تخمین ارتفاع امواج ناشی از باد با استفاده از سیستم استنتاج تطبیقی عصبی-فازی، درخت تصمیم و روش های تجربی در بندر بوشهر

اطلاعات حاصل از پیش بینی امواج بعنوان اساس طراحی های مهندسی دریا، نقش مهمی در ساخت، نگهداری و مدیریت پروژه های عمرانی ساحلی و فراساحلی، دارد. امواج ناشی از باد، به دلیل دارا بودن بیش‌ترین انرژی و فراوانی، از مهم‌ترین امواج در دریا محسوب می شوند. در تحقیق حاضر، از سیستم استنتاج تطبیقی عصبی فازی، برای پیش بینی خصوصیات امواج  استفاده شده است. منطقه مورد مطالعه، بندر بوشهر و پیش بینی ها برای بازه زمانی سال 2008 تا سال 2010 در نظر گرفته شده است. نتایج نشان داد در پیش بینی ارتفاع امواج ناشی از باد، دقت مدل سیستم عصبی فازی در مقایسه با  درخت تصمیم، در مدت زمان سه و شش ساعته مشابه بدست آمد. به طوری که در مدت زمان سه ساعته ضریب همبستگی 86 و 83 درصد برای پیش بینی سه ساعته و 78 و 74 درصد برای پیش بینی شش ساعته دارای دقتی بالاتر از مدل‌های تجربی می‌باشند مقایسه ی نتایج پیش‌بینی با روش های تجربی نشان داد، که روش smb با ضریب همبستگی بیشتر و درصد خطای کمتر نسبت به بقیه روش های تجربی، در برآورد ارتفاع امواج بیش‌ترین دقت را در محاسبات داشت . علاوه بر آن روش spm با ضریب همبستگی 72 و 63 درصد برای پیش بینی  سه و شش ساعته، نامناسب‌ترین روش برای تعیین ارتفاع موج بوده و ارتفاع موج را کمتر از شرایط واقعی پیش‌بینی می‌کند.

Height prediction of the Wind – Induced Waves using Adaptive – Network –Based Fuzzy Inference System, Decision Tree and Empirical Methods ( Case study: Bushehr Port) Bushehr Port

Derived Information from the predicted waves will be the basis for engineering design and plays an important role in the construction, maintenance and management of coastal and offshore construction projects. The windinducedwaves  due to having high energy and frequency are of great importance in the sea. In this research,  the adaptive network based fuzzy inference system was selected to predict the waves’ characteristics.. Study About prediction of wave Characteristics is carried out by several researchers. Zarghani et al  (2006) studied the characteristics of windinduced waves at the coast of Khark island They used the SPM model to conduct the survey. The results obtained from the model showed that the highest wave was 3.7 m with rotation period of  6.8 seconds. Taleghani and Amirteimori (2008) used the field data of the Caspian Sea waves measured by a waveguide buoy in an artificial neural network. Finally, the comparison of real data measured by the measurement systems with the results of the neural network is a good match that indicates the accuracy and speed of the method used in the short term. Kamranzad and Etemad Shahidi (2011) studied the prediction of windinduced waves in Assaluyeh using the SWAN numerical model. The validation results of the model showed that the results of calibration model have a good accuracy. The calculated error indices in validation periods also showed the acceptable accuracy of SWAN modeling. Therefore, the constructed model had the ability to predict wave height and period of time in Assalouyeh. In order to do present research, the Adaptive NeroFuzzy Inference System as one of the soft computing methods is used. The study area chosen Bushehr and forecasts for the period December 2008 to 2010 is considered. The results showed that, in prediction height of wave induced by wind, accuracy of the Adaptive NeroFuzzy Inference System and decision tree are same and are higher than the empirical methods. The comparison results of prediction from empirical methods showed that among the experimental methods, SMB method with high correlation coefficient and less error percent than the other experimental methods has higher accuracy in estimating height of waves in addition the SPM method is not suitable method for determining the height of waves and under estimated the real values.