【技术实现步骤摘要】
一种日本鳀冬季渔场模型筛选预测方法
本专利技术涉及智慧渔业
，尤其涉及一种日本鳀冬季渔场模型筛选预测方法。
技术介绍
日本鳀是一种广泛分布在中国近海的渔业资源，是一种昼夜垂直移动的中上层鱼类。日本鳀是一种连接低营养级和高营养级的中间营养级鱼类，被认为是“蜂腰”控制型的生态系统关键物种，广泛应用于鱼粉加工业，鳀鱼食品工业等，具有巨大的经济效益和社会效益，是重要的国民经济物种。日本鳀的捕捞产量从2009年的52万吨增加到2015年的95万吨，在中国海洋捕捞产量中一直占据较高比例。日本鳀在冬季种群状况最稳定，最集中，所以掌握日本鳀冬季渔场分布和资源量的状况至关重要，有助于制定政策来促进资源的可持续发展。目前已有多种模型预测大洋性经济鱼类的渔场，本质上都是根据渔业生产数据和环境条件，探究鱼类生物行为和环境条件之间的关系和规律从而进行预测。但是这些方法都是基于单一模型针对大洋性物种进行渔场预测，以往的研究都没有对中国近海的鱼类进行预测，也没有对比不同模型适用的区域和物种。
技术实现思路
本专利技术的目的在于解...
【技术保护点】
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：/n步骤1：选择预测日本鳀鱼分布的环境因子；/n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；/n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；/n所述渔业捕捞数据包括：根据经纬度确定的位置捕捞、CPUE；/n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；/n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...
【技术特征摘要】
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；
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；
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。
2.根据权利要求1所述的日本鳀冬季渔场模型筛选预测方法，其特征在于，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。
3.根据权利要求1所述的日本鳀冬季渔场模型筛选预测方法，其特征在于，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。
4.根据权利要求1所述的日本鳀冬季渔场模型筛选预测方法，其特征在于，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；
消除重复性数据。
5.根据权利要求4所述的日本鳀冬季渔场模型筛选预测方法，其特征在于，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。
6.根据权利要求4所述的日本鳀冬季渔场模型筛选预测方法，其特征在于，所述预处理的方法还包括：筛选对...
【专利技术属性】
技术研发人员：刘阳，刘殊豪，田永军，叶振江，
申请(专利权)人：中国海洋大学，
类型：发明
国别省市：山东;37
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。