Many ecological variables show a wide range of fluctuations, the most important of which is the diurnal variation. This cycling may contain important information regarding the ecosystem’s functioning and, if properly interpreted, can represent a valuable predictive tool in ecosystems management. This paper describes a simple algorithm for extracting meaningful information from daily cycles using fuzzy pattern recognition techniques. The algorithm is organised in three parts: in the first, typical patterns are extracted from experimental data to form the knowledge-base upon which the algorithm operates. The second step is to condense the information contained in the knowledge-base into mathematical objects, referred to in the paper as fuzzy masks. The third step is the set-up of an inferential set of fuzzy rules, using the fuzzy masks as antecedents. Depending on how the inference engine is structured, the algorithm output can be viewed as an assessment of the current daily cycle with respect to a set of “typical” system behaviours and decisions can be made accordingly. Two applications are presented to demonstrate the algorithm. In the first a medium-scale wastewater treatment plant with minimum instrumentation is considered. Based on diurnal flow variations of the last 2 days, the algorithm determines the current treatment level in terms of sludge recycling. The other application is the prediction of the eutrophication level in a coastal lagoon. In this case, the algorithm considers the diurnal fluctuations of basic water quality parameters such as dissolved oxygen, oxidation–reduction potential, pH and temperature to detect the possibility of a macroalgae bloom. In both cases, the algorithm provides information about the shift of the system from one trend to another on the basis of the analysis of diurnal cycles. The algorithm performance is assessed against practical situations and the results discussed.
چکیده
بسیاری از متغیرهای اکولوژیکی، طیف وسیعی از نوسانات را نشان می‌دهند که مهم‌ترین آنها، تغییرات روزانه است. این چرخه می‌تواند حاوی اطلاعات مهمی در خصوص کارکرد اکوسیستم باشد و اگر به درستی تفسیر شود، معرف یک ابزار پیشگویانه ارزشمند در مدیریت اکوسیستم می‌باشد. این مقاله یک الگوریتم ساده برای استخراج اطلاعات معنادار از چرخه روزانه با استفاده از تکنیک تشخیص الگوی فازی را تشریح می‌کند. این الگوریتم در سه قسمت سازماندهی می‌شود: ابتدا الگوهای معمول از داده‌های آزمایشگاهی استخراج می‌شوند تا پایگاه دانشی که این الگوریتم بر مبنای آن عمل می‌کند، شکل بگیرد. گام دوم، متراکم سازی اطلاعات موجود در پایگاه دانش و تبدیل آنها به اشیاء ریاضی است که در این مقاله پوشش فازی نامیده می‌شوند. گام سوم، طرح ریزی یک مجموعه استنتاجی از قوانین فازی با استفاده از پوشش فازی به عنوان شرط مقدم است. بسته به نحوه سازماندهی موتور استنتاج، خروجی الگوریتم به عنوان سنجش چرخه روزانه فعلی نسبت به مجموعه رفتارهای «معمولی» سیستم در نظر گرفته می‌شود و تصمیمات بر اساس آن گرفته می‌شوند. دو کاربرد جهت نشان دادن این الگوریتم ارائه می‌شود. در مورد اول، یک تصفیه خانه فاضلاب در مقیاس متوسط با حداقل ابزار در نظر گرفته می‌شود. بر اساس تغییرات روزانه جریان در 2 روز گذشته، این الگوریتم میزان تصفیه فعلی بر حسب بازیافت لجن را تعیین می‌کند. کاربرد دیگر، پیش بینی میزان غنی شدگی در یک تالاب ساحلی است. در این مورد، الگوریتم نوسانات روزانه در پارامترهای اساسی کیفیت آب مانند اکسیژن محلول، پتانسیل اکسایش- کاهش، pH و دما را جهت تشخیص امکان شکوفایی درشت جلبک‌ها در نظر می‌گیرد. در هر دو مورد، این الگوریتم اطلاعاتی درباره جابجایی سیستم از یک روند به روندی دیگر بر مبنای تحلیل چرخه روزانه ارائه می‌دهد. عملکرد الگوریتم نسبت به شرایط عملی سنجیده شده و نتایج مورد بحث قرار می‌گیرد.
تشخیص الگو فازی چرخه های شبانه روزی در اکوسیستم. Fuzzy pattern recognition of circadian cycles in ecosystems
