استفاده از روش ترکیبی موجک-ماشین بردار پشتیبان برای پیش‌بینی وقوع امواج غیرعادی

نوع مقاله : مقاله کامل (پژوهشی)

نویسندگان

1 دانشجوی دکتری، دانشکده مهندسی دریا، دانشگاه صنعتی امیرکبیر، تهران

2 دانشیار، دانشکده مهندسی دریا، دانشگاه صنعتی امیرکبیر، تهران

3 استاد، دانشکده مهندسی دریا، دانشگاه صنعتی امیرکبیر، تهران

چکیده

امواج غیرعادی یا سهمگین به امواجی گفته می­شود که با ارتفاع خیلی زیاد، ولی بطور ناگهانی و غیر قابل پیش‌بینی و به ندرت رخ می­دهند. عوامل مختلفی مثل طوفان­های شدید، توپوگرافی خاص بستر، تلاقی جریان­های کرانه­ای و امواج و برهم‌کنش امواج با طول موج­ها و فرکانس­های مختلف با یکدیگر، ممکن است سبب بروز آن­ها شوند. اما همه اینها هنوز در حد فرضیه هستند. هدف از این تحقیق ارائه یک روش ترکیبی برای پیش‌بینی وقوع امواج غیرعادی از روی متغیرهای هواشناسی با استفاده از روش ترکیبی تبدیل موجک و ماشین بردار پشتیبان دسته ­بندی کننده است. برای بررسی کارایی مدل ارائه شده از داده ­های تاریخی متغیرهای هواشناسی برداشت شده طی سه سال از ایستگاه­های شماره 41041 و 41004 در دو طوفان مشهور Dean (2007) و Irene (2011) استفاده شده است. ابتدا با استفاده از تبدیل موجک امواج غیرعادی شناسایی شده، سپس از خروجی­های این روش برای آموزش ماشین بردار پشتیبان استفاده شده است. تبدیل موجک روی داده‌های ارتفاع مشخصه اعمال می­شود. در این روش امواج غیرعادی نواحی از طیف تبدیل موجک را تشکیل می­دهند که در آن­ها انرژی زیاد است. از داده­ های تاریخی هواشناسی پارامترهایی مانند جهت باد، سرعت باد، ارتفاع موج مشخصه، فشار سطح دریا، دمای هوا و دمای سطح دریا که در طول سه سال بصورت ساعتی ثبت شده، برای آموزش و آزمون مدل­های ماشین بردار پشتیبان استفاده شده است. نتایج نشان داد که روش ارائه شده از دقت قابل قبولی برای پیش‌بینی وقوع امواج غیرعادی برخوردار است.

کلیدواژه‌ها


Cherneva, Z., and Soares, C. (2014). “Time–frequency analysis of the sea state with the "Andrea" freak wave”, Nat. Hazards Earth Syst. Sci. 14: 3143–3150.
Chien, H., Kao, C. C., and Chuang, L. Z. H. (2002). “On the characteristics of observed coastal freak waves”, Coast. Eng. J. 44 (4): 302–319.
Clauss, G. (2000). “Dramas of the sea: episodic wave sand their impact on offshore structures”, Applied Ocean Research, 24: 147–161, 2000.
Dean, R. (1990). “Abnormal waves: a possible explanation”, Torum, A., Gudmestad, O. (Eds.), Water Wave Kinematics. Kluwer, NewYork, 609–612.
Didenkova, I. (2011). “Shapes of freak waves in the coastal zone of the Baltik Sea (TallinBay)”, Boreal Environ. Res., 16: 138–148.
Ewans, K., and Buchner, B. (2008). “Wavelet analysis of an extreme wave in a model basin”, In: Proceedings of the 27th International Conference on Offshore Mechanics and Arctic Technology, vol. 2: Structures, Safety and Reliability, Portugal. Paper No. OMAE 2008-57499: 455–464.
Haver, S. (2005). “Freak waves—a suggested definition and consequences for marine structures”, Rogue Waves 2004. IFREMER, Brest, France.
http://www .ndbc.noaa.gov
Huang, M. C. (2004). “Wave parameters and functions in wavelet analysis”, Ocean Eng. 31: 111–125.
Lavine, B.K., and  Blank, T.R., (2009). 3.18 - Feed-forward neural networks, in comprehensive chemometrics, Edited by Steven D. Brown, Romá Tauler and Beata Walczak, Elsevier, Oxford, 2009, Pages 571-586, ISBN 9780444527011, https://doi.org/10.1016/B978-044452701-1.00026-0.
Liu, P., and Mori, N. (2000). “Characterizing freak waves with wavelet transform analysis”, Rouge Waves 2000, Brest, France, 151–156.
Massel, S. (2001). “Wavelet analysis for processing of ocean surface records”, Ocean Eng. 28: 957–987.
Scholkopf, B., and Smola, AJ. (2002). “Learning with kernels”. Cambridge, MA: The MIT Press.
Scholkopf, B., Burges, C., and Smola, A. (1998). “Advances in kernel methods support vector learning”. MIT Press.
Scholkopf, B., Mika, C.J., Burges, P, Knirsch, RR., and Muller, K.G. (1999). “Input space versus feature space in kernel-based methods”, IEEE Trans Neural Network,10 (5):1000–1017.
Taylor, SJ. and Cristianini, N. (2004). “Kernel methods for pattern analysis”, Cambridge University
Tomita, H., and Kawamura, T. (2000). “Statistical analysis and inference from the in-situ data of the Sea of Japan with reference to abnormal and/or freak waves”, Proceedings of the 10th ISOPE Conference, Seattle, USA,  116–122.
Vapnik, VN. (2000). “The nature of statistical learning theory”, 2nd ed. NY (USA): Springer-Verlag; 2000, p. 131.
Veltcheva, A., and Guedes Soares, C. (2015). “Wavelet analysis of non-stationary sea waves during Hurricane Camille”, Ocean  Technology 95: 166–174.