پیام خود را بنویسید
دوره 5، شماره 9 - ( 6-1388 )                   جلد 5 شماره 9 صفحات 71-65 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Mahjoobi J, Ardalan Somghi H. **PREDICTION OF PARAMETERS OF WIND-INDUCED WAVES IN THE CASPIAN SEA USING REGRESSION TREES AND ARTIFICIAL NEURAL NETWORKS. Marine Engineering 2009; 5 (9) :65-71
URL: http://marine-eng.ir/article-1-62-fa.html
محجوبی جواد، اردلان صمغی حسین. پیش‌بینی پارامترهای امواج ناشی از باد در دریای خزر با استفاده از روش درختان تصمیم رگرسیونی و شبکه های عصبی مصنوعی. مهندسی دریا. 1388; 5 (9) :65-71

URL: http://marine-eng.ir/article-1-62-fa.html


1- موسسه تحقیقات آب
چکیده:   (16123 مشاهده)

پیش‌بینی مشخصات امواج یکی از موضوعات مهم در مهندسی سواحل و بنادر می‌باشد. در همین راستا مدل‌ها و روش‌های متعددی برای پیش‌بینی پارامترهای امواج دریا ابداع شده است. در سال‌های اخیر با شناخته شدن ابزار محاسبات نرم به عنوان روشی نوین در ایجاد سیستم‌های هوشمند، این ابزار در پیش‌بینی پارامترهای امواج دریا مورد استفاده قرار گرفته‌است. درخت‌های تصمیم‌گیری از ابزارهای قوی و متداول برای دسته‌بندی و پیش‌بینی می‌باشند. در این تحقیق با استفاده از درخت‌های تصمیم‌ رگرسیونی به عنوان یکی از ابزارهای داده‌کاوی، پیش‌بینی مشخصات امواج ناشی از باد در دریای خزر انجام شده است. بدین منظور از اطلاعات میدانی مربوط به دریای خزر در بندر امیرآباد و منطقه نکا استفاده شده است. نتایج حاصل از درخت‌های تصمیم‌گیری با روش شبکه‌های عصبی مصنوعی مورد مقایسه قرار گرفته است. نتایج حاکی از نزدیکی دقت دو روش در پیش‌بینی پارامترهای امواج ناشی از باد می‌باشد. همچنین سرعت مدل‌سازی و اجرای درخت‌های تصمیم‌گیری بمراتب بیشتر از شبکه‌های عصبی می‌باشد.

     
نوع مطالعه: يادداشت فنی | موضوع مقاله: شرايط محيطي و زيست محيطي
دریافت: 1389/4/27 | پذیرش: 1392/7/27

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.