检索结果-南通市图书馆

上海海洋大学学报 2022年第2期31卷 524-533页

作者：常亮陈芳霖陈新军余为冯贵平李阳东曾为上海海洋大学海洋科学学院上海201306 国家远洋渔业工程技术研究中心上海201306 大洋渔业资源可持续开发教育部重点实验室上海201306 远洋渔业协同创新中心上海201306 上海海洋大学图书馆上海201306

基于监督式学习算法的BP神经网络模型,综合多源卫星遥感观测获取得到的海表面温度(sea surface temperature, SST)、叶绿素a质量浓度(chlorophyll-a mass concentration,Chl.a)、海表面高度距平值(sea surface height anomaly, SSHA)、海水质量变化和地转流等海洋环境因子,对西北太平洋柔鱼资源丰度的时空分布进行模拟和预测。以上海海洋大学中国远洋渔业数据中心2004—2017年的西北太平洋海域的柔鱼历史渔业捕捞数据为参考值,对基于多源卫星遥感观测的多海洋环境因子的柔鱼资源丰度的模拟和预测结果进行精度评定。结果表明:与仅采用SST、Chl.a和SSHA等进行柔鱼资源丰度时空分布预测的传统方案相比,进一步加入海水质量变化和地转流后,可有效提高利用BP神经网络对西北太平洋柔鱼资源丰度进行模拟和预测的精度:改进方法模拟的标准差(standard deviation, STD)和均方根误差(root mean square error, RMSE)均减少了22%,且预测的STD减少了31%,RMSE减少了26%。

关键词：卫星遥感 BP神经网络模型柔鱼资源丰度预测

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于机器学习的南太平洋长鳍金枪鱼资源丰度预测与渔场分布研究

基于机器学习的南太平洋长鳍金枪鱼资源丰度预测与渔场分布研究

引用

作者：高子玥上海海洋大学

学位级别：硕士

长鳍金枪鱼(Thunnus alalunga)主要集中在三大洋中纬度海域。近年来,我国加大了在南太平洋海域的渔业开发力度,南太平洋海域的长鳍金枪鱼已成为我国远洋渔业捕捞的重点鱼种之一。为了让远洋捕捞企业更好地安排捕捞作业,提高捕捞效率,降... 详细信息

长鳍金枪鱼(Thunnus alalunga)主要集中在三大洋中纬度海域。近年来,我国加大了在南太平洋海域的渔业开发力度,南太平洋海域的长鳍金枪鱼已成为我国远洋渔业捕捞的重点鱼种之一。为了让远洋捕捞企业更好地安排捕捞作业,提高捕捞效率,降低寻找渔场的成本,提高渔场预报的准确性显得尤为重要。由于渔业生产数据难以获取,收集过程易受到当地气候、政策等影响,导致渔业生产数据中含有缺失值的样本较多,海洋环境特征提取效果较差等问题,使渔情预报的难度大大提升。随着人工智能的发展,基于概率和统计等理论的数据挖掘、深度学习、人工神经网络等方面的技术已被应用于各个领域,多种机器学习方法也被应用在渔场预报方面,较使用统计学原理的传统渔场预报模型效果更佳。利用机器学习方法进行渔情预报可以较好地弥补传统预测方法难以有效拟合高维海洋环境数据、易受渔业生产数据缺失值影响的问题。本研究的实验海域范围为110°-135°(2,5°-40°。由于各环境因子数据的空间和时间尺度不同,须在补充缺失值后,对环境数据进行空间和时间尺度上的重采样,通过python编程进行数据处理,转换到与渔业数据相同的时空分辨率,作为新的实验数据。本研究以单位捕捞努力量渔获量(Catch Per Unit Effort,CPUE)来表征长鳍金枪鱼资源丰度,并且每个渔区大小设定为5°×5°。本研究主要有以下两个方面的内容:(1)为提高渔场资源丰度预测准确性,以CPUE为长鳍金枪鱼资源丰度的指标,利用海洋遥感、ARGO(ARRAY for REAL-TIME GEOSTROPHIC OCEANOGRAPHY)等获取的海洋环境因子,在最优分布式决策梯度提升树(Extreme Gradient Boosting,XGBoost)模型基础上,采用卷积神经网络(Convolutional Neutral Network,CNN)进行高维海洋环境数据特征提取,并利用模拟退火算法(Simulate Anneal,SA)对XGBoost模型进行超参数优化,提出了改进的XGBoost模型CNN-SA-XGBoost模型,实现对南太平洋长鳍金枪鱼资源丰度的回归预测。实验表明,用CNN-SA-XGBoost模型预测南太平洋长鳍金枪鱼资源丰度,均方根误差为0.486,较XGBoost减少12.4%,较多元线性回归(Multiple Linear Regression)、随机森林(Random Forest,RF)、BP神经网络等模型预测误差降低11.8%～28.4%。同时,模拟退火算法优化算法效率远高于网格搜索调参,时间成本减少93.4%。且改进的XGBoost模型在一定程度上改善了传统资源丰度预测模型面对高维环境数据和缺失值较多的渔业生产数据时预测误差较大的问题,为远洋渔场预报提供了新方法。(2)在探究潜在渔场时空分布方面,本研究采用最大熵模型(Maximum entropy,Maxent)和地理信息系统(Geographic Information System,GIS)相结合分析南太平洋长鳍金枪鱼潜在分布在空间尺度和时间尺度上的变化。首先用Arc GIS进行二次开发,批量化做出目标海域各环境因子的栅格图像,再通过Max Ent模型预测得出长鳍金枪鱼的潜在分布预测结果,并结合Arc GIS绘制其潜在栖息地分布图,根据各月的潜在分布图分析其在盛渔期月间的移动迁移方向。其次,利用Jackknife方法评估各环境因子在模型中的重要性,并根据响应曲线分析长鳍金枪鱼所适宜的环境因子范围,为渔情预报提供理论指导。本研究提出一种改进的XGBoost模型预测南太平洋海域的长鳍金枪鱼资源丰度,提高模型预测的准确性,降低预测时间成本,不仅改进了XGBoost模型,还为南太平洋长鳍金枪鱼资源丰度预测提供新方法,也为其他鱼类的渔情预报提供一种新的思路。其次,为了进一步从时间和空间的角度去分析南太平洋长鳍金枪鱼渔场分布,本文还建立了Max Ent模型探究长鳍金枪鱼在盛渔期的潜在分布,实现对其时空动态规律的把握。

关键词：长鳍金枪鱼资源丰度预测 CNN-SA-XGBoost模型时空分布

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：