申请/专利权人：中国海洋大学

申请日：2020-04-25

公开（公告）日：2024-04-23

公开（公告）号：CN111523732B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q50/02;G06F18/27;G06F18/245;G06F18/25;G06N20/20;G06N5/01;G06F16/29

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2021.01.01#实质审查的生效;2020.08.11#公开

摘要：本申请提供一种日本鳀冬季渔场模型筛选预测方法，包括：选择预测日本鳀鱼分布的环境因子；对所述环境因子进行时空尺度的设置，得到环境数据；将每个特定日期的所述环境数据与渔业数据进行匹配，以获得渔业捕捞位置和环境数据对应的渔业捕捞数据库；使用逐步增加环境因子的方法构建GLM、GAM和RF三种预测模型，并从每个预测模型中选择最佳模型；从GLM、GAM和RF三种预测模型的最佳模型中选择出终极最佳日本鳀渔场的预测模型；根据所述终极最佳渔场的预测模型预测日本鳀冬季渔场分布。本发明提供的方法预测结果精确。

主权项：1.一种日本鳀冬季渔场模型筛选预测方法，其特征在于，包括以下步骤：步骤1：选择预测日本鳀鱼分布的环境因子；步骤2：对所述环境因子进行时空尺度的设置，得到环境数据；步骤3：将每个特定日期的所述环境数据与渔业数据进行匹配，以获得渔业捕捞位置和环境数据对应的渔业捕捞数据库；所述渔业捕捞数据包括：根据经纬度确定的位置捕捞、CPUE；所述CPUE为单位捕捞努力量渔获量；步骤4：使用逐步增加环境因子的方法构建GLM、GAM和RF三种预测模型，并从每个预测模型中选择最佳模型；在GLM和GAM中，选择显著性水平较高、解释率较高和AIC值较低的模型作为最佳模型；对于RF模型，不提供卡方检验和AIC值，选择解释率高的模型作为最佳模型；所述GLM为广义线性模型；所述GAM为广义加性模型，所述RF为随机森林模型；所述AIC值为信息准则值；步骤5：利用未参与训练集年份的月度环境预测因子栅格组合，预测日本鳀CPUE分布栅格图，通过对比CPUE预测值和CPUE实际渔获值，从GLM、GAM和RF三种预测模型的最佳模型中选择出终极最佳日本鳀渔场的预测模型；步骤6：根据所述终极最佳渔场的预测模型预测日本鳀冬季渔场分布；所述步骤1中选择的环境因子包括：海表面盐度、水深、叶绿素-a、海表面温度、海流经向流速、海流纬向流速；所述步骤2包括：选取8天分辨率的叶绿素-a和海表面温度，5天分辨率的海表面盐度、海流经向流速和海流纬向流速作为环境数据值；对所述渔业捕捞数据库内的数据进行预处理后再构建三种预测模型；所述预处理的方法包括删除冗余或异常数据，所述删除冗余或异常数据包括：使一个月内连续多天在同一地点作业的渔业数据按照环境因子分辨率进行预处理，求出CPUE的平均值；移除在相同捕捞地点进行作业时异常高的CPUE或异常低的CPUE；所述预处理的方法还包括：对环境因子进行预检测以排除共线性的因子，具体包括：使用变量膨胀因子检验所有预测变量的共线性，排除共线性的因子，VIF值小于5即排除共线性；所述预处理的方法还包括：筛选对GAM预测模型有贡献的环境因子，具体包括：利用GAM模型对所有的环境因子使用收缩的平滑函数，检测对CPUE不存在响应关系的环境因子，把对模型没有贡献环境因子与CPUE的关系缩减为零，从而得到对GAM预测模型有贡献的环境因子；步骤4中构建GAM模型包括：按照CPUE的分布选择合适的概率分布，预测因子选择数据库中的环境因子，根据需要选择最大自由度；选择收缩平滑函数薄板回归样条，链接函数为identity，GAM模型将环境因子和CPUE拟合成连续平滑的非线性函数，通过拟合GAM获得环境因子与CPUE的非线性关系，GAM将模型中的每个环境因子都分成若干部分，而每个部分的拟合是通过多项式回归实现的，即发展成分段回归函数，平滑函数是由多项式构造的分段函数，使各个部分的连接处有平滑的过渡，有连续的导数，即连接处连续且平滑，GAM将环境因子和CPUE拟合成连续平滑的非线性函数，最终获得GAM模型、每个预测因子对CPUE的非线性关系图和残差分布图；构建GLM模型包括：通过拟合GLM获得环境因子与响应变量的线性关系，通过链接函数建立CPUE与环境变量之间的关系，即CPUE服从指数分布族，且存在链接函数，将预测因子和响应变量连接起来，最终获得GLM模型、每个预测因子对响应变量的线性关系图和残差分布图；其中，GAM的拟合函数为等式1，GLM的拟合函数为等式2： 其中g作为链接函数，Y作为响应变量，Xi是预测变量，fi为每个模型预测因子Xi提供样条平滑函数；a和β模型常数，ε是一个随机误差；所述RF模型本质是通过训练多个分类树模型的集成算法，并不提供拟合函数，通过指定CPUE和环境因子的关系，通过信息增益熵值划分根节点。

全文数据：

权利要求：

百度查询： 中国海洋大学 一种日本鳀冬季渔场模型筛选预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD