این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی عمران مدرس، جلد ۲۵، شماره ۵، صفحات ۹۳-۱۰۳
عنوان فارسی پیش‌بینی ارتفاع موج شاخص در بندر امیرآباد با استفاده از روش‌های هوش‌مصنوعی (ANFIS, EANN, SVM) و ارزیابی نتایج آن با مدل عددی سوان
چکیده فارسی مقاله ارتفاع موج شاخص، در طراحی و تحلیل سازه­های دریایی و بهره برداری از آنها پارامتر بسیار با اهمیتی می‌باشد در نتیجه پیش‌بینی این پارامتر کمک شایانی به بهبود طراحی و آنالیز سازه‌های دریایی می‌نماید، از روش‌های مدل‌سازی مشخصات امواج می‌توان به مدل‌های عددی، تجربی و هوش مصنوعی اشاره کرد، در این پژوهش از مدل سوان که یکی از انواع مدل­های نسل سوم در مدل‌سازی و تخمین مشخصات امواج است، استفاده شده است. سپس از مدل­های مبتنی بر محاسبات نرم شامل مدل­های منفرد و ترکیبی هوش مصنوعی مانند سیستم استنتاج عصبی‌-‌فازی انطباقی، مدل ماشین بردار پشتیبان و شبکه عصبی مصنوعی احساسی، در پیش‌بینی ارتفاع موج استفاده شده است و از داده­های بویه امیرآباد جهت صحت‌سنجی استفاده شده است. ورودی مدل­ها در این پژوهش پارامتر سرعت باد و خروجی مدل‌ها نیز ارتفاع موج می­باشد. تحلیل مدل­های مختلف با استفاده از سنجه­های آماری اریبی، جذر میانگین مربع خطاها، ضریب پراکندگی و ضریب تبیین، انجام شده است. ارزیابی مدل‌ها توسط آماره­های فوق، حاکی از انطباق قابل قبول ارتفاع موج شاخص بدست آمده از مدل سوان با بویه دارد. همچنین هر سه مدل مبتنی بر هوش مصنوعی مذکور قابلیت پیش­بینی نسبتاً دقیق پارامتر ارتفاع موج را دارند. همچنین مقایسه نتایج مدل­های مبتنی بر هوش مصنوعی نشان داد که مدل ماشین بردار پشتیبان، نسبت به بقیه مدل‌ها، دقیق‌تر است. مدل ماشین بردار پشتیبان به عنوان روشی جایگزین برای مدل سوان یا سایر روش­های عددی، در مواردی که داده‌های ارتفاع موج در دسترس نبوده و یا کیفیت آماری لازم را ندارد نتایج مدل‌سازی را بهبود می‌بخشد.
 
کلیدواژه‌های فارسی مقاله ارتفاع موج شاخص،بندر امیرآباد،مدل ماشین بردار پشتیبان،سیستم استنتاج عصبی-فازی انطباقی،شبکه عصبی مصنوعی احساسی،مدل عددی سوان
عنوان انگلیسی Prediction of significant wave height in Amir Abad Port using artificial intelligence methods (ANFIS, EANN, SVM) and evaluating its results with SWAN numerical model
چکیده انگلیسی مقاله The significant wave height is a critical parameter in the design and analysis of marine structures, as well as in their operational use. Consequently, predicting this parameter greatly contributes to improving the design and analysis of marine structures. Various modeling approaches for wave characteristics include numerical, empirical, and artificial intelligence models. This study employs the SWAN model, which is a third-generation model for the simulation and estimation of wave characteristics. Furthermore, soft computing models, including individual and hybrid artificial intelligence models such as Adaptive Neuro-Fuzzy Inference System (ANFIS), Support Vector Machine (SVM), and Emotional Artificial Neural Networks (EANN), have been utilized for wave height prediction, using data from the Amirabad buoy for validation purposes. In this research, the model inputs consist of wind speed, while the outputs are the wave heights. The analysis of the different models was carried out using statistical metrics, including bias, root mean square error, coefficient of variation, and coefficient of determination. The evaluation of the models using these statistics indicates an acceptable agreement between the significant wave heights estimated by the SWAN model and the buoy data. Additionally, each of the three artificial intelligence models mentioned demonstrates a relatively accurate capability in predicting wave height. A comparison of the results from the artificial intelligence models revealed that the Support Vector Machine model exhibited higher accuracy than the others. The Support Vector Machine model serves as an alternative method to the SWAN model or other numerical techniques, enhancing modeling outcomes when wave height data is unavailable or lacks the necessary statistical quality.
 
کلیدواژه‌های انگلیسی مقاله Significant wave height,Amir abad port,Support Vector Machine,adaptive neuro-fuzzy inference system,artificial neuron networks,SWAN numerical model
نویسندگان مقاله محمد علی لطف الهی یقین | mohammadali lotfollahi-yaghin
Professor, Faculty of Civil Engineering, Tabriz University
استاد دانشکده مهندسی عمران، دانشگاه تبریز

علیرضا مجتهدی | Alireza Mojtahedi
Professor, Faculty of Civil Engineering, Tabriz University
استاد، دانشکده مهندسی عمران، دانشگاه تبریز

عطا آقائی | Ata Aghayi
Faculty of Civil Engineering, Tabriz University
دانشکده مهندسی عمران، دانشگاه تبریز

ائلیاز صدقیانی | Elyaz Sadaghiani
Faculty of Civil Engineering, Tabriz University
دانشکده مهندسی عمران، دانشگاه تبریز

نشانی اینترنتی http://mcej.modares.ac.ir/browse.php?a_code=A-10-27015-3&slc_lang=fa&sid=16
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده پژوهشی اصیل (کامل)
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات