پیش بینی الگوی پراکنش ماهی حسون (Saurida tumbil) براساس سامانه اطلاعات جغرافیایی (GIS) با استفاده از شبکه‌های عصبی مصنوعی (ANN)

 به منظور بررسی و پیش‌بینی الگوی پراکنش ماهی حسون (Saurida tumbil) داده‌های صید بر واحد سطح سال 1387 حاصل از گشت‌های تحقیقاتی در حوزه آب های استان هرمزگان مورد تجزیه و تحلیل قرار‌گرفتند. با استفاده از نرم‌افزار صفحه گسترده، تجزیه و تحلیل اولیه صورت گرفت و با نرم‌افزارهای سامانه اطلاعات جغرافیایی (GIS) نقشه‌های پراکنش مکانی ماهی حسون براساس میزان صید بر واحد سطح (CPUA) Catch Per Unit of Area تهیه ‌گردید. پس از آن به منظور پیش‌بینی الگوی پراکنش، نقشه‌های پارامترهای فیزیکی وشیمیایی آب منطقه شامل: دما، کدورت، شوری، چگالی، اکسیژن محلول، pH، کلروفیل a، هدایت الکتریکی، عمق، فاصله از ساحل، زمان صید و طول و عرض جغرافیایی تهیه گردید. نقشه‌های فوق الذکر پس از تبدیل به داده، به عنوان متغیرهای مستقل و CPUA ماهی حسون به عنوان متغیر وابسته در نظر گرفته شدند. نقشه‌ها پس از تبدیل به عنوان ورودی نرم‌افزار شبکه عصبی مصنوعی Networks (ANNs) Artificial Neural مورد استفاده قرار گرفت، که 60 درصد از داده‌ها برای آموزش، 20 درصد به منظور اعتبارسنجی و 20 درصد دیگر برای آزمایش عملکرد شبکه عصبی مصنوعی مورد استفاده قرار گرفتند و بهترین مدل شبکه عصبی مصنوعی، با درصد کارآیی بالا در یادگیری، آزمایش و اعتبار سنجی به عنوان الگویی برای پیش‌بینی انتخاب شد. با به کارگیری مدل، روی اطلاعات محدود آب شناسی و صید در منطقه، می توان پیش‌بینی الگوی پراکنش ماهی مورد نظر را انجام داد و با استفاده از الگوی پراکنش، می‌توان ناوگان صیادی را راهنمایی و دقیقاٌ مناطق صید را برحسب مختصات جغرافیایی پیش‌بینی نمود.