Pages 19-30
Juan Carlos Gutiérrez-Estrada, Inmaculada Pulido-Calvo, Ignacio de la Rosa, Bruno Marchini

对若干个能够为从事半集约化水产养殖的养殖人员提供池塘进水流量方面决策支持的集中式遥控系统的线性和非线性模型进行了评估。这些模型有：多元线性回归（MLRs）模型，广义相加模型（GAMs），人工神经网络模型（ANNs）和模糊逻辑控制器模型（FLCs）。这些建模技术应用到了位于西班牙南部的一个半集约化金头鲷养殖场中。测量了池塘中的水温，氨浓度，混浊度和溶氧浓度，并将它们用作独立的变量。在所有用来模拟池塘中实际换水操作的方法中，采用只有三个输入变量的人工神经网络（ANN）和模糊逻辑控制器（FLC）模型获得了与实测数据最匹配结果（在池塘入水口测量混浊度，在池塘的入水口和出水口测量溶氧）。这两个模型提供的相关性程度在0.73和0.75之间。相比之下，最好的广义相加模型（GAM）和多元线性回归模型提供的相关性程度分别只有0.38和0.33。尽管结果具备统计学意义，但得到的可释方差数值表明，要获取养殖人员为维持半集约化养殖系统水质而进行的池塘换水操作方面的经验与知识是非常困难的。

《Aquacultural Engineering》Volume 48, (May 2012)