بررسی ترکیب تبدیل های موجک و شبکه عصبی در پیش بینی جریان های سطحی تنگه هرمز

جریان‌های سطحی اقیانوسی، نقش مهمی در انتقال گرما و تغییرات آب و هوایی دارد. ازاین‌رو، پیش‌بینی جریان‌های دریایی از اهمیت بسزایی در اقیانوس‌شناسی برخوردار است. در این پژوهش با به‌کارگیری شبکه‌‌عصبی و تکنیک تبدیل موجک به پیش‌بینی جریان‌های سطحی تنگه‌هرمز پرداخته شده است. بدین منظور داده‌های ثبت‌شده این حوزه از نوامبر سال 1992 تا دسامبر سال 2014 با گام زمانی 5 روزه از سایت ناسا تهیه و با به‌کارگیری تبدیل‌های موجک به زیر‌موجک‌های مادر Rbio، Coif، Bior، dmey، Db، Sym، haar به 10 زیرسری تجزیه و به‌عنوان ورودی مدل شبکه عصبی به‌کار گرفته شد. سپس با اجرای مدل شبکه عصبی ضرایب وزنی هر یک از زیر موجک‌ها تعیین شد. نتایج این بررسی نشان داد که زیر موجک‌های تولیدشده به‌وسیله موجک coif(5) کمترین خطا در پیش‌بینی جریانات سطحی را دارد. به‌منظور ارزیابی میزان اثربخشی هر یک از این زیر موجک‌ها‌ و دستیابی به  نتایج مطلوب در مراحل آموزش، اعتبارسنجی و آزمایش، شبکه‌های چندلایه با تعداد نورون مختلف در لایه پنهان استفاده شد که نتایج نشان داد؛ انتخاب 6 زیر موجک d1, d2 , …, d6 با مقدار خطا R=0/891 و 0/025 =RMSE در مرحله آزمایش مناسب‌ترین تعداد را در پیش‌بینی جریانات سطحی تنگه‌هرمز دارد.