بررسی پارامترهای موثر بر پیش‌بینی مقدار صید ماهی تن زرد‌باله (bonnaterre, 1788) thunnus albacares در اقیانوس هند با سیستم فازی مبتنی بر قواعد

برای ارتقاء وضعیت صید ناوگان صیادی ماهیان تن لازم است تا محل‌های مستعد صید این ماهیان مشخص گردد. از این‌رو، این مطالعه، به‌منظور پیش‌بینی قابلیت صید ماهی تن ماهی زرد در پنج سال آینده با استفاده از یک مدل سیستم فازی به‌اجرا درآمد. برای تعیین مکان پیش‌بینی شده برای بیشترین صید در منطقه 51 اقیانوس هند، اطلاعات مربوط به تن ماهی زردباله اقیانوس هند از کمیسیون تن ماهی اقیانوس هند (iotc) به‌دست آمد. مدل از پارامترهای محیطی سال 2005 و توزیع مکانی صید تن ماهی زرد در سال 2010 ساخته شد. مقدار صید در سال 2010 به‌عنوان متغیر وابسته در نظر گرفته شد در حالی که پارامترهای محیطی سال 2005 به‌عنوان متغیرهای مستقل در نظر گرفته شدند. مدل با استفاده از 70٪ از داده‌ها آموزش دیده شده و داده‌های باقیمانده برای تست استفاده شدند. کیفیت مدل با استفاده از ضریب توضیح و ریشه مجموع مربعات باقی‌مانده ارزیابی شد. به‌نظر می‌رسد که مدل قابلیت پیش‌بینی ضعیفی دارد و مدل‌های مبتنی بر قوانین فازی برای مدل‌سازی پیش‌بینی صید ماهی تن زردباله در اقیانوس هند توصیه نمی‌شود. با این حال، عمق لایه ایزوترم 20 درجه سانتی‌گراد به‌عنوان مهم‌ترین پارامتر محیطی در پیش‌بینی صید ماهی تن زردباله شناسایی شد.

investigating the effective parameters on predicting the catch of yellowfin tuna thunnus albacares (bonnaterre, 1788) in the indian ocean using a rule-based fuzzy system

to improve the catch status of tuna fishing fleets, it is necessary to identify suitable fishing grounds for these fish. therefore, this study aimed to predict the catchability of yellowfin tuna over the next five years using a rule-based fuzzy system model. to determine the predicted location for the highest catch in the indian ocean region 51, data on indian ocean yellowfin tuna were obtained from the indian ocean tuna commission (iotc). the model was constructed using environmental parameters from 2005 and the spatial distribution of yellowfin tuna catches in 2010. the catch amount in 2010 was considered as the dependent variable, while the environmental parameters from 2005 were considered as independent variables. the model was trained using 70% of the data and the remaining data was used for testing. the quality of the model was evaluated using the coefficient of determination and the root mean square error. the study found that the model had poor predictive ability and that rule-based fuzzy models are not recommended for predicting yellowfin tuna catches in the indian ocean. however, the isotherm layer depth of 20 °c was identified as the most important environmental parameter in predicting yellowfin tuna catches.