System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及海洋渔业研究,尤其涉及一种洄游类鱼群丰度信息获取系统。
技术介绍
1、渔场预报和鱼群侦察是海洋捕捞的重要环节,对于鱼群移动较为迅速的渔业,渔场预报以及鱼群侦察较难实现,例如,金枪鱼是大洋性洄游鱼类,洄游速度快、路线长、范围大,其鱼群侦察较为困难。专利技术人发现海洋渔场的海气参数和洄游类鱼群丰度信息高度相关,通过研究海气参数及其变化趋势可有效预测其鱼群丰度信息。随着人工智能技术的普及和远洋捕鱼产业的发展,利用人工智能实现预测海洋渔场鱼群丰度信息将成为提升远洋探鱼产业效率的主要方式。
2、利用海洋卫星获取海洋渔场的海洋环境参数并对其进行有监督的离散化处理后采用蚁群算法中的antminer方法训练后,可得到一系列渔场判别规则,将实时或现场的海洋环境参数代入渔场判别规则后即可得到渔场预报数据和其分布图,但该蚁群算法具有参数调节困难,易限于局部最优预测,并且对于全局的预测也存在预测准确性和效率不高的问题。
3、另外,对离散化处理后的海洋环境数据,可建立贝叶斯网络结构图和贝叶斯网络中节点之间的条件概率表,选取最优学习算法得到的贝叶斯网络结构图来计算渔场的后验概率分布公式,根据得到的后验概率分布公式对渔场进行预报。但其贝叶斯算法高度依赖先验知识如历史的海洋环境参数的准确性和全面性,以及对于相关变量的处理则会出现预测的准确性和效率不高的问题。
4、上述两种方法的预测精度和准确度都无法满足商用标准;因此,需要提供一种改进的鱼群丰度检测技术,以解决上述问题。
技术实现思路
1、本申请的目的之一是提供一种基于人工智能的洄游类鱼群丰度信息预测方法及系统,以解决上述
技术介绍
中提出的现有预测精度和准确度无法满足商用的问题。
2、根据本专利技术一方面的一个实施例,提供了一种基于人工智能的洄游类鱼群丰度信息预测方法,其包括:
3、基于人工智能生成洄游类鱼群丰度信息计算器,用于预测海洋渔场的鱼群丰度信息;
4、获取指定海洋渔场当前的位置信息,时间信息,海气参数信息,所述海气参数信息包括任意下述信息或者至少两个信息的任意组合:洋流信息、盐度平均值,盐度偏差,海表温度,融合风场信息,海表高度,有效波高及叶绿素α浓度;
5、洄游类鱼群丰度信息计算器接收所述海洋渔场的位置信息,时间信息,海气参数信息,生成鱼群丰度信息;
6、在授权的可视化终端显示鱼群丰度信息。
7、优选的,生成洄游类鱼群丰度信息计算器可通过神经网络或随机森林生成。
8、优选的,通过神经网络生成的洄游类鱼群丰度信息计算器包括至少两个神经网络隐藏层,且任意两个隐藏层的参数和神经元数目不相同。
9、优选的,其洄游类鱼群丰度信息计算器计算的洄游类鱼群丰度信息可以是一个单位海洋面积的鱼保有量和与产量的数值,也可以是一个鱼群丰度分类的概率,其取概率最大值为预测类别。
10、优选的,通过随机森林生成的洄游类鱼群丰度信息计算器可通过分类或回归方法生成。
11、优选的,通过随机森林生成的洄游类鱼群丰度信息计算器的预测结果可以是以下结果的任一种:多颗决策树的预测值求平均值,多颗决策树的预测值中位数,或者由多颗决策树投票绝对多数。
12、优选的,所述洄游类鱼群丰度信息包括下述任意一种信息或者至少两种信息的组合:是否有鱼、单位海洋渔场面积的鱼产品量及鱼保留量,低鱼群丰度,中鱼群丰度,高鱼群丰度。
13、根据本专利技术一方面的一个实施例,提供了一种基于人工智能的洄游类鱼群丰度信息预测系统,所述系统包括:
14、海洋渔场参数接收设备,用于从卫星接收海洋渔场的位置信息,时间信息和海气参数信息;
15、鱼群丰度信息获取设备,与所述参数接收设备通信连接,用于基于所述海气参数接收设备接收的位置信息,时间信息和海气参数信息获取洄游类鱼群丰度信息;
16、可视化显示设备,与所述鱼群丰度信息获取设备通信连接,用于将所述鱼群丰度信息获取设备获取的洄游类鱼群丰度信息进行可视化显示。
17、优选的,所述海洋渔场参数接收设备为地面站、或船载接收设备。
18、优选的,所述鱼群丰度信息获取设备包括:环境信息处理平台,用于结合环境反演技术、环境数值预报同化技术、多源卫星数据融合技术对所述位置信息,时间信息和海气参数信息进行处理。
19、优选的,所述鱼群丰度信息获取设备包括:鱼群丰度信息分析平台,用于将当前获取的洄游类鱼群丰度信息与上一周期的洄游类鱼群丰度信息进行对比获得差距,并结合海气参数判断所述差距是否合理,若不合理,则重新计算洄游类鱼群丰度信息。
20、优选的,鱼群丰度信息分析平台还用于:分析洄游类鱼群丰度趋势。
21、优选的,所述可视化显示包括:以不同颜色区分不同洄游类鱼群显示不同经纬度的鱼群丰度信息。
22、本申请所述洄游类鱼群丰度信息预测方法通过人工智能方法生成洄游类鱼群丰度信息计算器,通过海洋卫星和北斗卫星接收海洋渔场的海气参数,位置信息,时间信息和海气参数信息,对指定渔场的洄游类鱼群丰度信息进行实时预测,并在授权的远程终端可视化显示鱼群丰度信息。实现了根据实时获得的卫星遥感数据计算其渔场洄游类鱼群丰度信息,提高了渔场探鱼的实时性,同时根据实时获得的海气参数以及鱼群丰度信息不断训练和优化人工智能模型,从而提高了海洋渔场洄游类鱼群丰度信息预测的准确性,精确性,从而提高洄游类鱼围网渔业的效率。
本文档来自技高网...【技术保护点】
1.一种基于人工智能的洄游类鱼群丰度信息预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的鱼群丰度信息预测方法,其特征在于,生成洄游类鱼群丰度信息计算器可通过神经网络或随机森林生成。
3.根据权利要求2所述的鱼群丰度信息预测方法,其特征在于,通过神经网络生成的洄游类鱼群丰度信息计算器包括至少两个神经网络隐藏层,且任意两个隐藏层的参数和神经元数目不相同。
4.根据权利要求2所述的鱼群丰度信息预测方法,其特征在于,其洄游类鱼群丰度信息计算器计算的洄游类鱼群丰度信息可以是一个单位海洋面积的鱼保有量和与产量的数值,也可以是一个鱼群丰度分类的概率,其取概率最大值为预测类别。
5.根据权利要求2所述的鱼群丰度信息预测方法,其特征在于,通过随机森林生成的洄游类鱼群丰度信息计算器可通过分类或回归方法生成。
6.根据权利要求2所述的鱼群丰度信息预测方法,其特征在于,通过随机森林生成的洄游类鱼群丰度信息计算器的预测结果可以是以下结果的任一种:多颗决策树的预测值求平均值,多颗决策树的预测值中位数,或者由多颗决策树投票绝对多数。
...【技术特征摘要】
1.一种基于人工智能的洄游类鱼群丰度信息预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的鱼群丰度信息预测方法,其特征在于,生成洄游类鱼群丰度信息计算器可通过神经网络或随机森林生成。
3.根据权利要求2所述的鱼群丰度信息预测方法,其特征在于,通过神经网络生成的洄游类鱼群丰度信息计算器包括至少两个神经网络隐藏层,且任意两个隐藏层的参数和神经元数目不相同。
4.根据权利要求2所述的鱼群丰度信息预测方法,其特征在于,其洄游类鱼群丰度信息计算器计算的洄游类鱼群丰度信息可以是一个单位海洋面积的鱼保有量和与产量的数值,也可以是一个鱼群丰度分类的概率,其取概率最大值为预测类别。
5.根据权利要求2所述的鱼群丰度信息预测方法,其特征在于,通过随机森林生成的洄游类鱼群丰度信息计算器可通过分类或回归方法生成。
6.根据权利要求2所述的鱼群丰度信息预测方法,其特征在于,通过随机森林生成的洄游类鱼群丰度信息计算器的预测结果可以是以下结果的任一种:多颗...
【专利技术属性】
技术研发人员:朱永汉,
申请(专利权)人:深圳北斗航天科技有限公司,
类型:发明
国别省市:
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。