تعداد نشریات | 161 |
تعداد شمارهها | 6,476 |
تعداد مقالات | 70,001 |
تعداد مشاهده مقاله | 122,879,532 |
تعداد دریافت فایل اصل مقاله | 96,071,467 |
پیشبینی ساعتی و روزانۀ ارتفاع موج دریا در منطقۀ چابهار | ||
اکوهیدرولوژی | ||
مقاله 16، دوره 4، شماره 4، دی 1396، صفحه 1129-1140 اصل مقاله (801.84 K) | ||
نوع مقاله: پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/ije.2017.230390.529 | ||
نویسندگان | ||
سعید اکبری فرد1؛ حیدر زارعی* 2؛ ابراهیم زلقی1 | ||
1دانشجوی دکتری مهندسی منابع آب، گروه هیدرولوژی و منابع آب، دانشکدۀ مهندسی علوم آب، دانشگاه شهید چمران اهواز | ||
2استادیار گروه هیدرولوژی و منابع آب، دانشکدۀ مهندسی علوم آب، دانشگاه شهید چمران اهواز | ||
چکیده | ||
امواج ناشی از باد بهدلیل انرژی و تأثیر زیاد بر فعالیتهای دریایی، اهمیت زیادی دارند. با توجه به اثرگذاری امواج دریا بر فعالیتهای دریایی، تأثیر عوامل مختلف بر این متغیر در منطقۀ چابهار بررسی شد. در این پژوهش از روش الگوریتم جستوجوی گرگ (WSA) برای پیشبینی ارتفاع موج در دو بازۀ زمانی ساعتی و روزانه، استفاده شده است. به این منظور از اطلاعات ارتفاع امواج طی سالهای آماری 1386 تا 1390، برای پیشبینی روزانه و آمار ماههای بهمن و اسفند 1385 برای پیشبینی ساعتی استفاده شد. نتایج بهدستآمده از الگوریتم WSA با نتایج الگوریتمهای ژنتیک (GA) و جستوجوی هارمونی (HS) مقایسه شد. نتایج نشان داد الگوریتم جستوجوی گرگ در هر دو بازۀ ساعتی و روزانه عملکرد بهتری داشته است، بهطوری که ضریب تبیین (R2)، جذر میانگین مربعات خطا (RMSE)، شاخص توافق ویلموت (d) و میانگین قدر مطلق خطا (MAE) بهترتیب برابر 9497/0، 0704/0، 987/0 و 0483/0 برای پیشبینی ساعتی و 8558/0، 1742/0، 9599/0 و 1138/0 برای بازۀ روزانه بهدست آمد. مقایسۀ نتایج بهدستآمده، بیانکنندۀ عملکرد مناسب الگوریتم جستوجوی گرگ در پیشبینی ارتفاع موج برای این منطقه بوده است. | ||
کلیدواژهها | ||
ارتفاع موج دریا؛ الگوریتم جستوجوی گرگ؛ پیشبینی؛ چابهار | ||
عنوان مقاله [English] | ||
Hourly and daily prediction of sea wave height In the Chabahar area | ||
نویسندگان [English] | ||
Saeid Akbarifard1؛ Heydar Zarei2؛ Ebrahim Zalaghi1 | ||
1PhD. Candidate in Water Resources Engineering, Department of Hydrology and Water Resources, Faculty of Water Sciences Engineering, Shahid Chamran University of Ahvaz, Ahvaz, Iran | ||
2Assistant professor of Water Engineering, Department of Hydrology and Water Resources, Faculty of Water Sciences Engineering, Shahid Chamran University of Ahvaz, Iran. | ||
چکیده [English] | ||
The waves is important, because of it’s energy and high impact in maritime activities. Considering the effect of wave on marine activities in Chabahar, different factors influencing the wave height were considered in the present study. In this paper, the Wolf Search Algorithm (WSA) was used to predicting wave height in two categories, daily and hourly. For this purpose, the daily data of the year 2007-2011 and hourly data consisting of two month data of the year 2006 were employed. The results of the WSA were compared with Genetic Algorithm (GA) and Harmony Search Algorithm (HS). The WSA had a better performance for both hourly and daily data. So that R2, RMSE, d And MAE predict 0.9497, 0.0704, 0.987 and 0.0483 for hourly prediction and 0.8558, 0.1742, 0.9599 and 0.1138 for daily prediction respectively. The results show the high ability of evolutionary algorithms in wave height prediction in this Region. | ||
کلیدواژهها [English] | ||
Sea Wave height, prediction, Wolf Search Algorithm, Chabahar | ||
مراجع | ||
[1]. Derakhshan S, Gharabaghi A, Chenaghlu MR. Prediction of sea waves specification by experimental methods in Bushehr. 1st national congrees on civil engineering. Sharif University. Tehran. 2004; 1-9. [Persian] [2]. Khalili N. Forecasting precipitation with artificial neural networks. M.Sc Thesis. Water engineering Department. Ferdowsi university of Mashhad. 2006; [Persian] [3]. Lari K, Pourmandi-Yekta A, Mehdipour F. Wind waves prediction by the statistical model based on neural network in Bushehr Province. 4thinternational conference on coasts. port and marine structures. Bandar Abbas. 2000; 1-7. [Persian] [4]. Pierson WJ, Moskowitz L. A proposed spectral form for fully developed wind seas based on the similarity theory of SA Kitaigorodskii. Journal of geophysical research. 1964; 69(24):5181-5190. [5]. Hasselmann K, Barnett TP, Bouws E, Carlson H, Cartwright DE, Enke K, et al. Measurements of wind-wave growth and swell decay during the Joint North Sea Wave Project (JONSWAP). Research project. Deutsches Hydrographisches Institut; 1973.p. 7-91. [6]. Imani H, Kamranzadeh B. Scrutiny results of numerical simulation significant wave height in Chabahar. Sixth International Conference on Offshore Industries. Iranian Offshore Engineering Society. Tehran. 2015; 1-8. [Persian] [7]. Zhang S, Song Z, Li Y. An advanced inversion algorithm for significant wave height estimation based on random field. Ocean Engineering. 2016; 15(127):298-304. [8]. Taleghani M, Amirteymuri AR. Wave height predicted in Caspian Sea using artificial neural networks. Journal of Operational Research in Its Applications (Applied Mathematics). 2008; 5(18):39-47. [Persian] [9]. Zamani A, Azimian A. Wave height prediction in Caspian Sea by neural network. 9th conference of Fluid dynamics. Shiraz University. 2004; 1-11. [Persian] [10]. Abed-Elmdoust A, Kerachian R. Wave height prediction using the rough set theory. Ocean Engineering. 2012; 1(54):244-250. [11]. Amani-Dashlejeh J, Bonakdar, L. Using neural network in prediction of wave height and period with different return period in South Bandar Abbas. 10th Marine industries conference. Khoramshahr. 2008; 1-11. [Persian] [12]. Krishna Kumar N, Savitha R, Al Mamun A. Regional ocean wave height prediction using sequential learning neural networks. Ocean Engineering. 2017; 1(129):605-612. [13]. Edalatpanah F, Rezazadeh P. Prediction of wave parameters by SWAN model. 12th conference of Fluid dynamics.Nushirvani University of Babol. 2009; 1-14. [Persian] [14]. Pournemat-Roudsari A, Qaderi K, Bakhtiari B, Ahmadi MM. Wave height prediction in Caspian Sea by GMDH. National conference of sea water utilization.Kerman; 2011.P. 659-666. [Persian] [15]. Mohammadrezapour-Tabari M, Soltani J. The stream flow prediction model using Fuzzy inference system and particle swarm optimization. Water and wastewater consulting engineers research development. 2013; 24:112-124. [Persian] [16]. Haghighi H. Hydrology and hydrobiology of Chabahar gulf. Research project. Iranian Fisheries Science Research Institute.; 1995.p. 5-12. [Persian] [17]. Shirinmanesh S, Chegini V. Study estimated recoverable energy from wave and tidal flow in Chabahar bay. Journal of Khoramshahr Marine Scinence and Technology. 2011; 10(2):91-107. [Persian] [18]. Tang R, Fong S, Yang XS, Deb S. Wolf search algorithm with ephemeral memory. InDigital Information Management (ICDIM). Seventh International Conference; 2012.p. 165-172. IEEE. [19]. Willmott CJ. On the validation of models. Physical geography. 1981; 2(2):184-94. | ||
آمار تعداد مشاهده مقاله: 987 تعداد دریافت فایل اصل مقاله: 588 |