ABSTRACT
In recent years, the availability of accurate ocean tide models has become increasingly important, as tides are the main contributor to disposal and movement of sediments, tracers and pollutants, and also due to a wide range of offshore applications in engineering, environmental observations, exploration and oceanography. Tides can be conventionally predicted by harmonic analysis, which is the superposition of many sinusoidal constituents with amplitudes and frequencies determined by a local analysis of the measured tide. However, accurate predictions of tide levels could not be obtained without a large number of tide measurements by the harmonic method. An application of the back-propagation artificial neural network using long-term and short-term measuring data is presented in this paper. On site tidal level data at Ingeniero White harbor in the inner part of Bahia Blanca estuary, Argentina, will be used to test the performance of the present model. Comparison with conventional harmonic methods indicates that the back-propagation neural network model also predicts accurately the long-term tidal levels.
Durante los últimos años, la disponibilidad de modelos oceánicos cada vez más exactos han aumentado en importancia, por ser las mareas el principal contribuyente para la disposición y movimiento de trazadores, sedimentos y contaminantes, y por una amplia variedad de aplicaciones en ingeniería, observaciones ambientales, exploración y oceanografía. Las mareas pueden ser pronosticadas mediante análisis armónico, que es la superposición de funciones sinusoidales con amplitudes y frecuencias determinadas en un análisis local de registros mareográficos. Sin embargo, la exactitud de las predicciones del nivel de marea por el método armónico no puede obtenerse sin un gran número de mediciones. En este trabajo se presenta una aplicación del método propagación hacia atrás (back-propagation) de redes neuronales empleando datos de corto y de largo plazo. Para medir la precisión del presente modelo se utilizan mediciones de nivel de marea correspondientes al Puerto Ingeniero White, en la parte interna del estuario de Bahia Blanca, Argentina. La comparación con métodos armónicos convencionales indica que las redes neuronales empleando back-propagation también predicen eficientemente los niveles de mareas a largo plazo.
Durante os últimos anos, a disponibilidade de modelos oceânicos cada vez mais exatos têm aumentado em importância, por ser as marés o principal contribuinte para a disposição e movimento de traçadores, sedimentos e contaminantes, e por uma ampla variedade de aplicações em engenharia, observações ambientais, exploração e oceanografia. As marés podem ser prognosticadas mediante análise armônico, que é a superposição de funções sinusoidais com amplitudes e frequências determinadas em uma análise local de registros maregráficos. Entretanto, a exatidão das previsões do nível da maré pelo método armônico não pode obter-se sem um grande número de medições. Neste trabalho se apresenta uma aplicação do método propagação para atrás (back-propagation) de redes neuronais empregando dados de curto e de longo prazo. Para medir a precisão do presente modelo se utilizam medições de nível de maré correspondentes ao Puerto Ingeniero White, na parte interna do estuario de Bahia Branca, Argentina. A comparação com métodos armônicos convencionais indica que as redes neuronais empregando back-propagation também predizem eficientemente os níveis de marés a longo prazo.