برای اطلاع از آخرین مقالات علمی و اخبار کرونا(COVID-19) کلیک کنید

مشخصات مقاله

عنوان نشریه: 
 
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: 
 
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: 

 
موضوعات مرتبط: 
 
ارجاعات: 
  • ندارد
 
 
مقالات نشریه ای مرتبط: 
 
مقالات همایشی مرتبط: 
 

  بازدید یکساله 117
 
 
آخرین های بلاگ
ورود به بلاگ مرکز اطلاعات علمی