the ANN model was the weakest model for all time steps. The highest values of correlation coefficient and NashSutcliffe efficiency coefficient are related to no time lags and WGEP model and its values are 0.960 and 0.980 and root of the mean squared error and the mean absolute value of the error values are 0.037 and 0.078 meters, respectively. The lowest values of correlation coefficient and NashSutcliffe efficiency coefficient and the highest values of RMSE and MAE are related to the single ANN model for 6 hours lags with the values 0.509, 0.607, 0.181, and 0.286.Conclusion: The results of their three single and hybridwavelet methods can be acceptable for estimating the significant wave height in Amirabad port. Also, disruption of observational data reduces many measurement errors and increases the performance of artificial intelligence models. This study has a significant impact on crisis and coastline management and can be a strategic model for managers, policymakers, and researchers for future research.