پیش بینی صید کفال ماهیان در آبهای ایرانی دریای خزر با الگوریتم درخت تصمیم

هر ساله روند تغییرات صید و حداکثر محصول قابل برداشت مورد مطالعه و بررسی قرار می گیرد. مطالعاتی گسترده ای در خصوص داده‌ های 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 می‌ باشد که حقایق مشاهده شده در مورد یک پدیده را به استنتاج ‌هایی در مورد مقدار هدف آن پدیده نقش می‌کند. برای این منظور داده‌‌ های صید10ساله به عنوان متغییر وابسته ( سال صید، ماه صید، طول و عرض جغرافیایی نقطه صید، عمق صید، میزان صید) منتج از پروژه‌ های ارزیابی ذخایر ماهیان استخوانی و اطلاعات محیطی (درجه حرارت، کلروفیلa از سایت ناسا و عوامل ph، شفافیت، شوری، اکسیژن، موجودات کفزی از پروژه های 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.

Prediction of mullet catch in Iranian waters of the Caspian Sea using decision tree algorithm

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, 10year 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, chlorophylla) 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%.