مقايسة عملكرد مدل‌هاي خطي تعميم‌يافته (GLM) و جنگل تصادفي (RF) در پيش‌بيني توزيع صيد ماهي سفيد (Rutilus frisii)

هدف از انجام مطالعة حاضر، ارزيابي عملكرد مدل‌هاي خطي تعميم‌يافته (GLM) و جنگل‌ تصادفي (RF) در پيش‌بيني توزيع صيد ماهي سفيد درياي خزر (Rutilus frisii) بود. بدين‌منظور، داده‌هاي صيد در واحد تلاش (CPUE) ماهي سفيد به‌عنوان متغير اصلي و داده‌هاي سنجش از دور 5 متغير محيطي شامل دماي روزانة سطح آب (SST)، غلظت كلروفيل-a (CHL)، ضخامت اپتيك ريزگردها (ASL)، محتواي كربن آلي ذره‌اي (POC) و كربن غيرآلي ذره‌اي (PIC) به‌عنوان متغيرهاي پيش‌بين مورد استفاده قرار گرفت. جهت سنجش عملكرد توصيفي و پيش‌بيني مدل‌ها از شاخص‌هاي ضريب تبيين (R^2)، ميانگين خطاي مطلق (MAE) و ريشة ميانگين مربعات خطا (RMSE) استفاده گرديد. در بهترين مدل GLM برازش‌يافته تنها دو پارامتر Log(PIC) و POC معني‌دار بودند، در حالي‌كه در مدل RF تمامي متغيرها بكار گرفته شدند. مدل RF از توان توصيفي بيشتري نسبت به مدل GLM برخوردار بود (0/053=GLM: R^2؛ 0/47=RF:R^2). همچنين، دقت بيشتري براي مدل RF  ((kg/hour.seine) 1326/1RMSE=؛ 972/4MAE=) در مقايسه با GLM ((kg/hour.seine) 1465/6RMSE=؛ 1328/7MAE=) وجود داشت. پارامترهاي ASL و CHL به‌ترتيب داراي بيشترين (%33/31) و كمترين (%28/87) سهم اهميت نسبي در مدل RF بودند. براساس مجموعه نتايج به‌دست آمده، مدل جنگل تصادفي (RF) به‌عنوان يك مدل كارآمد جهت مدل‌سازي توزيع صيد ماهيان پيشنهاد مي‌گردد.