基于主成分和BP神经网络的智利竹筴鱼渔场预报模型研究

东南太平洋智利竹筴鱼Trachurus murphyi是我国大型拖网渔船队的重要捕捞对象。准确预报中心渔场是提高渔业生产能力的重要工作。本文根据2003—2009年我国船队在东南太平洋海域捕捞智利竹筴鱼的渔捞日志数据,结合海洋遥感获得的海表温度(SST)和海面高度(SSH)等海洋环境因子,利用主成分和BP神经网络方法对智利竹筴鱼中心渔场预报模型进行了研究。研究利用主成分分析法(PCA)得到累计贡献率在90%以上样本的主成分,综合考虑模型测试的精度与速度,基于原始样本和经PCA处理后的主成分分别建立了BP模型,其最优BP模型结构分别为5∶10∶1和3∶7∶1。研究结果表明,经PCA处理后的主成分所建立的BP神经网络模型在训练结果和测试结果上均要优于用原始样本建立的BP神经网络模型,两者的预报准确率分别为67%和60%。     

基于频度统计和神经网络的北太平洋柔鱼渔场预报模型比较

利用2004~2010年北太平洋鱿钓船队生产数据和海洋环境数据,以海表温度(SST)1℃、海面高度(SSH)为1 cm、叶绿素a浓度(CHL-a)为0.1 mg/m3的间距,分析作业产量、CPUE与SST、SSH、CHL-a的关系,得到柔鱼渔场适宜环境因子范围,并将生产数据和环境数据匹配组成样本集,建立北太平洋柔鱼空间分布BP神经网络模型;利用2011年环境数据预报柔鱼渔场,并与2011年实际生产数据进行对比。结果表明,6~10月各月实际作业位置落入基于频度统计方法预报渔场的概率达90%以上;而BP模型预报的平均精度为79.2%,最低精度为52.5%。基于多环境因子的频度统计柔鱼渔场预报模型优于神经网络模型。     

利用BP神经网络标准化东南太平洋茎柔鱼(Dosidicus gigas)资源丰度

东南太平洋茎柔鱼(Dosidicus gigas)是短生命周期大洋性经济鱼类,其资源量受环境因素变化的影响较大。根据我国鱿钓船队2013~2017年在东南太平洋的生产统计数据,结合海洋环境数据包括海表面温度(SST)、海表面盐度(SSS)、叶绿素a浓度(chl a),运用BP神经网络(back propagation network)模型来标准化单位捕捞努力量渔获量(catch per unit effort, CPUE,也称名义CPUE)。以均方误差(mean square errors, MSE)和平均相对变动值(average relative variances, ARV)为最优模型判断依据,比较隐含层节点3-10的神经网络模型,发现6-9-1结构为最优模型。用Garson算法解释模型结果,发现各输入层因子对东南太平洋茎柔鱼资源丰度影响重要度排序为chl a、SST、经度(Lon)、SSS、纬度(Lat)、月份(Month)。并作名义CPUE和标准化CPUE资源丰度对比分布图,结果显示CPUE与标准化CPUE总体分布状况基本一致,但局部区域存在明显差异, 80°~85°W及10°~20°S海域适宜鱿钓生产,表明BP神经网络模型可以适用于东南太平洋茎柔鱼的CPUE标准化,从而为鱿钓渔业生产提供一定参考依据。     

西北太平洋柔鱼中长期预测方法研究

为了能更好预测西北太平洋柔鱼的资源量, 选择合适的预测方法及开发相应的预测系统颇为重要。利用相关性分析, 筛选出在产卵区显著影响西北太平洋柔鱼资源量的关键网格点, 并采用这些网格点的海表温度、产卵区适宜温度所占面积的比例和单位努力捕获量等数据组织样本, 然后利用线性回归、BP 神经网络、RBF 神经网络和支持向量机等预测方法进行实验。结果表明: 在西北太平洋柔鱼中长期预测中, BP 神经网络要优于其他方法。以相关性分析和BP 神经网络为基础建立的西北太平洋柔鱼资源量预测系统是有效可行的。     

基于环境因子的东海马鲛鱼(Scomberomorus Niphonius)资源量评估

东海马鲛鱼(Scomberomorus Niphonius)的种群动态易受海洋环境条件的影响,在其资源评估和管理中需要考虑海洋环境条件的作用。假设马鲛鱼产卵场最适海表温度10～19℃(Suitable SST,Tsui)范围会影响种群环境容纳量(K),因此分别使用产卵季3月最适表温范围比值(Tsui-Mar)、4月最适表温范围比值(Tsui-Apr)和3、4月份最适表温范围比值的平均值(Tsui-Ave)作为剩余产量模型的环境因子,构建三种基于环境因子的剩余产量模型(environmentally dependent surplus production,EDSP),分别为Tsui-MarEDSP、Tsui-Apr-EDSP和Tsui-Ave-EDSP,利用贝叶斯估计模型参数,结果显示Tsui-Mar、Tsui-Apr、Tsui-Ave三个基于环境因子的EDSP模型偏差信息标准(deviance information criterion,DIC)值小于传统的剩余产量模型的DIC值,其中Tsui-Ave-EDSP模型DIC值最小,精度最高,估计的最大可持续产量(maximum sustainable yield,MSY)的范围为8.125×106～8.371×106 t,资源量(biomass)范围是1.429×106～1.455×106 t,从1994年到2015年,马鲛鱼的捕捞死亡率远低于目标死亡率(Ftar)和MSY水平捕捞死亡率(FMSY),种群资源量高于MSY水平资源量(BMSY)。东海马鲛鱼没有被过度捕捞或未发生过度捕捞,基于EDSP模型中的管理参考点更为保守,建议日后东海马鲛鱼的种群评估和管理应考虑产卵场环境条件。     

日本鲐对马群系资源丰度预测研究

利用1973-2016年日本西海水产研究所提供的日本鲐(Scomber Japanicus)对马群系的资源量与渔获量数据,结合产卵场1(SG1, 26°~31°N,122°~127°E)、产卵场2(SG2, 30°~35°N,128°~131°E)、索饵场(FG, 35°~38°N,127°~138°E)的海表面温度、太平洋年代际振荡指数(PDO)和Nino3.4区海表温距平值(SSTA),建立基于灰色系统的日本鲐对马群系资源丰度预测模型。灰色关联和相关系数分析结果显示:选择产卵场2的4月、9月海表面温度和索饵场4月海表面温度作为日本鲐资源丰度关键影响因子。建立的模型有:分别包含产卵场2的4月、9月和索饵场4月的海表面温度3个因子的GM(1,2),GM(1,3),GM(1,4)的7种模型。这7种模型的相对残差Q检验值分别为:0.131 0,0.140 2,0.145 9,0.149 3,0.176 7,0.140 3和0.173 5。结果表明,基于产卵场2的4月海表面温度所建立的GM(1,2)模型是对日本鲐对马群系资源丰度最优预测模型。     

基于改进ConvLSTM网络太平洋长鳍金枪鱼时空分布趋势预测

渔场资源与位置的变动由空间与环境因子共同驱动,远洋渔场时空演变信息的精准预测是远洋捕捞的关键支撑。该研究考虑渔业生产统计数据,并兼顾同期海洋环境数据包括海表面温度（Sea surface temperature, SST）、海表面盐度（Sea surface salinity, SSS）、初级生产力（primary productivity, PP）和溶解氧浓度（dissolved oxygen concentration, O2）,提出了一种融合卷积长短期记忆网络（ConvLSTM）和卷积神经网络（CNN）的渔场时空分布预测模型。首先对时空因子进行编码,提取高层时空特征;其次采用CNN提取海洋环境变量的抽象特征,并基于ConvLSTM提取渔业数据的时空特征,最后融合高层时空关联信息对渔场时空演变趋势进行预测。以1995－2018年太平洋海域的延绳钓生产数据对模型进行验证,模型的根均方误差为0.1036,实验对比发现较传统渔场预报模型的预测误差降低15%~40%,预测的高产渔区与实际作业的高渔获量区匹配度高。该研究构建的渔场时空预测模型能够准确地预测出太平洋长鳍金枪鱼的时空分布,为太平洋长鳍金枪鱼的延绳钓渔业提供科学参考依据。     

基于海表温度和海面高度的东太平洋大眼金枪鱼渔场预测

开展东太平洋大眼金枪鱼(Thunnus obesus)渔场预报技术研究,建立基于多环境因子渔场预报模型,将对该资源的高效开发和利用具有重要的意义。作者根据2009~2011年东太平洋海域(20°N~35°S、85°W~155°W)延绳钓生产统计数据,结合海洋遥感获得的表温(SST)和海面高度(SSH)的数据,运用一元非线性回归方法,以渔获量为适应性指数,按季度分别建立了基于SST和SSH的大眼金枪鱼栖息地适应性指数,采用算术平均法获得基于SST和SSH环境因子的栖息地指数综合模型,并用2012年各月实际作业渔场进行验证。研究结果显示,大眼金枪鱼渔场多分布在SST为24~29℃、SSH为0.4~0.8 m的海域。指数模型较好地拟合了因子适应性曲线(P0.05)。基于栖息地指数的2012年大眼金枪鱼中心渔场预报准确性平均达63%,可为金枪鱼延绳钓渔船寻找中心渔场提供指导。     

基于BP神经网络的西北太平洋柔鱼资源丰度时空变化研究

西北太平洋柔鱼(Ommastrephes bartramii)是我国鱿钓船队重要捕捞对象,其资源分布的时空变化对资源的可持续开发和利用有重要影响。本文以2000?2015年7?10月西北太平洋柔鱼渔业数据的单位捕捞努力量渔获量作为应变量,以年份、月份、经度、纬度、海表面温度、海表盐度、海面高度、叶绿素a浓度作为自变量,构建BP神经网络模型,推测该段时间西北太平洋柔鱼丰度时空变化规律,并探究环境因子对柔鱼资源丰度的影响。通过比较,确定输入层为年份、月份、经度、纬度、海表面温度和海表盐度,隐含层神经元数量为8的模型均方误差最小,模型最优。结果表明,单位捕捞努力量渔获量年间波动明显,每年的7月、10月柔鱼资源丰度较低,且空间分布分散在整个作业渔场,8月、9月资源丰度较高,并集中在41.5°～43.5°N, 155°～160°E局部区域。研究认为,海表面温度和海表盐度对柔鱼资源丰度时空变动有较大影响,在今后柔鱼资源评估与管理中予以考虑。     

基于产卵场环境因子的阿根廷滑柔鱼资源补充量预报模型研究

西南大西洋阿根廷滑柔鱼Illex argentinus是短生命周期种类,其资源量极易受到海洋环境变化的影响。根据2003—2011年我国鱿钓船队在西南大西洋的生产统计数据,以及产卵场海洋表面温度(SST)、海表温度距平值(SSTA),计算分析了阿根廷滑柔鱼在产卵期产卵场各月最适表层水温范围占总面积的比例(用PS表示)以及表征海流强度的SST、SSTA等多种环境变量因子与单位捕捞量渔获量(CPUE)的相关性,建立多种基于主要环境因子的资源补充量预报模型,同时分析比较预报模型的优劣。相关性分析表明:6月份有3片连续区域的SST与CPUE之间存在强相关性,分别为38°~39°S、54°~55°W,40.5°~41.5°S、51°~52°W,39.9°~40.4°S、42.6°~43.1°W。利用6月份此3片连续区域SST与次年CPUE建立的三元线性模型,模型符合统计检验,偏差解释率为82.4%。在此基础上加入7月份PS影响因子建立3种方案下的误差反向传播(EBP)神经网络模型。结果认为,包含了福克兰寒流与巴西暖流表温信息的方案3模型优于其他两种模型,其准确率可以达到90%以上。