【技术实现步骤摘要】
本专利技术涉及计算机应用，尤其涉及一种基于集成学习的金枪鱼渔场预测方法及系统。
技术介绍
1、传统模型和机器学习算法已成为渔场预测的重要方法，渔场预测已经从小规模和短期渔业数据转向大规模渔业数据，传统模型受到输入数据维度的限制，这使得大规模、复杂、多变的高维海洋数据难以实现高精度的渔场预报。同时，传统模型也存在受人为因素影响、不具备泛化能力、特征转换困难、拟合不足等问题，机器学习算法在许多分类和回归研究中已经有效地抑制了这些问题。然而，在建模过程中，由于海洋环境因素的复杂性和可变性，以及单模型算法的局限性，如稳定性差、容易过拟合、泛化能力差等，机器学习模型很难实现对不同等级渔场分布的高精度预测。而集成学习可以有效解决这些问题，集成学习算法通过整合多个基模型的优势，使用多个学习器共同解决问题，从而产生更稳定的结果，可以有效地抑制模型过拟合，提高模型预测。
2、长鳍金枪鱼的中心渔场分布受海表温度、叶绿素a浓度、海水溶解氧浓度、海表盐度、海面风速、海面高度和海水流速等多种环境因子影响，这些环境因素对渔场的预测具有决定性的作用，因此...
【技术保护点】
1.一种基于集成学习的金枪鱼渔场预测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于集成学习的金枪鱼渔场预测方法，其特征在于，所述海洋环境数据包括：海表温度、叶绿素a浓度、海表盐度、海面高度、海面风速、海洋混合层厚度、海水流速、待预测渔场位置的经度以及待预测渔场位置的纬度。
3.根据权利要求1所述的一种基于集成学习的金枪鱼渔场预测方法，其特征在于，所述单位捕捞努力量渔获量根据捕捞努力量、满足预设条件下的时间和空间内的渔获量确定。
4.根据权利要求1所述的一种基于集成学习的金枪鱼渔场预测方法，其特征在于，对所述待预测渔场进行...
【技术特征摘要】
1.一种基于集成学习的金枪鱼渔场预测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于集成学习的金枪鱼渔场预测方法，其特征在于，所述海洋环境数据包括：海表温度、叶绿素a浓度、海表盐度、海面高度、海面风速、海洋混合层厚度、海水流速、待预测渔场位置的经度以及待预测渔场位置的纬度。
3.根据权利要求1所述的一种基于集成学习的金枪鱼渔场预测方法，其特征在于，所述单位捕捞努力量渔获量根据捕捞努力量、满足预设条件下的时间和空间内的渔获量确定。
4.根据权利要求1所述的一种基于集成学习的金枪鱼渔场预测方法，其特征在于，对所述待预测渔场进行等级划分包括：根...
【专利技术属性】
技术研发人员：何宏昌，范冬林，赵燕来，
申请(专利权)人：宁波渔遥科技有限公司，
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。