%0 Journal Article %A Kamranzad, Bahareh %A jabbari, Ebrahim %A Samadi, Mehrshad %T Assessment of soft computing models to estimate wave heights in Anzali port %J Journal Of Marine Engineering %V 9 %N 17 %U http://marine-eng.ir/article-1-248-fa.html %R %D 2013 %K Waves, Multivariate adaptive regression splines, Regression trees, Artificial neural networks, M5\' model tree., %X امواج ناشی از باد همواره یکی از موضوعات مهم، اساسی و مورد توجه در مهندسی سواحل و بنادر بوده است. از این‌رو، طی سالیان متمادی روش‌های مختلفی مانند روش‌های تجربی، مد‌ل‌های عددی و روش‌های محاسباتی نرم جهت تخمین پارامترهای امواج ارائه شده است. در این مطالعه، ارتفاع امواج در بندر انزلی با استفاده از مدل‌های محاسباتی نرم همچون مدل رگرسیون تطبیقی چند متغیره اسپلاین (MARS)، درختان رگرسیونی (CART)، شبکه‌های عصبی مصنوعی (ANNs) و مدل درختی'M5 تخمین زده شده است. از جمله ویژگی‌های بارز مدل‌های MARS، CART و 'M5 در مقایسه با روش شبکه‌های عصبی مصنوعی، ارائه روابط رگرسیونی و معادلات ریاضی کاربردی جهت تخمین ارتفاع امواج می‌باشد که به‌راحتی می‌توان از روابط بهدست آمده جهت پیشبینیها استفاده نمود. در نهایت نتایج بهدست آمده از این مطالعه نشان‌دهنده دقت قابل رقابت و نزدیک روش‌های رگرسیونی در مقایسه با شبکه‌های عصبی مصنوعی در تخمین ارتفاع امواج می‌باشند. %> http://marine-eng.ir/article-1-248-fa.pdf %P 27-36 %& 27 %! %9 Research Paper %L A-10-292-1 %+ Iran University of Science and Technology %G eng %@ 1735-7608 %[ 2013