طاهره عشورنژاد - -موسسه تحقیقات علوم شیلاتی کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران
محمد ابراهیم شیری - دانشگاه صنعتی امیرکبیر تهران
مهناز ربانی ها - موسسه تحقیقات علوم شیلاتی کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران

هر ساله روند تغییرات صید و حداکثر محصول قابل برداشت مورد مطالعه و بررسی قرار می گیرد. مطالعاتی گسترده ای در خصوص داده های صید به منظور برآورد ذخایر صورت گرفته است. هدف اصلی این تحقیق پیش بینی صید کفال ماهیان دریای خزر با الگوریتم درخت تصمیم  C&R tree می باشد که با استفاده از نرم افزار داده کاوی کلمنتاین ۱۸ ارائه گردید. ساختار درخت تصمیم در یادگیری ماشین، یک مدل پیش بینی کننده می باشد که حقایق مشاهده شده در مورد یک پدیده را به استنتاج هایی در مورد مقدار هدف آن پدیده نقش می کند. برای این منظور داده های صید۱۰ساله به عنوان متغییر وابسته  ( سال صید، ماه صید، طول و عرض جغرافیایی نقطه صید، عمق صید، میزان صید) منتج از پروژه های ارزیابی ذخایر ماهیان استخوانی و اطلاعات محیطی (درجه حرارت، کلروفیل-a از سایت ناسا و عوامل   pH، شفافیت، شوری، اکسیژن، موجودات کفزی از پروژه های هیدرولوژی آبهای شمال) به عنوان متغیرهای مستقل در نظر گرفته شد که علاوه بر مشخص کردن عامل موثر بر صید، پیش بینی صید کفال ماهیان در آبهای دریای خزر نیز صورت پذیرد. از بین عوامل مورد بررسی، دمای سطح آب، شوری به ترتیب دو عامل اصلی بر صید کفال ماهیان شناخته شد و مقدار عدد پیش بینی برای سال ۱۴۰۰ ، ۸۶۲/۴۸۴ تن کفال و با دقت ۹۸/۴۲% برآورد شده است.  

Mullet, Catching, Caspian Sea, Environmental parameters, Decision tree algorithm, کفال ماهیان, صید, دریای خزر, پارامترهای زیست محیطی, الگوریتم درخت تصمیم