پیام خود را بنویسید
                  برگشت به فهرست مقالات | برگشت به فهرست نسخه ها

XML English Abstract Print

کاربرد هوش مصنوعی در جریانات سطحی خلیج فارس
میلاد مرادی*1 ، مجید عباسپور1 ، علیرضا طاهری1
1- صنعتی شریف
چکیده:   (27 مشاهده)
این پژوهش با هدف پیش‌بینی دقیق جریانات سطحی در خلیج فارس انجام شده است. پیش‌بینی این جریانات به دلایل متعددی از جمله بهبود ناوبری دریایی، مدیریت پایدار منابع شیلاتی، کنترل آلودگی‌های نفتی و افزایش اثربخشی عملیات امداد و نجات از اهمیت حیاتی برخوردار است.
در این مطالعه، از یک مدل ترکیبی پیشرفته مبتنی بر شبکه‌های عصبی کانولوشنی (CNN) و حافظه بلندمدت (LSTM) استفاده شده است. داده‌های مورد نیاز اعم از سرعت اعمودی و سرعت افقی از مدل HYCOM برای بازه زمانی 2010 تا 2015 با دقت مکانی 8 کیلومتر استخراج شده‌ است.در این معماری، شبکه CNN مسئول استخراج ویژگی‌های مکانی و شبکه LSTM عهده‌دار تحلیل الگوهای زمانی بوده است.
یافته‌های تحقیق نشان می‌دهد که انتخاب بهینه شعاع مکانی داده‌های ورودی نقش تعیین‌کننده‌ای در دقت پیش‌بینی‌ها دارد. نتایج حاکی از آن است که با افزایش افق زمانی پیش‌بینی، نیاز به استفاده از شعاع مکانی بزرگتر بیشتر می‌شود، اما این افزایش شعاع همواره منجر به بهبود نتایج نمی‌گردد. خطای پیش‌بینی در تمامی افق‌های زمانی مورد بررسی کمتر از 7.95% (بر اساس معیار میانگین مربعات خطای نرمال‌شده) بوده است.
واژه‌های کلیدی: جریانات سطحی، خلیج فارس، CNN-LSTM، پیش بینی دریایی، هوش مصنوعی
متن کامل [PDF 556 kb]   (9 دریافت)    

نکات برجسته مقاله
ارائه یک مدل ترکیبی CNN–LSTM برای پیش‌بینی جریانات سطحی خلیج فارس.
استفاده از داده‌های مدل HYCOM (2010–2015) با تفکیک مکانی ۸ کیلومتر و زمانی ۳ ساعت.
بررسی اثر شعاع مکانی داده‌های ورودی بر دقت پیش‌بینی مدل.
نتایج نشان می‌دهد برای افق‌های کوتاه، داده‌های محلی و برای افق‌های بلندتر شعاع مکانی بزرگ‌تر مؤثرتر است.
خطای پیش‌بینی مدل در تمام افق‌های زمانی کمتر از 7.95% (NRMSE) به دست آمد.
نوع مطالعه: مقاله پژوهشي | موضوع مقاله: شرايط محيطي و زيست محيطي
دریافت: 1404/2/26 | پذیرش: 1405/2/31
فایل صوتی چکیده مقاله [MP3 2236 KB]  (3 دریافت)
ارسال پیام به نویسنده مسئول

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

Creative Commons License
International Journal of Maritime Technology is licensed under a

Creative Commons Attribution-NonCommercial 4.0 International License.