برآورد ارتفاع امواج شاخص در دریای خزر با استفاده از روش‌های منفرد و ترکیبی موجک هوش مصنوعی

ارتفاع موج شاخص یکی از پارامتر‌های اساسی برای عملیات‌ مهندسی سواحل و سازه‌های دریایی می‌باشد. در این مطالعه، با به کارگیری سامانه استنتاجی فازی عصبی تطبیقی (anfis) و برنامه‌ریزی بیان ژن (gep) و ترکیب آن‌ها با تئوری موجک (wanfis، wgep) بر اساس سه سناریو شامل متغیرهای 1 امواج، 2 هواشناسی و 3 ترکیب سناریو اول و دوم، در گام‌های زمانی بدون تاخیر زمانی، 12 و 24 ساعته به تخمین ارتفاع موج شاخص، پرداخته شد. همچنین، نتایج حاکی از این است که به علت نویززدایی و حذف عدم قطعیت در داده‌ها، مدل‏های ترکیبی موجکی نتایج بهتری را نسبت به مدل‏های منفرد ارائه داده‏اند. درصد بهبود عملکرد مدل‌های wgep نسبت به gep با در نظر گرفتن معیار rmse به ترتیب برای سناریوهای اول تا سوم مقدار 11%، 35% و 7% بوده است. بسیاری از شرایط هیدرولوژیک در دریاها به تغییر دما بستگی داشته و میزان این پارامتر عامل تعیین‌کننده مهمی در شرایط محیطی هر منطقه می‌باشد. همچنین، تغییرات دما و باد سطحی سبب تغییر چگالی آب دریا می‌شود. بنابراین، متغیرهای اقلیمی منطقه می‌تواند بر عملکرد سناریوهای مختلف تاثیرگذار باشد. نتایج این مطالعه و ارائه رابطه ریاضی حاکم برای تخمین مقدار ارتفاع موج شاخص توسط روش برنامه‌ریزی بیان ژن می‌تواند کاربرد بسیاری در بخش مدیریت و مهندسی سواحل و منابع آب داشته باشد.

estimating the significant wave height in the caspian sea using single and combined wavelet artificial intelligence methods

the significant wave height is one of the basic parameters for engineering operations of coasts and marine structures. in this study، significant wave height was estimated based on three scenarios including variables 1 waves، 2 meteorological and 3 combination of the first and second scenario، in time steps without time delay، 12 and 24 hours using adaptive neural fuzzy inference system (anfis) and gene expression programming (gep) and combining them with wavelet theory (wanfis، wgep). also، the results indicate that due to de noising and removal of uncertainty in the data، combined wavelet models have provided better results than singular models. the performance improvement percentage of wgep models compared to gep considering the rmse criterion was 11%، 35%، and 7% for the first to third scenarios، respectively. most of the hydrological conditions in the seas depend on temperature changes and the amount of this parameter is an important determining factor in the environmental conditions of each region. also، changes in temperature and surface wind change the density of sea water. therefore، the climatic variables of the region can affect different scenarios. the results of this study and the presentation of the governing mathematical relationship for estimating the value of significant wave height by the method of gene expression programming can be very useful in the field of coastal and water resources management and engineering.