基于智能体和元胞自动机的鱼道内鱼类行为模拟

为建立基于智能体和元胞自动机(Agent-CA)的鱼道内鱼类行为模型,该研究以计算流体力学软件得到的水流流场数据为基础,根据过鱼试验研究认识到的鱼上溯行为特征和规律,定义了不同场景下鱼的避开障碍、寻找主流、逆流向前、逆流后退、冲刺、随机6种行为和行为规则,将鱼道划分成多个二维元胞空间,将元胞空间中元胞状态为"鱼"的网格看作是一个智能体(Agent)。在3种体型的竖缝式鱼道中应用该模型对草鱼幼鱼的上溯行为进行模拟,并将模拟结果与实际过鱼轨迹进行对比。结果表明:该研究构建的模型能够较好地描述实际过鱼的主要上溯轨迹,针对3种体型竖缝式鱼道的模拟特征轨迹范围相对误差分别为23.5%、7.7%和2.3%。本研究提出的基于智能体和元胞自动机的鱼道内鱼类行为模型具有较好的适用性,可为鱼类行为模拟研究提供重要基础数据。     

竖缝式鱼道内齐口裂腹鱼洄游行为模拟

鱼道是帮助洄游鱼类跨越河道内物理障碍的主要过鱼设施之一。针对鱼道结构优化试验耗时长、成本高的问题。该研究在物理试验基础上建立模拟鱼类运动的数值模型,基于竖缝式鱼道内齐口裂腹鱼的行为数据,结合机器学习和欧拉-拉格朗日智能体方法(Eulerian-Lagrangian-agent method,ELAM)建立了鱼类洄游路线预测模型。首先,将齐口裂腹鱼的游泳行为数据划分为3个数据集(顺流而下、侧向运动和逆流而上);然后,根据不同机器学习算法(XGBoost、K-近邻、梯度提升决策树、随机森林)分别构建游泳行为分类模型和游泳速度回归模型,并通过试验结果对比,筛选出最优模型;最后,结合ELAM的框架,构建鱼类洄游数学模型,模拟了齐口裂腹鱼在3种体型的竖缝式鱼道中的洄游路线。结果表明：基于随机森林建立的游泳行为分类模型和游泳速度回归模型预测效果最佳,游泳行为分类精度为0.804,召回率为0.794,F1得分为0.798,3个数据集的游泳速度回归的R²均大于0.75。研究所建立的鱼类洄游数学模型能够较好的预测齐口裂腹鱼的洄游路线,可为相关鱼类保护措施的设计和优化提供参考。