پیش بینی میزان اکسیژن محلول آب در استخرهای پرورش ماهی با مدل های هوش مصنوعی

در پرورش آبزیان پیش بینی میزان اکسیژن محلول آب تاثیر زیادی در کاهش مصرف انرژی و همچنین کاهش نیروی کاریدارد. این تحقیق با هدف ایجاد مدلی مناسب برای تخمین میزان اکسیژن محلول آب استخرهای پرورش ماهی انجام گردید.پارامترهای ورودی pH و دمای آب و دما و رطوبت هوا و سرعت باد بودند. در طول دوره پرورش ماهی تمامی پارامترهای ورودی و خروجی اندازه گیری شدند و با سه مدل بررسی شدند. مدل اول شبکه عصبی مصنوعی بود و نتایج نشان داد تابع انتقال logsig-purelin با 17 نورون در لایه پنهان با میزان 0/70 بیشترین ضریب تبیین را داشت. مدل دوم ادغام مدل شبکه عصبی با الگوریتم ژنتیک بود و نتایج نشان داد در بهترین حالت این مدل قادر است با ضریب تبیین 0/41 میزان اکسیژن محلول آب را پیش بینی نماید. در مدل سوم از شبکه فازی- عصبی (ANFIS) استفاده گردید. نتایج نشان داد که این شبکه در وضعیت خوشه بندی کاهشی قادر است با ضریب تبیین 0/88 اکسیژن محلول آب را تخمین بزند. بنابراین شبکه فازی- عصبی مناسب ترین روش برای ارزیابی میزان اکسیژن محلول استخرهای پرورش ماهی در منطقه مورد مطالعه بود.

Keywords:

اکسیژن محلول , شبکه عصبی , الگوریتم ژنتیک , شبکه فازی- عصبی تطبیقی