مدلسازی دمای بیشینه و کمینه استخر پرورش ماهیان گرمابی با استفاده از روش های یادگیری ماشین

ماهی ها حیواناتی خونسرد هستند و متابولیسم، رشد و تغذیه آنها با دمای آب ارتباط تنگاتنگی دارد. تغییرات دمایی باعث بروز تنش در ماهی ها و بعضا شیوع بیماری ها به هنگام گذر از آستانه های تحمل آنها می شود. با توجه به اهمیت موضوع، در این پژوهش به کمک داده های مشاهداتی روزانه ایستگاه هواشناسی کشاورزی رشت در استان گیلان، مربوط به بازه زمانی خرداد ۱۳۹۶ تا آبان ماه سال ۱۳۹۸، متغیرهای دمای بیشینه و کمینه استخر پرورش ماهیان گرمابی با استفاده از چند روش یادگیری ماشین مدلسازی شد. برای این منظور، روش های شبکه عصبی مصنوعی، تقویت گرادیان و جنگل تصادفی، برای مدلسازی دمای بیشینه و کمینه استخرهای یک مجموعه پرورش ماهی مورد استفاده قرار گرفتند. نتایج به دست آمده از ارزیابی عملکرد این رهیافت ها با داده های اندازه گیری شده، نشان داد برای مدلسازی دمای کمینه، شبکه عصبی (با ریشه میانگین مربعات ۹۳/۱ و همبستگی ۹۲/۰) و برای مدلسازی دمای بیشینه، مدل جنگل تصادفی (با ریشه میانگین مربعات ۶۱/۱ و همبستگی ۹۵/۰)  دارای دقت بیشتری هستند. در صورت تدقیق بیشتر، با کاربست مدل های پیشنهادی می توان با استفاده از داده های روزانه پیش بینی هواشناسی، به عنوان ورودی، دمای بیشینه و کمینه را برای استخر پرورش ماهیان پیش بینی نمود و در صورت لزوم اقدامات مدیریتی مقتضی را با توجه به شرایط دمایی پیش بینی شده انجام داد.

کلیدواژه ها:

ماهی گرمابی ، یادگیری ماشین ، شبکه عصبی ، جنگل تصادفی ، روش تقویتی گرادیان