fa ارزیابی عملکرد مدل‌های محاسباتی نرم در تخمین ارتفاع امواج در بندر انزلی شرايط محيطي و زيست محيطي Environmental Study مقاله پژوهشي Research Paper 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. Wind waves are one of the important, fundamental and interesting subjects in port and coastal engineering. Thus, within years, different methods such as experimental methods, numerical modeling and soft computing methods have been employed to estimate the wave parameters. In this study, waves height in Anzali port is predicted using soft computing models such as multivariate adaptive regression splines (MARS), regression trees (CART), artificial neural networks (ANNs) and M5' model tree. Among the features of MARS, CART and M5' Models and compared to artificial neural networks, are presentation of regression equations and mathematical relationships which could easily be used to estimate the time series of wave height. The obtained results showed competitive accuracy of regression techniques in estimation of waves height compared to the artificial neural networks. امواج، رگرسیون تطبیقی چند‌متغیره اسپلاین، درختان رگرسیونی ، شبکه های عصبی مصنوعی ، مدل درختی M5\'. Waves, Multivariate adaptive regression splines, Regression trees, Artificial neural networks, M5\' model tree. 27 36 http://marine-eng.ir/browse.php?a_code=A-10-292-1&slc_lang=fa&sid=1 Bahareh Kamranzad بهاره کامران زاد kamranzad@iust.ac.ir 10031947532846001270 10031947532846001270 No Iranian National Institute for Oceanography and Atmospheric Science پژوهشکده فناوری و مهندسی دریا، پژوهشگاه ملی اقیانوس شناسی و علوم جوی Ebrahim jabbari ابراهیم جباری jabbari@iust.ac.ir 10031947532846001271 10031947532846001271 Yes Iran University of Science and Technology دانشگاه علم و صنعت ایران Mehrshad Samadi مهرشاد صمدی mehrshad1364@gmail.com 10031947532846001272 10031947532846001272 No Iran University of Science and Technology دانشگاه علم و صنعت ایران