تطوير طريقة معتمدة على الذكاء الاصطناعي للتنبؤ بمسار العوامات الطافية باستخدام نموذج شبكة عصبية متعددة الطبقات الهجينة

يعد التنبؤ الدقيق بمسار العوامة الطافية على السطح (SDB) على المدى الطويل تحدياً. يقترح هذا البحث حلاً واعداً لتنبؤ مسار العوامة الطافية استناداً إلى تقنيات الذكاء الاصطناعي (AI). في البداية، تم تطوير نموذج رياضي قابل للتوسع لتنبؤ المسار، مما يحول تحدي التنبؤ بنقاط المسار إلى التنبؤ بالسرعات في اتجاهي الشرق والشمال. بعد ذلك، تم إنشاء إطار حسابي لتنبؤ المسار من أربع طبقات (FLTPCF)، موضحاً سير عمل كامل لتدريب البيانات البيئية البحرية في الوقت الحقيقي وتنبؤ مسار العوامات الطافية. ثالثاً، لتسهيل التنبؤ الدقيق بالمسارات على المدى الطويل، تم دمج نموذج تنبؤ المسار العصبي الاصطناعي الهجين، المسمى CNN–BiGRU–Attention، الذي يدمج شبكة عصبية تلافيفية (CNN) ووحدة متكررة ذات بوابات ثنائية الاتجاه (BiGRU) وآلية الانتباه (AM)، مصممة لاستخراج الميزات المكانية والزمانية ومعالجة السلاسل الزمنية الممتدة. تم إجراء تجارب شاملة، بما في ذلك دراسات الإلغاء، والتحليلات المقارنة مع النماذج المتطورة مثل BiLSTM و Transformer، والتقييمات ضد الأساليب العددية، واختبارات القابلية للتكيف، لتبرير نموذج CNN–BiGRU–Attention. تسلط النتائج الضوء على قدرة نموذج CNN–BiGRU–Attention الممتازة على التقارب والدقة والقدرة على التعميم في التنبؤ بالمسارات لمدة 24 و 48 و 72 ساعة للعوامات الطافية بأوضاع drogue متغيرة وتحت ظروف بحرية مختلفة. لهذا العمل إمكانات كبيرة لتعزيز درجة الذكاء في المراقبة البيئية البحرية.