مقایسه نتایج حاصل از شبکه های عصبی MLP و RBF در پیش بینی جریان های ساحلی

بررسی جریان های ساحلی هنگام طوفان از آن جهت دارای اهمیت وﯾﮋه می باشد که اکثر تغییرات در خطوط ساحلی و جابجایی رسوبات در این زمان رخ می دهد. در برآورد جریان های ساحلی در شرایط طوفانی به علت سختی کار در برداشت داده های میدانی و نیز پیچیدگی تحلیل بر روی داده های همزمان اثر موج و باد های شدید تاکنون تحقیقات چندانی صورت نگرفته و دارای ابهامات زیادی است. هدف از تحقیق حاضر مقایسه دو نوع شبکه عصبیMLP وRBF برای برآورد جریان های ساحلی در شرایط طوفانی است که از پرکاربردترین شبکه ها در مسایل تقریب توابع هستند. در این تحقیق توانمندی های این دو نوع شبکه عصبی در مدلسازی جریان های ساحلی در ساحل جواتسو- اوگاتا نشان داده شد. به گونه ای که این مدل ها توانستند نتایج معقولی در مناطق مختلف این سایت ارائه دهند. مدل های کلی ارائه شده نهایی نشان می دهند که می توانند نواحی مختلف ساحلی را به خوبی درک کرده و نیز در تمامی حالات جواب هایی با دقت قابل قبول داشته باشند. همچنین قابلیت این شبکه ها نیز با یکدیگر مورد مقایسه قرار گرفت. با مقایسه پاسخ ها ، ارقام و روند مشابهی در دو نوع شبکه ملاحظه گردید. در نهایت مقایسه ای بین این دو نوع شبکه با مدل های رگرسیون آماری انجام گرفت که نتایج نشان دهنده میزان عملکرد بهتر این شبکه ها نسبت به مدل رگرسیونی بود.

کلیدواژه ها:

جریان های ساحلی ، شرایط طوفانی ، شبکه های عصبی مصنوعی ، شبکه های عصبی آماری( RBF ) و شبکه های عصبی MLP