پیش بینی داده های آماری امواج دریا نظیر ارتفاع و دوره تناوب آن ها از ضروری ترین نیازهای اطلاعاتی مرتبط با محیط دریا است. برای پیش بینی وضعیت امواج دریا روش های گوناگونی وجود دارد. استفاده از مدل های عددی پیچیده ای نظیر مدل WAM از جمله این روش ها است. وجود عبارت های غیرخطی در معادلات حاکم، مدل سازی امواج را امری مشکل نموده است. از طرف دیگر توانمندی روش شبکه های عصبی مصنوعی در مدل سازی مسایل غیرخطی باعث شده است که به موازات کاربرد مدل های عددی? از روش شبکه های عصبی نیز در پیش بینی امواج استفاده شود. در مقاله حاضر از داده های واقعی امواج دریای خزر که توسط بویه موج نگار و سیستم ADCP اندازه گیری شده اند، در یک شبکه مصنوعی عصبی استفاده می شود. این داده ها به دو مکان مختلف و دو فاصله زمانی گوناگون مربوط می شوند. شبکه مورد استفاده یک شبکه سه لایه پیشرو بوده که در مرحله آموزش آن، الگوریتم های متفاوت آموزش شبکه بکار رفته و از نتایج حاصل برای پیش بینی ارتفاع امواج استفاده شده است. برای پیش بینی ارتفاع امواج سعی شده تا این کار در دوره های زمانی 12 ,6 ,3 و 24 ساعته صورت پذیرد. به عنوان معیاری از درستی روش، منحنی های پراکندگی امواج و مقادیر ضرایب همبستگی داده ها در دو نقطه اندازه گیری ارایه شده اند. مقایسه داده های واقعی اندازه گیری شده توسط سیستم های اندازه گیری با نتایج حاصل از پیش بینی شبکه عصبی، تطابق خوبی را نشان می دهد که نشانگر دقت و سرعت خوب روش به کار رفته در دوره های زمانی کوتاه مدت می باشد.

واژه‌های کلیدی: پیش بینی امواج دریا، شبکه عصبی، ارتفاع و دوره تناوب امواج دریا، مدل موج دریا