پيش بيني الگوي پراکنش ماهي حسون (Saurida tumbil) بر اساس سامانه اطلاعات جغرافيايي (GIS) با استفاده از شبکه هاي عصبي مصنوعي (ANN)

رضواني گيل كلايي عليرضا; ولي نسب تورج; افشاركاظمي محمدعلي; كي مرام فرهاد; سلمان ماهيني عبدالرسول

مشخصات مقاله

عنوان نشریه:

محيط زيست جانوري

اطلاعات شماره:

بهار 1390 , دوره 3 , شماره 1 ; از صفحه 0 تا صفحه 0 .

عنوان مقاله:

پيش بيني الگوي پراکنش ماهي حسون (Saurida tumbil) بر اساس سامانه اطلاعات جغرافيايي (GIS) با استفاده از شبکه هاي عصبي مصنوعي (ANN)

نویسندگان:

رضواني گيل كلايي عليرضا*, ولي نسب تورج, افشاركاظمي محمدعلي, كي مرام فرهاد, سلمان ماهيني عبدالرسول

آدرس:

* گروه مدیریت و فناوری اطلاعات، واحد الکترونیکی، دانشگاه آزاد اسلامی، تهران

چکیده:

به منظور بررسي و پيش بيني الگوي پراکنش ماهي حسون (Saurida tumbil) داده هاي صيد بر واحد سطح سال 1387 حاصل از گشت هاي تحقيقاتي در حوزه آبهاي استان هرمزگان مورد تجزيه و تحليل قرار گرفتند. با استفاده از نرم افزار صفحه گسترده، تجزيه و تحليل اوليه صورت گرفت و با نرم افزارهاي سامانه اطلاعات جغرافيايي(GIS) نقشه هاي پراکنش مکاني ماهي حسون بر اساس ميزان صيد بر واحد سطح (CPUA) Catch Per Unit of Area تهيه گرديد. پس از آن به منظور پيش بيني الگوي پراکنش، نقشه هاي پارامترهاي فيزيکي و شيميايي آب منطقه شامل: دما، کدورت، شوري، چگالي، اکسيژن محلول، pH، کلروفيل a، هدايت الکتريکي، عمق، فاصله از ساحل، زمان صيد و طول و عرض جغرافيايي تهيه گرديد. نقشه هاي فوق الذکر پس از تبديل به داده، بعنوان متغيرهاي مستقل و CPUA ماهي حسون بعنوان متغير وابسته در نظر گرفته شدند. نقشه ها پس از تبديل بعنوان ورودي نرم افزار شبکه عصبي مصنوعي Networks (ANNs) Artificial Neural مورد استفاده قرار گرفت، که 60 درصد از داده ها براي آموزش، 20 درصد به منظور اعتبارسنجي و 20 درصد ديگر براي آزمايش عملکرد شبکه عصبي مصنوعي مورد استفاده قرار گرفتند و بهترين مدل شبکه عصبي مصنوعي، با درصد کارآيي بالا در يادگيري، آزمايش و اعتبار سنجي به عنوان الگويي براي پيش بيني انتخاب شد. با بکارگيري مدل، روي اطلاعات محدود آبشناسي و صيد در منطقه، مي توان پيش بيني الگوي پراکنش ماهي مورد نظر را انجام داد و با استفاده از الگوي پراکنش، مي توان ناوگان صيادي را راهنمايي و دقيقا مناطق صيد را برحسب مختصات جغرافيايي پيش بيني نمود.

کلید واژه:

ماهي حسون(Q2)Saurida tumbil(Q2)سامانه اطلاعات جغرافيايي(Q2)شبکه هاي عصبي مصنوعي(Q2)خليج فارس و درياي عمان(Q2)

چارک 1 این موضوع در حوزۀ علمی خود، در چارک اول تازگی است.
یعنی استقبال پژوهشگران از این موضوع خیلی زیاد است.
چارک 2 این موضوع در حوزۀ علمی خود، در چارک دوم تازگی است.
یعنی استقبال پژوهشگران از این موضوع زیاد است.
چارک 3 این موضوع در حوزۀ علمی خود، در چارک سوم تازگی است.
یعنی استقبال پژوهشگران از این موضوع کم است.
چارک 4 این موضوع در حوزۀ علمی خود، در چارک چهارم تازگی است.
یعنی استقبال پژوهشگران از این موضوع خیلی کم است.

موضوعات مرتبط:

مقالات نشریه ای مرتبط:

مقالات همایشی مرتبط:

ندارد

طرح های مرتبط:

مقالات بین المللی مرتبط:

No item.

ارتباط خیلی زیاد ارتباط زیاد مرتبط ارتباط کمتر

ارجاعات:

ثبت نشده است

استنادات:

ثبت نشده است

+جهت ارجاع به این مقاله کلیک کنید(Cite).

APA : کپی

رضوانی گیل کلایی، ع.، و ولی نسب، ت.، و افشارکاظمی، م.، و کی مرام، ف.، و سلمان ماهینی، ع. (1390). پیش بینی الگوی پراکنش ماهی حسون (Saurida tumbil) بر اساس سامانه اطلاعات جغرافیایی (GIS) با استفاده از شبکه های عصبی مصنوعی (ANN). محیط زیست جانوری, 3(1), 0-0. https://www.sid.ir/fa/journal/ViewPaper.aspx?id=163785

Vancouver : کپی

رضوانی گیل کلایی علیرضا، ولی نسب تورج، افشارکاظمی محمدعلی، کی مرام فرهاد، سلمان ماهینی عبدالرسول. پیش بینی الگوی پراکنش ماهی حسون (Saurida tumbil) بر اساس سامانه اطلاعات جغرافیایی (GIS) با استفاده از شبکه های عصبی مصنوعی (ANN). محیط زیست جانوری. 1390 [cited 2022July05];3(1):0-0. Available from: https://www.sid.ir/fa/journal/ViewPaper.aspx?id=163785

IEEE : کپی

رضوانی گیل کلایی، ع.، ولی نسب، ت.، افشارکاظمی، م.، کی مرام، ف.، سلمان ماهینی، ع.، 1390. پیش بینی الگوی پراکنش ماهی حسون (Saurida tumbil) بر اساس سامانه اطلاعات جغرافیایی (GIS) با استفاده از شبکه های عصبی مصنوعی (ANN). محیط زیست جانوری, [online] 3(1), pp.0-0. Available: https://www.sid.ir/fa/journal/ViewPaper.aspx?id=163785.