مقایسه برخی از مدل‌های هوش مصنوعی برای پیش‌بینی میزان اکسیژن محلول آب در استخرهای پرورش ماهی- مطالعه موردی: شهر اهواز

مصرف انرژی بالا و هزینه کارگری هواده‌ها، سبب شده است که پرورش‌دهندگان ماهی کپور انگیزه بالایی برای خرید هواده نداشته باشند. میزان اکسیژن محلول آب، از مهم‌ترین پارامترهایی است که می‌توان از آن برای روشن و خاموش کردن خودکار هواده‌ها در استخرهای پرورش ماهیان استفاده کرد؛ ولی به‌دلیل هزینه بالای سنسور اکسیژن باید از سایر پارامترها برای تخمین آن استفاده شود. هدف این پژوهش، ایجاد مدلی مناسب برای تخمین میزان اکسیژن محلول در آب استخرهای پرورش ماهی است. پارامترهای ورودی؛ ph و دمای آب، دما و رطوبت هوا و سرعت باد بودند. در طول دوره پرورش ماهی تمامی پارامترهای ورودی و خروجی اندازه‌گیری و با سه مدل بررسی شدند. مدل اول، سامانه عصبی مصنوعی بود و نتایج نشان داد تابع انتقال logsig-purelin با 17 نورون در لایه پنهان با میزان 0/70 بیشترین ضریب همبستگی را داشت. مدل دوم، ادغام مدل شبکه عصبی با الگوریتم ژنتیک بود و نتایج نشان داد در بهترین حالت، این مدل می‌تواند با ضریب همبستگی 0/41، میزان اکسیژن محلول در آب را پیش‌بینی کند. در مدل سوم، از سامانه فازی- عصبی (anfis) استفاده شد. نتایج نشان داد که این سامانه در وضعیت خوشه‌بندی کاهشی می‌تواند با ضریب همبستگی 0/87، اکسیژن محلول در آب را تخمین بزند؛ بنابراین سامانه فازی- عصبی، مناسب‌ترین روش برای ارزیابی میزان اکسیژن محلول در آب، استخرهای پرورش ماهی در منطقه مورد مطالعه بود.