تعیین پارامترهای دینامیکی تندباد و موج شاخص با استفاده از نظریه آشوب، مورد مطالعاتی بندر عسلویه

نویسندگان

1 دانشکده مهندسی آب، دانشگاه شهید باهنر کرمان

2 مهندسی مدیریت منابع آب، دانشگاه شهید باهنر کرمان

چکیده

شبیه‌سازی و پیش‌بینی داده‌های آماری اقلیم دریایی نظیر باد و موج از حائز اهمیت‌ترین نیازهای اطلاعاتی مرتبط با محیط دریا می‌باشد. در همین راستا مدل‌ها و روش‌های متعددی برای مدل‌سازی پارامترهای باد و امواج ابداع شده که از آن جمله می‌توان به مدل‌های طیفی، عددی و روش‌های تجربی اشاره نمود. یکی از روش‌های مطرح در این زمینه را می‌توان نظریه دینامیک غیر خطی آشوبی معرفی نمود. نظریه آشوب این فرضیه را مطرح می‌کند که بسیاری از سیستم‌های با رفتار به ظاهر تصادفی و نامنظم، به طور کامل از یک رابطه غیرخطی تبعیت کرده و در نتیجه قابل شبیه‌سازی و پیش‌بینی هستند، و یا به عبارت دیگر آشوبناک هستند. در مقاله حاضر به منظور تعیین پارامترهای دینامیکی سرعت تندباد و ارتفاع موج شاخص از داده‌های روزانه حاصل از بویه موج‌نگار بندر عسلویه در سالهای 1386 و 1387 استفاده شده است. بررسی دینامیکی غیرخطی با استفاده از بازسازی فضای فاز، محاسبه زمان تاخیر، بعد محاط، بعد همبستگی و بزرگترین نمای لیوپونوف صورت پذیرفت. نتایج به دست آمده حاکی از میزان آشوبناکی موج شاخص با بعد همبستگی 7/6 و تصادفی بودن رفتار تندباد می‌باشد.  

کلیدواژه‌ها


عنوان مقاله [English]

Determining of Dynamic Parameters of Strong Breeze and Significant Wave Using Chaos Theory Case Study: Asaluyeh Port

نویسندگان [English]

  • Mohammad Zounemat Kermani 1
  • Khatereh Amir Khani 2
چکیده [English]

Simulating and predicting of marine statistical data such as wind and wave are of the most needed information of sea and ocean. In this regard, several methods and models have been created for simulating wind and wave including spectral and numerical models, semi-experimental and experimental methods. One of the proposed methods in this area is the nonlinear dynamics and chaos theory. In the dynamic systems literature, the term chaos is used to refer to situations where complex and random-looking behaviors arise from simple nonlinear deterministic systems which can be predictable. In this paper in order to define the dynamic parameters of strong breeze speed and significant wave height, daily data form the buoy in Asaluyeh Port during 2007-2008 were utilized. Nonlinear dynamics were carried out by phase space reconstruction and calculating the delay time, embedding dimension, correlation dimension and maximum Lyapunov exponent. Results indicate the chaotic behavior of significant wave height (with a correlation dimension of 6.7) and stochastic behavior of strong breeze.      

کلیدواژه‌ها [English]

  • Chaos theory
  • Significant wave
  • Strong breeze
  • Asaluyeh Port
  • Phase Space
  • Correlation Dimension
]1[ چگینی، و.، 1390. اصول طراحی سازه‌های ساحلی، چاپ موسسه ملی اقیانوس شناسی. 520 صفحه.

]2[ تارنمای رسمی سازمان بنادر و دریانوردی، 1392. http://marinedata.pmo.ir

]3[ چگینی، ف.؛ چگینی، و.، 1386. ارزیابی و مقایسه دقت روشهای نیمه تجربی در پیش بینی مشخصات امواج بندر بوشهر، سومین کنگره ملی مهندسی عمران. تبریز. ایران.

]4[ حاجی‌بابایی، ن.؛ آزرم‌سا، س.ع.، 1382، ارزیابی مدلهای پیش بینی امواج ناشی از باد و ارایه مدل مناسب برای سواحل شهرستان بابلسر. جله علوم و فنون دریایی ایران. جلد سوم. صفحات 15-30.

]5[ کاظمی نژاد، م.ح.؛ موسوی، س.ج.، 1384. کاربرد سیستم استنباط فازی در پیش‌بینی امواج. دومین کنگره ملی مهندسی عمران، تهران، ایران.

]6[ ذونعمت کرمانی، م.؛ بای، ی.، 1392. واکاوی کارایی روش های مبتنی بر شبکه های عصبی مصنوعی و رگرسیون خطی چندمتغیره در پیش بینی کشند. فصلنامه اقیانوس شناسی. سال چهارم. شماره 13. صفحات 1-10.

]7[ قاهری، ع.؛ قربانی، م.ع.؛ دل‌افروز، ه.؛ ملکانی, ل.، 1391. ارزیابی جریان رودخانه با استفاده از نظریه آشوب، مجله پژوهش آب ایران. سال ششم، شماره 10. صفحات 177-186.

]8[ حسن‌زاده، ی.؛ اعلمی، م.ت.؛  فرزین، س.؛ شیخ الاسلامی، س.ر.، 1391. بررسی ماهیت آشوبناکی نوسانات روزانه تراز آب دریاچه ارومیه. نشریه مهندسی عمران و محیط زیست دانشگاه تبریز. سال چهل و دوم. شماره 1. صفحات 9-20.

]9[ لطف اللهی یقین، م.ع.؛ لشته نشایی، م.ا.؛ مجتهدی، ع.؛ قربانی، م.ع..؛ بیک لریان، م. 1392. مدل­سازی و پیش‌بینی ارتفاع موج شاخص دریای خزر با نظریه آشوب. نشریه مهندسی عمران و محیط زیست، سال چهل و پنجم، شماره 1، صفحات 97-105.

]10[ نعمتی، م.؛ کرمی خانیکی، ع.، 1390. پیش‌یابی ارتفاع موج شاخص در خلیج فارس با استفاده از شبکه های عصبی مصنوعی و مقایسه آن با درخت های تصمیم رگرسیونی. دو فصلنامه مهندسی دریا، شماره 14. صفحات 117-127.

[11] Babovic, V.; Sannasiraj S.A.; Chan E.S., 2005. Error correction of a predictive ocean wave model using local model approximation, Journal of Marine Systems 53, 1-17.

[12] Manadai, S.; Prabaharan, N. 2006, Ocean wave forecasting using recurrent neural networks, Ocean Engineering, 33(10), 1401–1410.

[13] Domenico, M.D.;  Ghorbani M.A.; Makarynskyy O.; Makarynska D.; Asadi H., 2013, Chaos and reproduction in sea level, Applied Mathematical Modelling 37, 3687–3697.

[14] Caraiani, P., 2013, Testing for nonlinearity and chaos in economic time series with noise titration, Economics Letters, 120(2), 192-194.

[15] Ng, W.W.; Panu, U.S.; Lennox, W.C.; 2007, Chaos based Analytical techniques for daily extreme hydrological observations, Journal of Hydrology, 342(1–2), 17-41.

[16] Takala, K.; Viren, M., 1996, Chaos and nonlinear dynamics in financial and nonfinancial time series: Evidence from Finland, European Journal of Operational Research, 93(1), 155-172.

[17] Wolf, A.; Swift, J.B.; Swinney, H.L.; Vastano, J.A., 1985. Determining Lyapunov exponents from a time series, Physica D, 1, 285-317.