برای پژوهش و توسعه
  بازگشت به ژورنال
پژوهش‌های مکانیک ماشینهای کشاورزی
مقایسه برخی از مدل‌های هوش مصنوعی برای پیش‌بینی میزان اکسیژن محلول آب در استخرهای پرورش ماهی- مطالعه موردی: شهر اهواز


نویسندگان

سیدمحمدجواد افضلی
محمدجواد شیخداودی
سیدرضا سیدمرتضایی

javadafzali1357@gmail.com    unknown
javad1950@yahoo.com    unknown
rmortezaei@yahoo.com    unknown


5 دانلودها

چکیده

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 یکی از مهم‌ترین پارامترهایی است که می‌توان از آن جهت روشن و خاموش نمودن خودکار هواده‌ها 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 اندازه‌گیری 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 اندازه‌گیری 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 پیش‌بینی نماید. در مدل سوم از شبکه فازی- عصبی (ANFIS) استفاده گردید. نتایج نشان داد که این شبکه در وضعیت خوشه‌بندی کاهشی قادر است با ضریب تبیین 88/0 اکسیژن محلول آب را تخمین بزند. بنابراین شبکه فازی- عصبی مناسب‌ترین روش برای ارزیابی میزان اکسیژن محلول استخرهای پرورش ماهی در منطقه مورد مطالعه بود.




واژگان کلیدی

شبکه عصبی الگوریتم ژنتیک اکسیژن محلول شبکه فازی  عصبی تطبیقی 



دریافت فایل مقاله


دسترسی آزاد به این مقاله وجود ندارد




Journal of Materials Science: Materials in Electronics
ضریب تاثیر
0/000
در دسترس
2000 - 2019
دوره‌ها
7
شماره‌ها
21
مقالات
130
مقالات دسترسی آزاد
66