این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی دریا، جلد ۷، شماره ۱۴، صفحات ۱۱۷-۱۲۳
عنوان فارسی پیش یابی ارتفاع موج شاخص در خلیج فارس با استفاده از شبکه های عصبی مصنوعی و مقایسه آن با درخت های تصمیم رگرسیونی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Online Significant Wave Height Prediction in Persian Gulf Using Artificial Neural Networks and Regression Trees
چکیده انگلیسی مقاله Prediction of wave height is of great importance in marine and coastal engineering. In this study, the performances of artificial neural networks (feed forward with back propagation algorithm) for online significant wave heights prediction, in Persian Gulf, were investigated. The data set used in this study comprises wave and wind data gathered from shallow water location in Persian Gulf. Current wind speed (u) and those belonging up to eight previous hours are given as input variables, while the significant wave height with leading time of 1-24 hour are the output parameters. Results show that the artificial neural networks can perform very well in predicting significant wave height, when shorter intervals of predictions (6 hour) were involved. Small interval predictions were made more accurately than the large interval ones. Results of artificial neural networks were compared with those of regression trees. Results indicate that error statistics of neural networks and regression trees were nearly similar
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مریم نعمتی | maryam nemati
center for science and research, i. a. university
دانشگاه آزاد اسلامی واحد علوم و تحقیقات
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی علوم و تحقیقات (Islamic azad university science and research branch)

علی کرمی خانیکی | ali karami khaniki
research center for soil protection and water resources
مرکز تحقیقات حفاظت خاک و آبخیزداری
سازمان اصلی تایید شده: پژوهشکده حفاظت خاک و آبخیزداری

نشانی اینترنتی http://marine-eng.ir/browse.php?a_code=A-10-32-2&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/2615/article-2615-413100.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده Environmental Study
نوع مقاله منتشر شده یادداشت فنی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات