این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
International Journal of Maritime Technology، جلد ۵، شماره ۹، صفحات ۶۵-۷۱
عنوان فارسی پیش‌بینی پارامترهای امواج ناشی از باد در دریای خزر با استفاده از روش درختان تصمیم رگرسیونی و شبکه های عصبی مصنوعی
چکیده فارسی مقاله پیش‌بینی مشخصات امواج یکی از موضوعات مهم در مهندسی سواحل و بنادر می‌باشد. در همین راستا مدل‌ها و روش‌های متعددی برای پیش‌بینی پارامترهای امواج دریا ابداع شده است. در سال‌های اخیر با شناخته شدن ابزار محاسبات نرم به عنوان روشی نوین در ایجاد سیستم‌های هوشمند، این ابزار در پیش‌بینی پارامترهای امواج دریا مورد استفاده قرار گرفته‌است. درخت‌های تصمیم‌گیری از ابزارهای قوی و متداول برای دسته‌بندی و پیش‌بینی می‌باشند. در این تحقیق با استفاده از درخت‌های تصمیم‌ رگرسیونی به عنوان یکی از ابزارهای داده‌کاوی، پیش‌بینی مشخصات امواج ناشی از باد در دریای خزر انجام شده است. بدین منظور از اطلاعات میدانی مربوط به دریای خزر در بندر امیرآباد و منطقه نکا استفاده شده است. نتایج حاصل از درخت‌های تصمیم‌گیری با روش شبکه‌های عصبی مصنوعی مورد مقایسه قرار گرفته است. نتایج حاکی از نزدیکی دقت دو روش در پیش‌بینی پارامترهای امواج ناشی از باد می‌باشد. همچنین سرعت مدل‌سازی و اجرای درخت‌های تصمیم‌گیری بمراتب بیشتر از شبکه‌های عصبی می‌باشد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی **PREDICTION OF PARAMETERS OF WIND-INDUCED WAVES IN THE CASPIAN SEA USING REGRESSION TREES AND ARTIFICIAL NEURAL NETWORKS
چکیده انگلیسی مقاله Prediction of wave parameters is necessary for many applications in coastal and offshore engineering. In the literature, several approaches have been proposed to wave predictions classified as empirical based, soft-computing based and numerical based approaches. Recently, soft computing techniques such as Artificial Neural Networks (ANNs) have been used to develop wave prediction models. In this work, the performance of regression trees for prediction of wave parameters was investigated. The data set used in this study comprises of wind and wave data gathered in Caspian Sea. Results of regression trees were compared with those of artificial neural networks. Results indicate that error statistics of regression trees and artificial neural networks were nearly similar. In addition, regression trees need lower run-time.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله جواد محجوبی | j. mahjoobi
water research institute
موسسه تحقیقات آب
سازمان اصلی تایید شده: موسسه تحقیقات آب

حسین اردلان صمغی | h ardalan somghi
water research institute
موسسه تحقیقات آب
سازمان اصلی تایید شده: موسسه تحقیقات آب

نشانی اینترنتی http://www.ijmt.ir/browse.php?a_code=A-10-1-62&slc_lang=fa&sid=en
فایل مقاله دریافت فایل مقاله
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده Environmental Study
نوع مقاله منتشر شده یادداشت فنی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات