کاربرد مدل ترکیبی موجک-شبکه عصبی در پیش‌بینی تغییرات کوتاه مدت تراز سطح دریا (مطالعه موردی: بندر چابهار)

پیش‌بینی دقیق‌تر از سطح دریا در مناطق ساحلی در کاربردهای مهندسی سواحل بسیار با اهمیت ‌می‌باشد. با پیش‌بینی تراز سطح دریا مشاهده جریانات دریا و تغییرات آن‌ها در سطح، ارتفاع موج، سرعت باد و جزر و مد ممکن شده و این نقش بسزائی در برنامه‌ریزی و مدیریت سواحل دارد. این مطالعه، توانایی روش و مدل ترکیبی موجک-شبکه عصبی در پیش‌بینی کوتاه مدت تراز سطح دریا در بندر چابهار را مورد مطالعه و بررسی قرار ‌می‌دهد. مقایسه این روش با دو روش مدل شبکه عصبی و رگرسیون خطی با استفاده از پارامترهای آماری ضرایب خطا (E، RMSE) به عنوان معیار، مورد بررسی قرار می‌گیرد. اطلاعات گذشته در مورد تراز سطح دریا که بصورت ساعتی برداشت شده به عنوان ورودی مدل بوده و مدل برای پیش‌بینی 12 ساعت آینده (نیم روز) مورد استفاده قرار گرفته است. مقایسه مدل ترکیبی موجک-شبکه عصبی با دیگر مدل‌ها با استفاده از معیار خطاها، نتایج بهتر این مدل را در پیش‌بینی تراز سطح دریا در دوره کوتاه مدت 12 ساعته در این ایستگاه نشان ‌می‌دهد. ضریب E در سه حالت مدل ترکیبی موجک-شبکه عصبی، شبکه عصبی و رگرسیون خطی بترتیب 989/0، 878/0 و 848/0 ‌می‌باشد. این مدل با استفاده از تبدیل موجک و تجزیه سری زمانی تراز سطح دریا به زیرسری‌هایی با اطلاعات مفید و با تغییرات فرکانسی مختلف، فرآیند پیش‌بینی را بهبود ‌می‌بخشد.