11.8 讨论情况和结论

水生是复杂的技术和生物系统。 例如，鱼类生长不适当的可能原因可能是食物配给量少、水质不佳、技术问题造成压力等。由于生物学本质上缓慢，对这些解释的有效性进行科学研究将是乏味的，需要进行几次实验试验获得所有重要因素及其互动，需要大量的设施、专业知识、研究时间和金融资产。 因此，本章讨论了水生声系统建模问题。 在水生学方面，需要为不同的目标进行建模：(一) 洞察力/理解，(二) 分析，(三) 估计，以及 (四) 管理和控制。 为了实现所有这些目标，需要适当的模式。 例如，为了实现目标 (二) 和 (三)，可采用经验方法，利用统计模型分析先前试验的数据，目的是在不进行新的试验的情况下尽可能多地提取信息。 统计模型可以揭示影响水生系统中鱼类和作物生产的最重要因素。 今后的试验可以集中在这些因素上，从而更有效地利用昂贵的研究资产。

由于其反馈特性以及 RAS 和水培系统、水处理和鱼类生长之间的相互作用，水生系统的复杂性意味着，为了实现目标 (i) 和 (iv)，即了解或优化植物（配置、大小、鱼类、饲料、流动等）在成本、稳定性、稳定性和水质方面，本章中介绍的大多数系统组件都需要非平凡的理论模型。 与统计模型相比，这些理论模型的优势在于，它们能够更好地分析水资源的基本过程，并且能够对时间方向（动力学）进行建模。 统计模型只是确认或反驳一个假设，以及变量在多大程度上协同变化，但没有提供基础过程的证据。 另一方面，理论模型允许我们根据假设模拟过程，与观测数据进行比较，评估假设和模型并进行适应。 统计模型的有效性可能不会超出它们所培训的操作范围，而理论模型可以在广泛的环境中定义和使用，条件是模型在应用之前必须对这些范围进行验证。 例如，用于评估作为鱼种的 Oreochromis Niloticus 鱼类生长与德国水生设施中环境变量之间的关系的多回归模型不能轻易应用于西班牙，而描述基本过程（如鱼类行为、水产养殖、淡水生态）作为数学方程可以相对容易地调整，因为这两个地点的鱼类和生态过程基本相同。

尽管如此，理论模型还需要确定一些参数，例如沉降罐中的反应常数和物质沉降速度。 这一点通常是根据对一个设施或极少数设施的实证研究，或者在大多数情况下根据先前发表的研究报告（二级资料来源）来实现的。 基于二级来源的研究受到特定结构和现有数据数量的限制，而当数据来自专门为研究而设计的实验设置时，这种结构和数量并不存在。 然而，由于研究中存在的特定条件，使用一个水生设施的实验数据估计模型参数只会在结果的可概化性和复制性方面产生问题。 数据短缺有时会对模型施加严格限制，限制模型的实用性。 利用原始数据进行参数估计的研究，这些数据比以前的研究使用更多的水生设施，确实有助于克服目前的局限性，并提供更好和可靠的结果。 然而，这对于水肺研究人员来说并不是一个容易的挑战。

在广泛的管理条件下使用数学模型进行水上乐器模拟，可以提高对水上乐器学的理解，验证不同的水上乐器配置，并为改善水上乐器设施的最有希望的策略指明方向。 同样，这可以导致更有效的方式进行实验。

本章还介绍了一些建模工具。 传统上，库存和流程图 (SFD) 一直用于了解流程，作为定量分析的支持工具。 它们用于理解流量和流量，但缺乏说明与流量和流量相关的信息的能力。 因果环图 (CLD) 可用于将复杂的 SFD 系统转换为易于理解的简化反馈结构。 SFD 和 CLD 共同完全定义了微分方程系统。 如果只需要对系统进行简单的定性理解，则 CLD 和 SFD 可能就足够了，但如果答案需要数值准确性，则可以通过系统动态工具图 (SDTD) 进一步研究问题，然后在数值模拟软件工具中进行建模。