Προσδιορισμός κυματικών αντιπροσώπων για την πρόβλεψη  τάσεων διάβρωσης και απόθεσης σε παράκτιες περιοχές μέσω μαθηματικής προσομοίωσης και Τεχνητών Νευρωνικών Δικτύων

Διαμαντά, Μαρία Άννα; Diamanta, Maria Anna

dc.contributor.author	Διαμαντά, Μαρία Άννα	el
dc.contributor.author	Diamanta, Maria Anna	en
dc.date.accessioned	2024-07-30T07:00:30Z
dc.date.available	2024-07-30T07:00:30Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/59971
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.27667
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Παράκτια διάβρωση	el
dc.subject	Τεχνητά Νευρωνικά Δίκτυα	el
dc.subject	Σχηματοποίηση Κυματικού Κλίματος	el
dc.subject	Μεταφορά και εναπόθεση ιζήματος	el
dc.subject	Κυματικοί Αντιπρόσωποι	el
dc.subject	Wave climate schematization	en
dc.subject	Coastal erosion	en
dc.subject	Artificial Neural Networks.	en
dc.subject	Sediment transport	en
dc.subject	Representative waves	en
dc.title	Προσδιορισμός κυματικών αντιπροσώπων για την πρόβλεψη τάσεων διάβρωσης και απόθεσης σε παράκτιες περιοχές μέσω μαθηματικής προσομοίωσης και Τεχνητών Νευρωνικών Δικτύων	el
dc.title	Representative Waves for Estimating Annually Averaged Sedimentation and Erosion Trends in Sandy Coastal Areas using Numerical Models and Artificial Neural Networks	en
heal.type	bachelorThesis
heal.classification	Coastal Engineering	en
heal.classification	Numerical Modelling	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2023-03-14
heal.abstract	Process based numerical models are widely recognised as a valuable tool for simulating and predicting changes in coastal bed morphology. However, despite their prevalent use in coastal research studies, they are highly intensive in computational resources and processing capacity, therefore requiring the employment of wave schematization methods in order to reduce the required wave input data and accelerate the simulation processes. This thesis introduces a new methodology of wave input reduction by combining the use of numerical modelling and Artificial Neural Networks (ANN), in order to derive a set of representative wave conditions that is morphologically equivalent to the full wave climate. The proposed approach utilises time series of offshore wave characteristics (height, period and direction) that can be obtained from open databases and bathymetric data for the coastal area. The representative sea states are calculated by a trained ANN and are then used as inputs in the simulations carried out by the numerical models in order to obtain predictions on the evolution of coastal bed morphology.	en
heal.advisorName	Χονδρός, Μιχάλης	el
heal.committeeMemberName	Χονδρός, Μιχάλης	el
heal.committeeMemberName	Τσουκαλά, Βασιλική	el
heal.committeeMemberName	Ευστρατιάδης, Ανδρέας	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Πολιτικών Μηχανικών. Τομέας Υδατικών Πόρων και Περιβάλλοντος. Εργαστήριο Λιμενικών Έργων	el
heal.academicPublisherID	ntua
heal.numberOfPages	129 σ.	el
heal.fullTextAvailability	false