CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

گواهی نمایه سازی مقاله پیش بینی مشخصات موج یک منطقه با استفاده از داده های ایستگاههای مجاور به روش شبکه های عصبی مصنوعی و ماشین بردار پشتیبان

عنوان مقاله: پیش بینی مشخصات موج یک منطقه با استفاده از داده های ایستگاههای مجاور به روش شبکه های عصبی مصنوعی و ماشین بردار پشتیبان
شناسه (COI) مقاله: NSMI12_193
منتشر شده در دوازدهمین همایش ملی صنایع دریایی ایران در سال ۱۳۸۹
مشخصات نویسندگان مقاله:

یاشار قندچی - دانشجوی کارشناسی ارشد سازه های دریایی؛دانشگاه علم وصنعت ایران
باقر ذهبیون - استادیار دانشکده عمران؛دانشگاه علم وصنعت ایران
سعید مظاهری - استادیار سازه های دریایی، پژوهشکده مهندسی و فناوری دریا، موسسه ملی ا

خلاصه مقاله:
مهندسین سواحل و بنادر، امواج دریا و ارتفاع شاخص را یکی از مهمترین فاکتورهای لازم در طراحی، ساخت و نگهداری سازه های ساحلی وفراساحلی و برنامه ریزی بندری می دانند. تاثیر قابل ملاحظه این پارامتر در تعیین ابعاد سازه های دریایی و ساحلی انکارناپذیر است. برآورد بالایی از این ارتفاع ، منجر به افزایش تصاعدی هزینه سازه می شود. در حالیکه طراحی سازه برای ارتفاعات پائین تر از ارتفاع موج شاخص طرح، احتمال خسارات مالی و جانی زیادی را به همراه خواهد داشت. لذا دست یابی به ارتفاع موج طرح از ضروریات هر پروژه دریایی می باشد. نصب و به کارگیری ایستگاههای اندازه گیری مشخصات امواج دریا در مکانها و زمانهای مختلف هزینه بر و گاها با توجه به محدودیت های مالی و زمانی ناممکن بوده، از اینرو نیاز به روشی برای پیش بینی مشخصات امواج دریا در مناطقی که به صورت مداوم اندازه گیری انجام نشده است با استفاده از داده های ایستگاههای مجاور که دارای داده های بلند مدت هستند احساس می شود. بدین منظور در این تحقیق از روش شبکه عصبی مصنوعی و ماشین بردار پشتیبان استفاده گردیده است. منطقه بندر چابهار به دلیل اهمیت منطقه از نظر استراتژیکی (نزدیکی به اقیانوس)، شرایط خاص اقلیمی (تاثیر طوفانهای استوایی و بادهای موسمی)، وجود امواج دورآ و وجود اطلاعات و داده ها ثبت شده توسط سازمان بنادر و دریانوردی مورد مطالعه قرار گرفته است.

کلمات کلیدی:
پیش بینی موج مشخصه، ایستگاه مجاور، شبکه عصبی مصنوعی، ماشین بردار پشتیبان

صفحه اختصاصی مقاله و دریافت فایل کامل: https://www.civilica.com/Paper-NSMI12-NSMI12_193.html