بخشی از مقاله
خلاصه
تخمین سرعت جریان هاي ساحلی ناشی از طوفان هاي فصلی در راستا - longshore - و عمود بر خط ساحل - cross-shore - از اهمیت زیادي در طراحی سازه هاي دریایی برخوردار می باشد. به همین منظور، در این مقاله توانایی مدل ترکیبی سیستم استنباط فازي و شبکه عصبی - ANFIS - در تخمین سرعت هاي جریان هاي ساحلی در ساحل Ogata کشور ژاپن مورد استفاده قرار گرفت. در مدل ANFIS بکارگرفته شده سرعت باد، جهت باد، ارتفاع موج، پریود موج، عمق آب و جهت موج به عنوان پارامترهاي ورودي و سرعت جریان ساحلی در راستاي خط ساحلی و عمود بر خط ساحل به عنوان پارامتر خروجی انتخاب شدند. بعد از توسعه مدل مشخص شد که در شرایط طوفانی - سرعت باد بزرگتر از 10 متر بر ثانیه - مدل ANFIS با دقت مناسبی سرعت جریان هاي ساحلی را در راستا - - R 2 0.614 و عمود بر خط ساحل - - R 2 0.87 نسبت به روش رگرسیون خطی چند متغیره تخمین می زند. همچنین آنالیز حساسیت نسبت به پارامترهاي ورودي مشخص کرد که عمق آب و جهت باد داراي بیشترین اثر بر روي سرعت هاي تخمینی می باشند.
.1 مقدمه
جریانهاي ساحلی داراي نقش بسیار مهمی در شکل گیري مورفولوژي سواحل بوده و تخمین سرعت این جریان ها در طراحی سازه هاي دریایی از اهمیت زیادي برخوردار می باشد. اخیرا مشاهدات میدانی نشان دهنده اثر زیاد طوفانهاي دریایی بر بزرگی سرعت این جریانهاي در راستا خط ساحلی - longshore - و عمود بر خط ساحل - cross-shore - میباشد. مطالعات Yamashita و همکاران در سواحل Ogata ژاپن از جمله این مطالعات بوده که نشان از اثر زیاد مونسون هاي فصلی بر روي جهت جریان هاي ساحلی و بزرگی آنها دارد .[1] از آنجایی که تا به حال روش هاي تجربی مشخصی به منظور بررسی اثر پارامترهاي موثر بر سرعت جریان هاي ساحلی وجود نداشته، در این پژوهش توانایی روش مبتنی بر روش ترکیبی سیستم استنباط فازي و شبکه عصبی - ANFIS - به منظور تخمین سرعت جریانهاي ساحلی بکار گرفته می شود .[2] این روش تاکنون توسط پژوهشگران زیادي به منظور پیش بینی پدیده هاي مختلف دریایی به کار گرفته شده است. Kazeminezhad و همکاران - 2005 - از روش ANFIS به منظور مدلسازي و پیش بینی مشخصات امواج نظیر ارتفاع موج و پریود قله طیف استفاده کردند .[3]
در پژوهش آنها روش مذکور با فرمول CEM مورد مقایسه قرار گرفت و نتایج حاکی از برتري روش ANFIS نسبت به روش CEM دارد. Zanganeh و همکاران - 2009 - جهت تخمین مشخصات موج از روش ترکیبی سیستم استنباط فازي و الگوریتم ژنتیک GA-ANFIS استفاده کردند. آنها مدل مذکور را در حالت محدودیت زمان تداوم بکار گرفتند و مقایسه نتایج آن با روش تجربی SPM و ANFIS نشان از برتري مدل ارائه شده توسط آنها در پیش بینی مشخصات امواج در دریاچه میشیگان دارد .[4] از جمله کاربردهاي دیگر ANFIS می توان به کارهاي Bakhtyar و همکاران اشاره کرد که از روش ANFIS به منظور تخمین بالاروي و تخمین انتقال رسوب در منطقه تر و خشک شدن ساحل استفاده کردند Mahjoobi .[5] و همکاران - 2008 - نیز از سیستم استنباط فازي و شبکه عصبی به منظور پس یابی مشخصات امواج استفاده کردند.[6]
در تحقیق دیگري Ozer و همکاران - 2009 - نیز از سیستم استنباط فازي جهت پیش بینی امواج استفاده کردند.با توجه به موارد یاد شده مدلی مبتنی بر روش ANFIS در این مقاله، علاوه بر تخمین سرعت جریان هاي ساحلی با توجه به پیچیدگی پدیده مورد نظر، اثر پارامترهاي مختلف اندازه گیري شده مانند سرعت باد، جهت باد، ارتفاع موج، پریود موج، جهت موج و عمق آب را بر روي سرعت جریان هاي ساحلی مورد نظر ارزیابی می کند. علاوه بر این، به منظور نشان دادن کارایی مدل ANFIS در این مقاله از روش مبتنی بر رگرسیون خطی چند متغیره نیز استفاده می شود.از موارد مهم در استفاده از هر روش مبتنی بر ابزار محاسبات نرم شناخت پارامترهاي موثر بر پدیده مورد نظر می باشد. در تخمین میزان سرعت جریان هاي ساحلی ناشی از طوفان در راستا و عمود بر خط ساحلی با توجه به مطالعات Yamashita و همکاران - 2000 - .
2.1 سیستم استنباط فازي
مدل ANFIS مدلی مبتنی بر سیستم هاي استنباط فازي بوده که ابزاري مهم در مدلسازي پدیدههاي گوناگون بوده بر اساس نظریه مجموعههاي فازي است .[2] در سیستمهاي استنباط فازي رفتار یک پدیده در قالب یک سري قواعد اگر-آنگاه فازي و با استفاده از دانش خبره و یا دادههاي مشاهداتی از آن پدیده تعیین و مدلسازي میشود. به طور کلی اجزا سیستمهاي استنباط فازي را میتوان به پنج بخش زیر تقسیم کرد:
واحد فازيساز براي تبدیل وروديهاي قطعی به دادههاي فازي پایگاه قواعد که شامل یک سري قواعد اگر-آنگاه میباشد. پایگاه داده براي تعیین توابع عضویت و ساخت قواعد فازي واحد تصمیمگیري براي اعمال عملگرهاي مختلف روي قواعد فازي واحد غیرفازيساز براي تبدیل نتایج فازي به نتایج قطعی و غیرفازي شکل - 1 - اجزاء یک سیستم استنباط فازي و نحوه تعامل بین آنها را نشان میدهد.
3. روش خوشه بندي جهت استخراج قوانین اگر-آنگاه فازي
همانطور که گفته شد سیستمهاي استنباط فازي مدلهایی مبتنی بر قوانین اگر-آنگاه فازي میباشند. تاکنون روشهاي گوناگونی جهت استخراج این قوانین ارائه شده است، به طور کلی این روشها را میتوان به روشهاي بر مبناي دانش خبره و روشهاي مبتنی بر دادههاي اندازهگیري شده موسوم به روشهاي خوشهبندي تقسیمبندي کرد. با توجه به اینکه در روش اول همواره دسترسی به افراد با تجربه امکانپذیر نیست. بنابراین، روش دوم میتواند گزینهاي مناسب براي استخراج قوانین اگر-آنگاه فازي در پدیدههاي پیچیده مانند تخمین سرعت جریان هاي ناشی از طوفان باشد. یکی از روشهاي مرسوم خوشهبندي، روش خوشهبندي تفریقی ارائه شده توسط - 1994 - Chiu میباشد .
