روشی نوین از کاربرد شبکه های عصبی مصنوعی در پیش بینی جریان ناشی از موج عبوری روی موج شکن مستغرق

در بحث مدیریت سواحل مسئله حفاظت ساحل از اهمیت زیادی برخوردار است. موج شکن های مستغرق از مهمترین سازه های دریایی هستند که به طور گسترده در سراسر دنیا برای محافظت از ساحل در برابر فرسایش استفاده می شوند. این سازه ها با مستهلک کردن انرژی موج باعث کاهش میزان انرژی رسیده به ساحل می شوند. پس تغییرات در خط ساحلی به میزان بسیار زیادی وابستگی به جریان عبوری روی این سازه ها دارد. در این تحقیق سعی بر این است که با ترکیب یک روش عددی با روش شبکه های عصبی مصنوعی مدلی برای پیش بینی جریان عبوری روی این سازه ها ارائه شود. یکی از مهمترین مزیت های استفاده از شبکه های عصبی مصنوعی این است که می توان جریان ناشی از موج روی موج شکن مستغرق را بدون در نظر گرفتن بسیاری از عوامل موثر در آن پیش بینی کرد. از طرف دیگر بکارگیری روش شبکه های عصبی مصنوعی نیاز به طیف وسیعی از داده ها دارد که در این تحقیق به وسیله مدل عددی ارائه شده توسط cox وtajziehchi (2006) و با به کار گیری نرم افزارdelft3d تولید گردیده اند. در نتیجه 300 داده با پارامترهای نسبت بدون بعد استغراق ((hs/hi، نسبت بدون بعد عرض تاج موج شکن(b/l) ، نسبت بدون بعد ارتفاع موج hi/b)) و نسبت بدون بعد تیزی موج((hi/lایجاد می گردد. در این تحقیق، از شبکه های عصبی پیش خور (feed-forward) با سه لایه ورودی، مخفی و خروجی استفاده می شود. در بین شبکه های پیش خور نیز، شبکه های پرسپترون چند لایه یا mlp’s بهترین انتخاب می باشند، زیرا شبکه های تابع پایه شعاعی یا rbf’s نیاز به تعداد نورون های بیشتری دارند که این خود باعث افزایش زمان و هزینه می گردد. علت استفاده از لایه مخفی این است که اگر تعداد نرون های این لایه به درستی انتخاب شوند، این قدرت را به شبکه میدهد که هر تابعی را با تعداد محدود نقاط نا پیوستگی، به خوبی تقریب بزند(ahmadian وtajziehchi 2009,). برای آموزش شبکه نیز از الگوریتم lm (levenberg-marquardt) و با بکار گیری روش توقف زود رس استفاده می شود. پس از تولید داده های آموزشی شبکه عصبی مصنوعی، تاثیر هر یک از پارامتر های موجود بر روی جریان عبوری روی موج شکن مستغرق بررسی می شود و بعد از طراحی شبکه مورد نظر، نتایج بدست آمده به وسیله شبکه عصبی مصنوعی با نتایج آزمایشگاهی که توسط tajziehchi و cox (2005) جمع آوری شده است، مقایسه میشود و صحت توانایی شبکه های عصبی مصنوعی در پیش بینی جریان ناشی از موج عبوری روی موج شکن مستغرق مشخص می گردد.