Please use this identifier to cite or link to this item:
https://ptsldigital.ukm.my/jspui/handle/123456789/513221| Title: | Simulasi ketinggian air dan arus laut menggunakan rangkaian neural |
| Authors: | Puji Astuti (P29470) |
| Supervisor: | Riza Sulaiman,Prof. Dr. |
| Keywords: | Neural networks (Computer science). |
| Issue Date: | 3-Nov-2014 |
| Description: | Maklumat ketinggian air dan arus laut penting untuk menentukan perjalanan kapal, menentukan tempat yang selamat untuk berenang, menyelam, dan aktiviti lain. Maklumat ketinggian air laut (pasang surut laut) juga perlu untuk mengurangikan kerugian kerana banjir pada musim hujan. Tentera Laut Di Raja Malaysia dan Jabatan Ukur dan Pemetaan Malaysia merupakan pihak yang bertanggungjawab melakukan analisis dan meramal pasang surut bagi perairan Malaysia. Kedua-dua pihak menggunakan kaedah analisis harmonik. Kaedah analisis harmonik merupakan teknik perhitungan untuk menggambarkan kelengkungan pasang surut laut yang merupakan satu aturan fungsi sinus atau kosinus sejumlah k juzuk pasang surut. Untuk memperoleh hasil ramalan pasang surut yang baik, data cerapan minimum yang diperlukan ialah lima tahun. Rangkaian neural buatan (RNB) adalah satu reka bentuk sistem yang boleh mensimulasi keupayaan sistem rangkaian neural biologi yang diguna untuk memodel hubungan yang kompleks antara input dan output atau untuk mencari corak dalam data. Kaedah RNB lebih cekap dan memerlukan rekod data yang sedikit dibandingkan dengan kaedah harmonik untuk meramal pasang surut. Kajian ini mencadangkan satu pemodelan dan simulasi ketinggian air dan kelajuan arus laut menggunakan kaedah Numerik yang disepadu dengan kaedah rangkaian neural. Objektif utama kajian ini adalah seperti berikut: Meramal ketinggian air laut menggunakan kaedah rangkaian neural, kemudian mengimplementasi kaedah rangkaian neural dalam simulasi hidrodinamika 2-dimensi dan menggambarkan secara visual. Reka bentuk sistem terdiri daripada tiga bahagian yang utama, iaitu : bahagian rangkaian neural, pemodelan hidrodinamika dan visualisasi. Kaedah RNB diaplikasi untuk meramal pasang surut dan dibandingkan hasilnya dengan data cerapan dari stesen pasang surut di Malaysia iaitu Tawau, Lahad Datu, Miri, Kota Kinabalu, Pulau Langkawi, Pelabuhan Kelang. Lokasi lain di Asia Tenggara iaitu stesen Phuket Thailand, Laut Filipina Selatan dan Teluk Jakarta (Indonesia) serta di Kwajalein USA. Hasil menunjukkan pasang surut boleh diramal menggunakan kaedah rangkaian neural tiruan dengan cekap dengan ralat punca min kuasa dua (RPMKD)= 0.0696 dan pekali korelasi (PK)= 0.9685. Hasil ramalan jangka panjang iaitu 20 bulan di stesen Kwajalein USA dengan menggunakan data input yang sedikit iaitu 600 bilangan data menunjukkan ketepatan yang tinggi dengan RPMKD= 0.0993 dan PK=0.9224. Kes ramalan pasang surut di Teluk Jakarta digunakan sebagai nilai sempadan terbuka model hidrodinamika untuk mensimulasi ketinggian air dan kelajuan arus laut. Lokasi ini dipilih kerana faktor kelengkapan data yang diperlukan. Hasil simulasi hidrodinamika dengan menggunakan rangkaian neural tiruan untuk nilai sempadan juga memiliki PK yang tinggi iaitu 0.85. Hal ini menunjukkan hasil ramalan pasang surut dengan menggunakan kaedah rangkaian neural tiruan lebih efektif dibanding dengan menggunakan kaedah harmonik dan hanya memerlukan rekod data yang sedikit.,Ph.D |
| Pages: | 148 |
| Call Number: | QA76.87 .P835 2014 3 |
| Publisher: | UKM, Bangi |
| Appears in Collections: | Faculty of Information Science and Technology / Fakulti Teknologi dan Sains Maklumat |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| ukmvital_82259+SOURCE1+SOURCE1.0.PDF Restricted Access | 5.24 MB | Adobe PDF |  View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.