| تعداد نشریات | 282 |
| تعداد نشریات سازمان | 80 |
| تعداد شمارهها | 3,188 |
| تعداد مقالات | 35,336 |
| تعداد مشاهده مقاله | 51,458,326 |
| تعداد دریافت فایل اصل مقاله | 91,331,931 |
پیشبینی صید کفال ماهیان در آبهای ایرانی دریای خزر با الگوریتم درخت تصمیم | ||
| مجله علمی شیلات ایران | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 13 بهمن 1398 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/isfj.2020.120960 | ||
| نویسندگان | ||
| طاهره عشورنژاد؛ محمد ابراهیم شیری؛ مهناز ربانی ها | ||
| چکیده | ||
| هر ساله روند تغییرات صید و حداکثر محصول قابل برداشت از منابع آبی مورد مطالعه و بررسی قرار می گیرد. مطالعاتی گستردهای در خصوص دادههای صید به منظور برآورد ذخایر صورت گرفته است. هدف اصلی این تحقیق پیشبینی صید کفال ماهیان دریای خزر با الگوریتم درخت تصمیم (C&R tree) میباشد که با استفاده از نرمافزار دادهکاوی کلمنتاین 18 ارائه گردید. ساختار درخت تصمیم در یادگیری ماشین، یک مدل پیش بینی کننده میباشد که حقایق مشاهده شده در مورد یک پدیده را به استنتاجهایی در مورد مقدار هدف آن پدیده نقش میکند. برای این منظور دادههای صید10ساله به عنوان متغییر وابسته (سال صید، ماه صید، طول و عرض جغرافیایی نقطه صید، عمق صید، میزان صید) منتج از پروژههای ارزیابی ذخایر ماهیان استخوانی و اطلاعات محیطی (درجه حرارت، کلروفیل-a از سایت ناسا و عوامل pH، شفافیت، شوری، اکسیژن، موجودات کفزی از پروژههای 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 1400 ، 484/862 تن کفال و با دقت 42/98% برآورد شده است. | ||
| کلیدواژهها | ||
| کفال ماهیان؛ صید؛ دریای خزر؛ پارامترهای زیست محیطی؛ الگوریتم درخت تصمیم | ||
| عنوان مقاله [English] | ||
| a | ||
| نویسندگان [English] | ||
| T. Ashournezhad؛ M.E. Shiri؛ M. Rabbaniha | ||
| چکیده [English] | ||
| Every year the trend of catches and the maximum harvestable water from the water resources are studied and studied. Extensive studies of catch data have been conducted to estimate reserves. The main objective of this study was to predict Caspian mullet catch by decision tree algorithm (C&R tree) presented using Clementine 18 data mining software. Decision tree structure in machine learning is a predictive model that contributes to the observed facts about a phenomenon with inferences about the objective value of that phenomenon. For this purpose, 10-year catch data as a dependent variable (year of catch, month of catch, latitude and longitude of catch point, depth of catch, rate of catch) derived from bony fish stock assessment projects and environmental information (temperature, chlorophyll-a) From the NASA site and the factors of pH, transparency, salinity, oxygen, benthic organisms from northern seas hydrology projects) were considered as independent variables that besides specifying the effective factor on fishing, prediction of fish mullet in water The Caspian Sea also occurs. Among the investigated factors, water surface temperature and salinity were identified as the two main factors affecting fish mullet catchment and the prediction value for 1400, 862/484 tons of mullet with an accuracy of 98/42%. | ||
| کلیدواژهها [English] | ||
| Mullet, Catching, Caspian Sea, Environmental Parameters, Decision Tree Algorithm | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 384 |
||