The present invention provides a method for forecasting, Japan winter group squid resource abundance including: 1, Japanese squid spawning group of winter marine environment factors of sea surface temperature acquisition; 2, the calculated value and the corresponding value of Japanese squid CPUE correlation analysis of SST time series in field sample points of spawning spawning, choose a higher correlation the sea; 3, 6 S1S6 elected for three consecutive months in high correlation coefficient; 4, the linear prediction model with CPUE S1S6 SST established; 5, the correlation coefficient was 6 SST and CPUE from big to small order; in order to increase the input factor to build four prediction model of BP neural network; 6, compared with the multiple linear prediction model and 4 kinds of prediction model of BP neural network, the forecasting model based on BP neural network model to select 6 4 1 structure as a group of Japanese winter squid resource abundance.
【技术实现步骤摘要】
一种日本鱿冬生群资源丰度预测方法
本专利技术涉及一种渔情预报方法,特别是涉及一种日本鱿冬生群资源丰度预测方法。
技术介绍
渔情预报是渔业生产的关键环节,对日本鱿冬生群资源丰度的预报将有利于对日本鱿冬生群产量、中心渔场位置和鱼汛期的预报和掌握。温度因素对日本鱿的生长和分布具有很大的影响,而研究认为海表温度和单位渔船捕获的渔获量(CPUE,单位:千尾/天)的回归则具有极显著性,因此,利用海表温作为日本鱿冬生群资源丰度的预报因子是可行的。渔情预报也是渔场学研究的重点。准确的渔情预报可以指导企业合理安排渔业生产,缩短寻找渔场的时间,减少成本、提高渔获产量。我国于20世纪50年代开始对近海主要经济鱼种进行渔情预报工作,积累了丰富的经验。20世纪80年代以来,地理信息系统的发展为渔情分析和渔场预报研究提供了强大的分析工具。海洋卫星遥感技术的普及更使得人们能快速获取大范围内的海况信息,实时船位监控及海事卫星通讯技术使得远洋渔船能有效地接收渔情预报机构的实时预报。而随着我国近海资源的枯竭,远洋渔业也成为我国渔业的重要组成之一,其生产规模在不断扩大的同时,生产成本也不断升高,相应的,远洋渔业企业对渔情预报准确性的要求也越来越高,这也为渔情预报技术和预报模型的研究提出了新的挑战。近年来,随着现代统计理论、数值计算方法、数据挖掘和人工智能等理论和技术的发展,使传统的统计预报模型焕发出了新的活力,各类机器学习方法也为渔情预报模型的开发提供了新的思路。由于各种预报方法和模型层出不穷,解释的适用范围也不同,实际上会给我们使用这些方法造成困惑。因此,选用哪种预报模型和方法相对合适,哪种 ...
【技术保护点】
一种日本鱿冬生群资源丰度预测方法,其特征在于,包括以下步骤:(1)、通过遥感卫星获取日本鱿冬生群产卵场海域海洋环境因子海表温SST;(2)、计算日本鱿冬生群产卵月份产卵场范围内经纬度1°*1°样本点的SST时间序列值和对应的日本鱿CPUE值做相关性分析,选出相关性较高的海域;(3)、选出连续三个月中相关系数较高的6个海域S1、S2、S3、S4、S5和S6;(4)、将选取的相关性较高海域S1、S2、S3、S4、S5和S6的SST,建立与CPUE的多元线性预报模型,其方程为:Y=0.931X1‑0.286X2‑0.647X3‑0.151X4+0.728X5+0.345X6‑26.567式中:Y为CPUE;X1、X2、X3、X4、X5、X6分别是S1、S2、S3、S4、S5、S6的SST;(5)、将选取的6个海域的SST按其与CPUE的相关系数由大到小的顺序,从大到小的排序分别为S3、S4、S5、S1、S6、S2;依次增加输入因子构建四种BP神经网络预报模型,分别为3‑2‑1、4‑3‑1、5‑4‑1、6‑4‑1;(6)、比较多元线性预报模型和4种BP神经网络预报模型,选取6‑4‑1结构的BP ...
【技术特征摘要】
1.一种日本鱿冬生群资源丰度预测方法,其特征在于,包括以下步骤:(1)、通过遥感卫星获取日本鱿冬生群产卵场海域海洋环境因子海表温SST;(2)、计算日本鱿冬生群产卵月份产卵场范围内经纬度1°*1°样本点的SST时间序列值和对应的日本鱿CPUE值做相关性分析,选出相关性较高的海域;(3)、选出连续三个月中相关系数较高的6个海域S1、S2、S3、S4、S5和S6;(4)、将选取的相关性较高海域S1、S2、S3、S4、S5和S6的SST,建立与CPUE的多元线性预报模型,其方程为:Y=0.931X1-0.286X2-0.647X3-0.151X4+0.728X5+0.345X6-26.567式中:Y为CPUE;X1、X2、X3、X4、X5、X6分别是S1、S2、S3、S4、S5、S6的SST;(5)、将选取的6个海域的SST按其与CPUE的相关系数由大到小的顺序,从大到小的排序分别为S3、S4、S5、S1、S6、S2;依次增加输入因子构建四种BP神经网络预报模型,分别为3-2-1、4-3-1、5-4-1、6-4-1;(6)、比较多元...
【专利技术属性】
技术研发人员:陈新军,陈洋洋,李娜,
申请(专利权)人:上海海洋大学,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。