تاثیر وزن دهی متغیرهای پیش بین بر عملکرد مدل های شاخص مطلوبیت زیستگاه (HSI) (مطالعه موردی: ماهی سفید دریای خزر، Rutilus frisii)
Publish place: Aquatic Ecology، Vol: 14، Issue: 4
Publish Year: 1403
نوع سند: مقاله ژورنالی
زبان: Persian
View: 117
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JAEJ-14-4_002
تاریخ نمایه سازی: 10 خرداد 1404
Abstract:
در مطالعه حاضر، تاثیر وزن دهی متغیرهای پیش بین بر عملکرد پیش بینی مدل های شاخص مطلوبیت زیستگاه (HSI) مبتنی بر دو روش مدل میانگین حسابی (AMM) و مدل میانگین هندسی (GMM) مورد بررسی قرار گرفت. داده های صید ماهی سفید دریای خزر (Rutilus frisii) به عنوان مورد مطالعاتی مورد استفاده قرار گرفت و متغیرهای زیستگاهی مورد استفاده عبارت بودند از: دمای سطح آب دریا در روز، غلظت کلروفیل a در لایه سطحی آب، غلظت کربن آلی ذره ای، فاصله نقاط صیدگاهی از دهانه رودخانه و شیب بستر. محاسبه وزن نسبی پارامترهای محیطی و برازش مدل های شاخص مطلوبیت (SI) با استفاده از تکنیک ماشین بردار پشتیبان (SVM) انجام گرفت. دمای سطحی آب دریا و غلظت کربن آلی ذره ای به ترتیب با داشتن مقادیر ۰.۳۱۵ و ۰.۲۳۱، بیشترین مقادیر وزن را در توضیح واریانس صید ماهی به خود اختصاص دادند. ارزیابی پیش بینی مدل های برازش یافته در مراحل آموزش و آزمون مدل ها نشان داد که مدل HSI WGMM با داشتن کمترین مقادیر RMSE (آموزش: ۰.۱۸۱۸؛ آزمون: ۰.۲۵۴۰) و بالاترین ضریب همبستگی (آموزش: ۰.۴۶۹۳؛ آزمون: ۰.۱۹۵۳) بهترین عملکرد را به خود اختصاص داده و ضعیف ترین عملکرد نیز با مدل HSIWAMM (آموزش: ۰.۴۰۲۳ = RMSE؛ ۰.۳۸۴۳ = r؛ آزمون: ۰.۳۸۵۸ = RMSE؛ ۰.۱۳۶۰ = r) به دست آمد.
Keywords:
Caspian Kutum , Habitat suitability index (HSI) , Modeling , Support vector machine (SVM) , Weighting , شاخص مطلوبیت زیستگاه HSI , ماشین بردار پشتیبان , ماهی سفید , مدلسازی , وزن دهی
Authors
فاتح معزی
Department of Fisheries, Faculty of Natural Resources, University of Tehran
سهیل ایگدری
Department of Fisheries, Faculty of Natural Resources, University of Tehran
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
