پیش بینی وقوع امواج سهمگین مبتنی بر متغیرهای هواشناسی با استفاده از روش ترکیبی الگوریتم ضریب داده پرت محلی و شبکه عصبی دسته بندی کننده

به دلیل ماهیت پیچیده تصادفی و غیر خطی امواج، پیش بینی وقوع امواج سهمگین دشوار است. پیش بینی وقوع امواج سهمگین می تواند تا حد زیادی از بروز خسارات جانی و مالی بکاهد.  هدف از این تحقیق ارائه یک روش ترکیبی برای پیش بینی وقوع امواج سهمگین از روی متغیرهای هواشناسی با استفاده از روش های داده کاوی ضریب داده پرت محلی و شبکه عصبی مصنوعی دسته بندی کننده است. برای بررسی کارایی مدل ارائه شده از داده های تاریخی متغیرهای هواشناسی برداشت شده طی سه سال از ایستگاه های شماره 41041 و 41004 دو طوفان مشهور Dean (2007) و Irene (2011) استفاده شده است. ابتدا با استفاده از روش ضریب داده پرت محلی امواج سهمگین شناسایی شده، سپس از خروجی های این روش برای آموزش شبکه عصبی استفاده شده است. از 80 درصد داده های جمع آوری شده برای مرحله آموزش و از مابقی برای مرحله آزمون مدل بکار رفته است. کارایی روش ارائه شده با استفاده از معیارهای متداول بررسی عملکرد روی داده های آموزشی و آزمون بررسی شد؛ نتایج بیانگر عملکرد مناسب روش پیشنهادی در پیش بینی وقوع امواج سهمگین از روی متغیرهای هواشناسی است به طوری که برای هر دو مجموعه داده مورد بررسی دقت میانگین به 99% رسید.