پیش بینی عملیاتی امواج برای چندین ساعت یا روز در یک محل خاص در هرگونه عملیات مهندسی در دریا لازم است. امروزه مدل های موج نسل سومی جدید اطلاعات موج و پیش بینی های موج را در مقیاس های جهانی و منطقه ای ارائه می کنند. علی رغم پیشرفت زیاد در شبیه سازی امواج ناشی از باد، به دلیل محدودیت های موجود در درک فیزیک فرآیندهای تولید، زوال و اندرکنش های غیرخطی امواج و مشکلات موجود در بیان ریاضی این فرآیندها، پارامترهای تجربی زیادی در این مدل ها وارد شده اند که می بایست به صورت آزمایشی تعیین شوند. به علاوه، مدل های عددی موج وابسته به شرایط اولیه، شرایط مرزی و نیروهای واداشت هستند که تمامی این موارد دارای خطا هستند. هنگامی که پیش بینی های نقطه ای و محلی مورد نیاز است، مدل های براساس سری زمانی مانند شبکه های عصبی به عنوان یک گزینه قابل طرح هستند. به علاوه صحت و دقت پیش بینی های موج در طول زمان به دلیل خطاهای اشاره شده موجود کاهش می یابد. این خطاها در حین اجرای مدل موج با هم جمع می شوند و باعث می شوند که عملاً پیش بینی های حاصله دارای خطاهای نسبتاً زیادی باشند. از این رو ارتقاء خروجی های مدل های موج، جایگاه برجسته ای در پیش بینی های امواج حاصل از باد دارد. در هر زمانی که اندازه گیری ها در دسترس باشند، می توان کیفیت پیش بینی های امواج را ارتقاء بخشید. همگون سازی داده ها در واقع کاربرد اندازه گیری برای بهبود کارایی مدل است. در این پایان نامه به بررسی یکی از روش های نوین محاسبات نرم به نام رگرسیون بردار پشتیبان (svr) در پیش بینی پارامتر های امواج پرداخته شده است. با استفاده از اطلاعات بویه های جهانی و همچنین اطلاعات به روز اندازه گیری شده در خلیج فارس، این روش در شرایط مختلف جغرافیایی سنجیده شده است. همچنین در این تحقیق روش های مختلف همگون سازی معرفی شده اند و به بررسی روش فیلتر گروهی کالمن (enkf) در اصلاح خروجی های ناشی از مدل svr پرداخته شده است. تحلیل های انجام شده حاکی از این است که svr ابزار مناسب و قدرتمندی در شبیه سازی ارتفاع و طیف امواج می باشد. همچنین می توان با استفاده از این روش و داده های اندازه گیری، ارتفاع موج نقاط اطراف را به خوبی پیش بینی نمود. در ادامه نتیجه گرفته شد که روش فیلتر گروهی کالمن نیز رویکرد مناسبی جهت ارتقاء کیفیت و اصلاح خروجی های ارتفاع امواج است. نتایج نشان دادند که می توان از svr و ترکیب آن با روش همگون سازی داده ها، در پیش بینی امواج استفاده نمود.

امواج در اثر اعمال نیروی باد بر روی سطح آب اقیانوس ها و دریاها شکل می گیرند. به دلیل پیچیدگی و اتفاقی بودن فرآیندهای هواشناسی و تولید باد، امواج تولید شده از آنها نیز دارای ماهیتی پیچیده و اتفاقی می باشند. از طرفی تأثیر امواج بر کلیه فعالیتهای ساحلی و دریایی سبب می گردد تا اولین قدم جهت شناخت عوامل تأثیرگذار بر محیط های دریایی و نواحی ساحلی، تعیین الگوی های امواج باشد . یکی از رایج ترین و پیشرفته ترین روش ها جهت شبیه سازی و تعیین مشخصات امواج استفاده از مدل های عددی می باشد. علاوه بر محدودیت های موجود در تعریف فیزیک فرآیندهای تولید و زوال امواج در این مدل ها، شبیه سازی امواج ناشی از باد دارای خطاهایی جدایی ناپذیر ناشی از مولفه های نیرو های واداشت می باشند. از این رو هر زمانی که داده های مشاهداتی در دسترس باشند، می توان کیفیت پیش بینی های امواج را ارتقا بخشید. همگون سازی داده ها در واقع کاربرد اندازه گیری ها برای بهبود کارایی و نتایج مدل است. در این پایان نامه کارایی یکی از روش های همگون سازی، به نام فیلتر گروهی کالمن (enkf) جهت بهبود پیش بینی پارامتر های امواج در محدوده خلیج فارس پرداخته شده است. برای این منظور ابزار متن باز openda به نحوی توسعه داده شد تا داده های اندازه گیری در نقاط مختلف با روش مذکور، وارد چرخه پیش بینی مدل موج نسل سومی swan شوند. تحلیل های انجام شده در نقاط صحت سنجی حاکی از آن است که روش همگون سازی توسعه داده شده در openda ابزار مناسبی جهت ارتقای نتایج شبیه سازی ارتفاع امواج می باشد. البته این امر بستگی به تعداد ایستگاه های اندازه گیری و فاصله آن ها تا نقطه مورد نظر و همچنین تعداد اعضای گروه همگون سازی دارد. در ادامه این تحقیق، کارایی سیستم همگون سازی توسعه داده شده جهت اصلاح خطاهای ناشی از عدم قطعیت های رایج در مدل سازی های امواج مانند میدان باد با دقت کم، شرایط نامشخص مرز آزاد و همچنین انتخاب مقادیر نادرست برای پارامترهای موثر مدل مورد بررسی قرار گرفت. نتایج حاصل، تأثیر مثبت سیستم همگون سازی مورد نظر را برای پوشش این خطاها گزارش می دهد.