مقایسه برخی از مدل های هوش مصنوعی برای پیش بینی میزان اکسیژن محلول آب در استخرهای پرورش ماهی- مطالعه موردی: شهر اهواز

مصرف انرژی بالا و هزینه کارگری هواده ها سبب شده است که پرورش دهندگان ماهی کپور انگیزه بالایی برای خرید هواده نداشته باشند. میزان اکسیژن محلول آب یکی از مهم ترین پارامترهایی است که می توان از آن جهت روشن و خاموش نمودن خودکار هواده ها در استخرهای پرورش ماهیان استفاده نمود ولی به دلیل هزینه بالای سنسور اکسیژن باید از سایر پارامترها برای تخمین آن استفاده شود. این تحقیق با هدف ایجاد مدلی مناسب برای تخمین میزان اکسیژن محلول آب استخرهای پرورش ماهی اندازه گیری پارامترهای ورودی 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 70 /0 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 41 /0 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 88 /0 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.