TY - JOUR T1 - Proposed a New Hybrid LOF-ANN Method to Extreme Wave Height Prediction based on Meteorological Data TT - پیش بینی وقوع امواج سهمگین مبتنی بر متغیرهای هواشناسی با استفاده از روش ترکیبی الگوریتم ضریب داده پرت محلی و شبکه عصبی دسته بندی کننده JF - Marine-Engineering JO - Marine-Engineering VL - 15 IS - 30 UR - http://marine-eng.ir/article-1-703-fa.html Y1 - 2020 SP - 23 EP - 40 KW - Extreme Wave Height Predictionو Meteorological Dataو ANN Classifierو Local Outlier Factor N2 - به دلیل ماهیت پیچیده تصادفی و غیر خطی امواج، پیش­بینی وقوع امواج سهمگین دشوار است. پیش­بینی وقوع امواج سهمگین می­تواند تا حد زیادی از بروز خسارات جانی و مالی بکاهد. هدف از این تحقیق ارائه یک روش ترکیبی برای پیش­بینی وقوع امواج سهمگین از روی متغیرهای هواشناسی با استفاده از روش­های داده­کاوی ضریب داده پرت محلی و شبکه­ عصبی مصنوعی دسته­بندی کننده است. برای بررسی کارایی مدل ارائه شده از داده­های تاریخی متغیرهای هواشناسی برداشت شده طی سه سال از ایستگاه­های شماره 41041 و 41004 دو طوفان مشهور Dean (2007) و Irene (2011) استفاده شده است. ابتدا با استفاده از روش ضریب داده پرت محلی امواج سهمگین شناسایی شده، سپس از خروجی­های این روش برای آموزش شبکه عصبی استفاده شده است. از 80 درصد داده­های جمع آوری شده برای مرحله آموزش و از مابقی برای مرحله آزمون مدل بکار رفته است. کارایی روش ارائه شده با استفاده از معیارهای متداول بررسی عملکرد روی داده­های آموزشی و آزمون بررسی شد؛ نتایج بیانگر عملکرد مناسب روش پیشنهادی در پیش­بینی وقوع امواج سهمگین از روی متغیرهای هواشناسی است به طوری که برای هر دو مجموعه داده مورد بررسی دقت میانگین به 99% رسید. M3 10.29252/marineeng.15.30.23 ER -