11.8 चर्चा और निष्कर्ष

एक्वापोनिक्स जटिल तकनीकी और जैविक प्रणाली हैं। उदाहरण के लिए, मछली के लिए संभव स्पष्टीकरण ठीक से नहीं बढ़ रहा है छोटे भोजन राशन, प्रतिकूल पानी की गुणवत्ता, तकनीकी समस्याओं के कारण तनाव, आदि हो सकता है स्वाभाविक धीमी जीव विज्ञान के कारण, इन स्पष्टीकरणों की वैधता की वैज्ञानिक जांच थकाऊ होगी और कई प्रयोगात्मक परीक्षणों की आवश्यकता होगी सभी महत्वपूर्ण कारकों और उनकी बातचीत प्राप्त करें, बहुत सारी सुविधाएं, विशेषज्ञता, अनुसंधान समय और वित्तीय परिसंपत्तियों की मांग करें। इसलिए, इस अध्याय में एक्वापोनिक सिस्टम मॉडलिंग का मुद्दा संबोधित किया गया था। एक्वापोनिक्स में, विभिन्न उद्देश्यों के लिए मॉडलिंग की आवश्यकता होती है: (i) अंतर्दृष्टि/समझ, (ii) विश्लेषण, (iii) अनुमान और (iv) प्रबंधन और नियंत्रण। इन सभी उद्देश्यों के लिए, उपयुक्त मॉडल की आवश्यकता है। उदाहरण के लिए, उद्देश्यों (ii) और (iii) को प्राप्त करने के लिए, एक अनुभवजन्य दृष्टिकोण का उपयोग किया जा सकता है जो नए प्रयोगों के संचालन के बिना जितना संभव हो उतना जानकारी निकालने के उद्देश्य से पिछले प्रयोगात्मक परीक्षणों से डेटा का विश्लेषण करने के लिए सांख्यिकीय मॉडल का उपयोग करता है। सांख्यिकीय मॉडल एक्वापोनिक सिस्टम में मछली और फसल उत्पादन को प्रभावित करने वाले सबसे महत्वपूर्ण कारकों को प्रकट कर सकते हैं। भविष्य के प्रयोग इन कारकों पर ध्यान केंद्रित कर सकते हैं, इस प्रकार महंगा अनुसंधान संपत्ति का उपयोग और अधिक प्रभावी बना रही है।

एक्वापोनिक सिस्टम की जटिलता, उनकी प्रतिक्रिया चरित्र और आरएएस और हाइड्रोपोनिक प्रणाली, जल उपचार और मछली विकास के बीच बातचीत के कारण, इसका तात्पर्य है कि उद्देश्यों (i) और (iv) को पूरा करने के लिए, यानी। सम्मान के साथ एक पौधे (कॉन्फ़िगरेशन, आकार, मछली, फ़ीड, प्रवाह इत्यादि) को समझने या अनुकूलित करने के लिए लागत, स्थिरता, मजबूती और पानी की गुणवत्ता, इस अध्याय में वर्णित अधिकांश सिस्टम घटकों के गैर-तुच्छ सैद्धांतिक मॉडल आवश्यक हैं। सांख्यिकीय मॉडल पर प्रस्तुत इन सैद्धांतिक मॉडलों का लाभ एक्वापोनिक्स के अंतर्निहित प्रक्रिया का विश्लेषण करने और समय पहलू (गतिशीलता) को मॉडल करने की संभावना का विश्लेषण करने की उनकी मजबूत क्षमता है। सांख्यिकीय मॉडल सिर्फ एक परिकल्पना की पुष्टि या खंडन करते हैं और किस हद तक चर कोवरी लेकिन अंतर्निहित प्रक्रियाओं का कोई सबूत नहीं देते हैं। दूसरी ओर, सैद्धांतिक मॉडल हमें एक परिकल्पना के अनुसार प्रक्रियाओं को अनुकरण करने की अनुमति देते हैं, मनाए गए डेटा के साथ अनुकरण की तुलना करते हैं, परिकल्पना और मॉडल दोनों का मूल्यांकन करते हैं और अनुकूलन करते हैं। सांख्यिकीय मॉडल की वैधता परिचालन सीमा से परे नहीं हो सकती है, जबकि सैद्धांतिक मॉडल को परिभाषित किया जा सकता है और वातावरण की एक विस्तृत श्रृंखला के लिए उपयोग किया जा सकता है, बशर्ते मॉडल आवेदन से पहले इन श्रेणियों के लिए मान्य हों। उदाहरण के लिए, जर्मनी में एक्वापोनिक्स सुविधा में मछली प्रजातियों और पर्यावरण चर के रूप में Oreochromis niloticus के साथ मछली विकास के बीच संबंधों का आकलन करने के लिए उपयोग किए जाने वाले एकाधिक प्रतिगमन मॉडल को आसानी से स्पेन में Cyprinus carpio के साथ लागू नहीं किया जा सकता है, जबकि अंतर्निहित प्रक्रियाओं (जैसे मछली व्यवहार, जलीय कृषि, मीठे पानी पारिस्थितिकी) के रूप में गणितीय समीकरणों को अपेक्षाकृत आसानी से समायोजित किया जा सकता है क्योंकि उस मॉडल के अंतर्निहित मछली और पारिस्थितिक प्रक्रिया मूल रूप से दो साइटों के लिए समान होती है।

फिर भी, सैद्धांतिक मॉडल को कुछ मानकों की भी आवश्यकता होती है जैसे प्रतिक्रिया स्थिरांक और पदार्थ व्यवस्थित करने के लिए टैंक को व्यवस्थित करने में वेग। यह आमतौर पर एक सुविधा या बहुत कम सुविधाओं के अनुभवजन्य अध्ययन या पहले प्रकाशित अध्ययनों (माध्यमिक स्रोतों) के अधिकांश मामलों में आधारित प्राप्त किया जाता है। माध्यमिक स्रोतों के आधार पर अध्ययन दिए गए संरचना और उपलब्ध डेटा की मात्रा द्वारा लगाए गए सीमाएं हैं, जो मौजूद नहीं है जब डेटा अध्ययन के लिए डिज़ाइन किया गया एक प्रयोगात्मक सेटअप से आते हैं। हालांकि, एक एक्वापोनिक्स सुविधा से प्रयोगात्मक डेटा का उपयोग करके मॉडल पैरामीटर का आकलन केवल अध्ययन में मौजूद विशेष स्थितियों के कारण परिणामों की सामान्यीकरण और प्रतिकृति के संबंध में समस्याएं हो सकती हैं। डेटा की कमी कभी-कभी उन मॉडलों के लिए मजबूत प्रतिबंध लगाती है जो उनकी व्यावहारिकता को सीमित करती हैं। प्राथमिक डेटा के साथ पैरामीटर अनुमान के लिए अध्ययन का विकास जो पहले के अध्ययनों की तुलना में बड़ी संख्या में एक्वापोनिक्स सुविधाओं का उपयोग करता है, वर्तमान सीमाओं को दूर करने और बेहतर और विश्वसनीय परिणाम प्रदान करने में मदद करता है। हालांकि, यह एक्वापोनिक्स शोधकर्ताओं के लिए एक आसान चुनौती नहीं है।

प्रबंधन स्थितियों की एक विस्तृत श्रृंखला के तहत गणितीय मॉडल के साथ एक्वापोनिक्स का सिमुलेशन एक्वापोनिक्स की समझ में सुधार करेगा, विभिन्न एक्वापोनिक्स कॉन्फ़िगरेशन को सत्यापित करेगा और एक्वापोनिक्स सुविधाओं में सुधार के लिए सबसे आशाजनक रणनीतियों का मार्ग बताएगा। फिर, इससे प्रयोग करने का एक और अधिक कुशल तरीका हो सकता है।

इस अध्याय में कुछ मॉडलिंग उपकरण भी प्रस्तुत किए गए थे। परंपरागत रूप से, मात्रात्मक विश्लेषण के लिए समर्थन उपकरण के रूप में प्रक्रियाओं को समझने के लिए स्टॉक और फ्लो आरेख (एसएफडी) का उपयोग किया गया है। उनका उपयोग मात्रा के प्रवाह और प्रवाह को समझने के लिए किया जाता है लेकिन प्रवाह और प्रवाह से जुड़ी जानकारी को स्पष्ट करने की क्षमता की कमी होती है। जटिल एसएफडी सिस्टम को समझने योग्य सरलीकृत प्रतिक्रिया संरचनाओं में स्थानांतरित करने के लिए कारण लूप आरेख (CLD) का उपयोग किया जा सकता है। साथ में, एसएफडी और सीएलडी विभेदक समीकरण प्रणाली को पूरी तरह परिभाषित करते हैं। यदि सिस्टम की केवल एक सरल गुणात्मक समझ की आवश्यकता है, तो सीएलडी और एसएफडी पर्याप्त हो सकता है, लेकिन अगर उत्तर को संख्यात्मक सटीकता की आवश्यकता है, तो समस्या को सिस्टम गतिशील उपकरण आरेख (एसडीटीडी) के साथ आगे की जांच की जा सकती है और बाद में संख्यात्मक सिमुलेशन के लिए सॉफ़्टवेयर टूल में मॉडलिंग किया जा सकता है।