پیش بینی الگوی پراکنش ماهی حسون (Saurida tumbil) براساس سامانه اطلاعات جغرافیایی (GIS) با استفاده از شبکه های عصبی مصنوعی (ANN)

به منظور بررسی و پیش بینی الگوی پراکنش ماهی حسون (Saurida tumbil) داده های صید بر واحد سطح سال 1387 حاصل از گشت های تحقیقاتی در حوزه آبهای استان هرمزگان مورد تجزیه و تحلیل قرار گرفتند. با استفاده از نرم افزار صفحه گسترده، تجزیه و تحلیل اولیه صورت گرفت و با نرم افزارهای سامانه اطلاعات جغرافیایی (GIS) نقشه های پراکنش مکانی ماهی حسون براساس میزان صید بر واحد سطح (CPUA) Catch Per Unit of Area تهیه گردید. پس از آن به منظور پیش بینی الگوی پراکنش، نقشه های پارامترهای فیزیکی وشیمیایی آب منطقه شامل: دما، کدورت، شوری، چگالی، اکسیژن محلول، pH، کلروفیل a، هدایت الکتریکی، عمق، فاصله از ساحل، زمان صید و طول و عرض جغرافیایی تهیه گردید. نقشه های فوق الذکر پس از تبدیل به داده، بعنوان متغیرهای مستقل و CPUA ماهی حسون بعنوان متغیر وابسته در نظر گرفته شدند. نقشه ها پس از تبدیل بعنوان ورودی نرم افزار شبکه عصبی مصنوعی Networks (ANNs) Artificial Neural مورد استفاده قرار گرفت، که 60 درصد از داده ها برای آموزش، 20 درصد به منظور اعتبارسنجی و 20 درصد دیگر برای آزمایش عملکرد شبکه عصبی مصنوعی مورد استفاده قرار گرفتند و بهترین مدل شبکه عصبی مصنوعی، با درصد کارآیی بالا در یادگیری، آزمایش و اعتبار سنجی به عنوان الگویی برای پیش بینی انتخاب شد. با بکارگیری مدل، روی اطلاعات محدود آبشناسی و صید در منطقه، می توان پیش بینی الگوی پراکنش ماهی مورد نظر را انجام داد و با استفاده از الگوی پراکنش، می توان ناوگان صیادی را راهنمایی و دقیقا مناطق صید را برحسب مختصات جغرافیایی پیش بینی نمود.