مقايسه نتايج حاصل از شبكه هاي عصبي mlp و rbf در پيش بيني جريان هاي ساحلي
بررسی جریان های ساحلی هنگام طوفان از آن جهت دارای اهمیت وﯾﮋه می باشد که اکثر تغییرات در خطوط ساحلی و جابجایی رسوبات در این زمان رخ می دهد. در برآورد جریان های ساحلی در شرایط طوفانی به علت سختی کار در برداشت داده هاي ميداني و نیز پیچیدگی تحلیل بر روی داده های همزمان اثر موج و باد های شدید تاکنون تحقیقات چندانی صورت نگرفته و داراي ابهامات زیادی است. هدف از تحقیق حاضر مقايسه دو نوع شبکه عصبیmlp وrbf برای برآورد جریان های ساحلی در شرایط طوفانی است که از پرکاربردترین شبکه ها در مسایل تقریب توابع هستند. در اين تحقيق توانمندی های اين دو نوع شبكه عصبي در مدلسازی جریان هاي ساحلي در ساحل جواتسو- اوگاتا نشان داده شد. به گونه ای که این مدل ها توانستند نتایج معقولی در مناطق مختلف این سایت ارائه دهند. مدل های کلی ارائه شده نهایی نشان مي دهند که می توانند نواحی مختلف ساحلی را به خوبي درک کرده و نیز در تمامی حالات جواب هایی با دقت قابل قبول داشته باشند. همچنین قابلیت این شبکه ها نيز با یکدیگر مورد مقایسه قرار گرفت. با مقایسه پاسخ ها ، ارقام و روند مشابهی در دو نوع شبکه ملاحظه گردید. در نهايت مقایسه ای بین این دو نوع شبکه با مدل های رگرسیون آماری انجام گرفت که نتایج نشان دهنده میزان عملكرد بهتر این شبکه ها نسبت به مدل رگرسیونی بود.