Мічута, О. Р. та Дацишин, С. Б. (2025) ВИКОРИСТАННЯ МАТЕМАТИЧНОГО МОДЕЛЮВАННЯ В ЕКСПЕРТНІЙ СИСТЕМІ ПРОМИСЛОВОГО РИБОРОЗВЕДЕННЯ. Вісник Національного університету водного господарства та природокористування (1(109)). с. 188-193.

Text Vt4202515.pdf Download(173kB)

Анотація

У статті досліджується використання математичного моделювання в експертних системах для промислового риборозведення. Автори аналізують ключові методи моделювання, включаючи детерміновані, стохастичні, емпіричні моделі та моделі на основі штучного інтелекту. Наведено етапи побудови моделей, їх впровадження та інтеграції з технологіями IoT та AI для оптимізації виробництва. Представлені результати демонструють значне підвищення ефективності, зниження витрат і екологічної стійкості аквакультури. У статті також окреслено перспективи розвитку адаптивних моделей, аналізу великих даних та застосування цифрових двійників для управління процесами

Title in English

APPLICATION OF MATHEMATICAL MODELING IN INDUSTRIAL AQUACULTURE EXPERT SYSTEMS

English abstract

Mathematical modeling plays a pivotal role in modern expert systems for industrial aquaculture. The growing global population, climate change, and limited natural resources have intensified the demand for efficient methods to ensure food security. As a critical component of sustainable food production, aquaculture increasingly relies on mathematical models to optimize growth conditions, reduce resource use, and minimize environmental impacts. This paper explores the theoretical foundations, methodology, and technological integration of mathematical models in aquaculture. The study discusses key types of mathematical models, including deterministic, stochastic, empirical, and AI-based approaches, highlighting their applications and limitations. For example, deterministic models are utilized for stable environmental conditions, while stochastic models address uncertainties such as disease outbreaks. Empirical models support feed management, and AI-based systems enhance predictive accuracy and automation. A comprehensive methodology for model development is outlined, encompassing data collection, equation formulation, calibration, and integration with IoT sensors and AI technologies. The benefits of using these models, such as improved efficiency, risk mitigation, and ecological sustainability, are demonstrated through global case studies. The paper concludes with recommendations for future research, emphasizing the development of adaptive models, big data integration, hybrid modeling approaches, environmental impact assessment, and the expansion of digital twin technology. These advancements promise to further enhance aquaculture’s contribution to global food security and environmental conservation.

Перегляд елементу

Завантажень