ارزیابی روند تغییرات تراز آب دریا براساس آنالیز رگرسیون خطی و الگوریتم غیرخطی درخت تصمیم با تاکید بر سواحل راهبردی شمال دریای عمان

جریان های جزر و مدی یکی از عوامل عمده ناشی از دینامیک دریایی در شکل زایی و فرسایش ساحلی است. پیش بینی ارتباط بین برخی عناصر اقلیمی با پدیده جزر و مد از اهمیت بالایی برخوردار است. در این تحقیق با استفاده ازآنالیز رگرسیون خطی و الگوریتم غیرخطی درخت تصمیم چگونگی اثرات پارامترهای بارومتری، نیروی باد و دما بر روند میانگین تراز دریا (msl) سواحل شمالی دریای عمان(جنوب شرق ایران) در ایستگاه های جزر و مدی مناطق جاسک و چابهار در یک دوره 20 ساله (2002 الی 2022) ارزیابی شد. نتایج حاصل از مقایسه بین این دو روش نشان می‌دهد که روش رگرسیون خطی با ماکزیمم ضریب همبستگی 0.63 و روش غیرخطی الگوریتم درخت با ماکزیمم ضریب همبستگی 0.94 در پیش بینی، روند تغییرات میانگین تراز دریا با استفاده از داده های جزر و مدی از دقت بالایی نسبت به روش های خطی برخوردار است. با توجه به جایگاه بین المللی و منطقه ای سواحل راهبردی شمالی دریای عمان به منظور تبدیل شدن به تمدن دریامحور و توسعه پایدار ایجاب می نماید که در جهت بالابردن ضریب امنیت، روند تغییرات تراز آب دریا در این پهنه از سرزمین به صورت رصد و پایش هوشمندانه کنترل گردیده تا تدابیر و تاکتیک های نواندیشی و به موقع در راستای تهدیدات دریایی به شکل عملیات آبخاکی اتخاذ شود.

evaluation of sea water level changes based on linear regression analysis and a non-linear decision tree algorithm with an emphasis on the strategic coasts of the north sea of oman

tidal currents are one of the main factors caused by marine dynamics in coastal morphogenesis and erosion. it is very important to predict the relationship between some climatic elements and the phenomenon of tides. in this research, using linear regression analysis and  a non-linear decision tree algorithm, the effects of barometric parameters, wind force ,and temperature on the trend of mean sea level (msl) of the northern shores of the oman sea (south-eastern iran) in the tidal stations of jask and chabahar was evaluated in a period of 20 years (2002 to 2022). the results of the comparison between these two methods show that the linear regression method with a maximum correlation coefficient of 0.63 and the non-linear method of the tree algorithm with a maximum correlation coefficient of 0.94 in forecasting the average sea level changes using data tidal methods have high accuracy compared to linear methods. considering the international and regional position of the strategic northern coasts of the oman sea, to become a sea-oriented civilization and sustainable development, it is necessary that in order to increase the security factor, the process of sea level changes in this area of the land should be monitored. the monitoring is intelligently controlled so that innovative and timely measures and tactics are adopted in line with maritime threats in the form of waterborne operations.