fa پیش‌بینی پارامترهای امواج ناشی از باد در دریای خزر با استفاده از روش درختان تصمیم رگرسیونی و شبکه های عصبی مصنوعی شرايط محيطي و زيست محيطي Environmental Study يادداشت فنی Technical Note <p dir="RTL">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.</p> <p dir="RTL"></p> <p>Prediction of wave parameters is necessary for many applications in coastal and offshore engineering. In the literature, several approaches have been proposed to wave predictions classified as empirical based, soft-computing based and numerical based approaches. Recently, soft computing techniques such as Artificial Neural Networks (ANNs) have been used to develop wave prediction models. In this work, the performance of regression trees for prediction of wave parameters was investigated. The data set used in this study comprises of wind and wave data gathered in Caspian Sea. Results of regression trees were compared with those of artificial neural networks. Results indicate that error statistics of regression trees and artificial neural networks were nearly similar. In addition, regression trees need lower run-time.</p> پیش‌بینی, موج, درخت‌های‌ رگرسیونی, شبکه‌های عصبی مصنوعی, امیرآباد, نکا Prediction, Wave, Regression Trees, Artificial Neural Networks, Amir-Abad, Neka 65 71 http://marine-eng.ir/browse.php?a_code=A-10-1-62&slc_lang=fa&sid=1 J. Mahjoobi جواد محجوبی 10031947532846002452 10031947532846002452 Yes Water research institute موسسه تحقیقات آب H. Ardalan Somghi حسین اردلان صمغی 10031947532846002453 10031947532846002453 No Water research institute موسسه تحقیقات آب