Tidal forecasting using RNN in Bahia Blanca estuary, Argentina

Autores
Pierini, Jorge Omar; Gomez, Eduardo Alberto
Año de publicación
2009
Idioma
inglés
Tipo de recurso
artículo
Estado
versión publicada
Descripción
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  artifcial  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.
Fil: Pierini, Jorge Omar. Comision Nacional de Investigacion Cientifica y Tecnologica; Chile. Universidad Nacional del Sur; Argentina
Fil: Gomez, Eduardo Alberto. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto Argentino de Oceanografía. Universidad Nacional del Sur. Instituto Argentino de Oceanografía; Argentina. Universidad Tecnológica Nacional; Argentina
Materia
Redes neuronales
Harmonic analysis
sea level
Prediction
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/27855
Acceder
id CONICETDig_47a023ee75f5783a1b4fe7439fa78af9
oai_identifier_str oai:ri.conicet.gov.ar:11336/27855
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Tidal forecasting using RNN in Bahia Blanca estuary, ArgentinaPierini, Jorge OmarGomez, Eduardo AlbertoRedes neuronalesHarmonic analysissea levelPredictionhttps://purl.org/becyt/ford/1.5https://purl.org/becyt/ford/1In  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  artifcial  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.Fil: Pierini, Jorge Omar. Comision Nacional de Investigacion Cientifica y Tecnologica; Chile. Universidad Nacional del Sur; ArgentinaFil: Gomez, Eduardo Alberto. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto Argentino de Oceanografía. Universidad Nacional del Sur. Instituto Argentino de Oceanografía; Argentina. Universidad Tecnológica Nacional; ArgentinaInterciencia2009-12info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/27855Pierini, Jorge Omar; Gomez, Eduardo Alberto; Tidal forecasting using RNN in Bahia Blanca estuary, Argentina; Interciencia; Interciencia; 34; 12; 12-2009; 851-8560378-1844CONICET DigitalCONICETenginfo:eu-repo/semantics/altIdentifier/url/http://www.redalyc.org/pdf/339/33913151003.pdfinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T10:41:39Zoai:ri.conicet.gov.ar:11336/27855instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-29 10:41:39.738CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Tidal forecasting using RNN in Bahia Blanca estuary, Argentina
title Tidal forecasting using RNN in Bahia Blanca estuary, Argentina
spellingShingle Tidal forecasting using RNN in Bahia Blanca estuary, Argentina
Pierini, Jorge Omar
Redes neuronales
Harmonic analysis
sea level
Prediction
title_short Tidal forecasting using RNN in Bahia Blanca estuary, Argentina
title_full Tidal forecasting using RNN in Bahia Blanca estuary, Argentina
title_fullStr Tidal forecasting using RNN in Bahia Blanca estuary, Argentina
title_full_unstemmed Tidal forecasting using RNN in Bahia Blanca estuary, Argentina
title_sort Tidal forecasting using RNN in Bahia Blanca estuary, Argentina
dc.creator.none.fl_str_mv Pierini, Jorge Omar
Gomez, Eduardo Alberto
author Pierini, Jorge Omar
author_facet Pierini, Jorge Omar
Gomez, Eduardo Alberto
author_role author
author2 Gomez, Eduardo Alberto
author2_role author
dc.subject.none.fl_str_mv Redes neuronales
Harmonic analysis
sea level
Prediction
topic Redes neuronales
Harmonic analysis
sea level
Prediction
purl_subject.fl_str_mv https://purl.org/becyt/ford/1.5
https://purl.org/becyt/ford/1
dc.description.none.fl_txt_mv 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  artifcial  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.
Fil: Pierini, Jorge Omar. Comision Nacional de Investigacion Cientifica y Tecnologica; Chile. Universidad Nacional del Sur; Argentina
Fil: Gomez, Eduardo Alberto. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto Argentino de Oceanografía. Universidad Nacional del Sur. Instituto Argentino de Oceanografía; Argentina. Universidad Tecnológica Nacional; Argentina
description 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  artifcial  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.
publishDate 2009
dc.date.none.fl_str_mv 2009-12
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/27855
Pierini, Jorge Omar; Gomez, Eduardo Alberto; Tidal forecasting using RNN in Bahia Blanca estuary, Argentina; Interciencia; Interciencia; 34; 12; 12-2009; 851-856
0378-1844
CONICET Digital
CONICET
url http://hdl.handle.net/11336/27855
identifier_str_mv Pierini, Jorge Omar; Gomez, Eduardo Alberto; Tidal forecasting using RNN in Bahia Blanca estuary, Argentina; Interciencia; Interciencia; 34; 12; 12-2009; 851-856
0378-1844
CONICET Digital
CONICET
dc.language.none.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://www.redalyc.org/pdf/339/33913151003.pdf
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Interciencia
publisher.none.fl_str_mv Interciencia
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1844614447793963008
score 13.070432

Publicaciones similares