پيش ‌بيني روند تغييرات صيد ماهي تون زرد باله (Thunnus albacares Bonnaterre, 1788) در آب هاي جنوبي كشور براساس مدل‌ هاي آريما (ARIMA) و شبكه‌ عصبي (NN)

هدف از اين مطالعه، توسعه‌ مدل‌هاي مختلف پيش ‌بيني آبزيان بوده و تلاش شده ميزان صيد ماهي تون باله زرد (گيدر) در آب‌هاي جنوبي كشور با حداقل خطاهاي احتمالي را پيش‌بيني نمايد. ميانگين صيد (Yi±S.D) و لگاريتم صيد (LogYi±S.D) براي سال‌هاي 1376 تا 1400 به‌ترتيب 13744±35378 تن (95% حدود اطمينان 49129–21634 تن) و 0/18±4/51 تن (95% حدود اطمينان 4/69-4/33 تن) بود. براساس آزمون من‌كندال، ميانگين صيد به‌صورت معني‌داري طي دوره‌ ياد شده (بيش از دو دهه‌ گذشته) افزايش يافته است (3/8, Z= P 0.05). مدل‌ها پيش‌بيني تركيبي مختلف آريما (ARIMA, (p, d, q)) براساس شاخص AIC امتحان شد و آريما مدل (0و 0 و1) بهترين تناسب را با روند تغييرات ماهي تون زرد باله يا گيدر در آب‌هاي جنوب كشور داشت (24-=AIC). نتايج و خطاي مدل‌هاي شبكه‌ عصبي (NN) نشان مي‌دهد كه شبكه‌هاي عصبي پيش‌خور (FFNN) نسبت به ساير مدل‌ها عملكرد بهتري داشته و مقادير صيد ماهي گيدر را با خطاي كمتري شبيه‌سازي و پيش‌بيني مي‌كند (0/02 MAE= و 0/03=RMSE). همچنين با توجه به نتايج مدل‌هاي سري زماني آريما و شبكه‌ عصبي مي‌توان نتيجه گرفت كه شبكه‌هاي عصبي پيش‌خور با دقت بالاتري نسبت به مدل‌هاي سري زماني ميزان صيد ماهي گيدر را شبيه‌سازي مي‌كنند و بازگو كننده‌ آينده‌ صيد ماهي گيدر باشند. به‌نظر مي‌رسد پيش‌بيني روند صيد آبزيان مي‌تواند ابزار مهم مديران و برنامه‌ريزان شيلاتي براي مديريت بهتر و پايدار در ذخاير آبزيان بوده و بايستي بيشتر به آن توجه داشت.