|
پیشبینی عمق بستر دریا با استفاده از مدل های عصبی–فازی: مطالعهای تطبیقی با تلفیق داده های ژئودزی و بهینهسازی بر اساس دادههای محلی
|
محمدعلی محمد ، ایرج جزیرئیان* ، محمود پیروزنیا  |
| دانشگاه صنعتی خواجه نصیرالدین طوسی |
|
|
چکیده: (36 مشاهده) |
اطلاع دقیق از عمق بستر دریا نقش مهمی در درک فرآیندهای اقیانوسی، اقیانوسشناسی فیزیکی، زیستشناسی دریایی، اکوهیدرولیک و زمینشناسی دریایی دارد. روشهای مرسوم مدلسازی عمق معمولاً با استفاده از دادههای ارتفاعسنجی ماهوارهای، مدل ثقل یا دادههای ثقلسنجی دریایی انجام میشوند که دقت یا قدرت تفکیک مکانی مناسبی ندارند. در این پژوهش، یک مطالعه تطبیقی بین مدلهای عصبی فازی برای مدلسازی منطقهای عمق بستر در خلیج فارس و دریای عمان انجام شده و نتایج با کمک دادههای محلی بهینهسازی شده است. برای این منظور، استنتاج عصبی–فازی تطبیقی (ANFIS) و درخت مدل خطی محلی (LOLIMOT) به عنوان مدلهای غیرخطی برای شناسایی رابطه بین ورودیها و خروجی استفاده شدهاند. ورودیهای مدل شامل دادههای ژئودزی یعنی ارتفاع ژئوئید، گرادیان ثقل و آنومالی ثقل و خروجی آن مدل عمق سنجی GEBCO است. نتایج نشان داد مدل LOLIMOT انطباق بهتری با دادههای آزمون دارد. لذا مدل پایه مذکور سپس با دادهگواری مشاهدات عمق دریایی از طریق روش بهینهسازی متغیر سهبعدی (3DVAR) بهبود یافته و مدل نهایی عمقسنجی حاصل شده است. مدل پیشنهادی با دادههای عمقسنجی مسیرهای کنترل مناطق چابهار، گناوه و علمشاه اعتبارسنجی شد و نتایج دقت بالای آن را با RMSE به ترتیب حدود حدود 0/4 متر، 8/0 متر و 9/0 متر نشان میدهد. این مدلسازی، روش دقیقی برای تحلیل و پیشبینی عمق بستر دریا در مطالعات علمی و کاربردی ارائه میدهد.
|
|
| واژههای کلیدی: مدلسازی عمق دریا، ارتفاع سنجی ماهواره ای، ثقل دریایی، یادگیری ماشین، مدل عصبی–فازی |
|
|
|
نوع مطالعه: پژوهشي |
موضوع مقاله:
ژئودزی (عمومی) دریافت: 1404/7/8 | پذیرش: 1404/9/29 | انتشار الکترونیک پیش از انتشار نهایی: 1404/11/11
|
|
|
|
|
|
|
| ارسال پیام به نویسنده مسئول |
|
|