این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
صفحه اصلی
درباره پایگاه
فهرست سامانه ها
الزامات سامانه ها
فهرست سازمانی
تماس با ما
JCR 2016
جستجوی مقالات
پنجشنبه 29 آبان 1404
International Journal of Maritime Technology
، جلد ۹، شماره ۱۷، صفحات ۲۷-۳۶
عنوان فارسی
ارزیابی عملکرد مدلهای محاسباتی نرم در تخمین ارتفاع امواج در بندر انزلی
چکیده فارسی مقاله
امواج ناشی از باد همواره یکی از موضوعات مهم، اساسی و مورد توجه در مهندسی سواحل و بنادر بوده است. از اینرو، طی سالیان متمادی روشهای مختلفی مانند روشهای تجربی، مدلهای عددی و روشهای محاسباتی نرم جهت تخمین پارامترهای امواج ارائه شده است. در این مطالعه، ارتفاع امواج در بندر انزلی با استفاده از مدلهای محاسباتی نرم همچون مدل رگرسیون تطبیقی چند متغیره اسپلاین (MARS)، درختان رگرسیونی (CART)، شبکههای عصبی مصنوعی (ANNs) و مدل درختی'M5 تخمین زده شده است. از جمله ویژگیهای بارز مدلهای MARS، CART و 'M5 در مقایسه با روش شبکههای عصبی مصنوعی، ارائه روابط رگرسیونی و معادلات ریاضی کاربردی جهت تخمین ارتفاع امواج میباشد که بهراحتی میتوان از روابط بهدست آمده جهت پیشبینیها استفاده نمود. در نهایت نتایج بهدست آمده از این مطالعه نشاندهنده دقت قابل رقابت و نزدیک روشهای رگرسیونی در مقایسه با شبکههای عصبی مصنوعی در تخمین ارتفاع امواج میباشند.
کلیدواژههای فارسی مقاله
عنوان انگلیسی
Assessment of soft computing models to estimate wave heights in Anzali port
چکیده انگلیسی مقاله
Wind waves are one of the important, fundamental and interesting subjects in port and coastal engineering. Thus, within years, different methods such as experimental methods, numerical modeling and soft computing methods have been employed to estimate the wave parameters. In this study, waves height in Anzali port is predicted using soft computing models such as multivariate adaptive regression splines (MARS), regression trees (CART), artificial neural networks (ANNs) and M5' model tree. Among the features of MARS, CART and M5' Models and compared to artificial neural networks, are presentation of regression equations and mathematical relationships which could easily be used to estimate the time series of wave height. The obtained results showed competitive accuracy of regression techniques in estimation of waves height compared to the artificial neural networks.
کلیدواژههای انگلیسی مقاله
نویسندگان مقاله
بهاره کامران زاد | bahareh kamranzad
iranian national institute for oceanography and atmospheric science
تهران - نارمک - دانشکده مهندسی عمران دانشگاه علم و صنعت ایران
سازمان اصلی تایید شده
: دانشگاه علم و صنعت ایران (Iran university of science and technology)
ابراهیم جباری | ebrahim jabbari
iran university of science and technology
دانشگاه علم و صنعت ایران
سازمان اصلی تایید شده
: دانشگاه علم و صنعت ایران (Iran university of science and technology)
مهرشاد صمدی | mehrshad samadi
iran university of science and technology
دانشگاه علم و صنعت ایران
سازمان اصلی تایید شده
: دانشگاه علم و صنعت ایران (Iran university of science and technology)
نشانی اینترنتی
http://www.ijmt.ir/browse.php?a_code=A-10-292-1&slc_lang=fa&sid=en
فایل مقاله
فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده
fa
موضوعات مقاله منتشر شده
Environmental Study
نوع مقاله منتشر شده
مقاله پژوهشی
برگشت به:
صفحه اول پایگاه
|
نسخه مرتبط
|
نشریه مرتبط
|
فهرست نشریات