基于全卷积网络的南太平洋长鳍金枪鱼渔场预报模型

发布时间：2021-06-13 14:35

　　长鳍金枪鱼（Thunnus alalunga）为南太平洋延绳钓的主要目标鱼种之一,精确预报其渔场对于提高捕捞效率和优化渔业资源管理具有重要意义。本研究依据2000-2015年南太平洋长鳍金枪鱼的延绳钓数据、渔场时空数据以及海表温度、叶绿素a浓度和海面高度3种环境因子,采用全卷积网络构建了一种以月为单位、空间分辨率为5°×5°的渔场预报模型。本研究提出三维独热编码技术将各月环境数据映射到三维矩阵的不同层上,并设计2种卷积结构和3种全卷积网络模型,利用2015年数据对研究模型进行验证,最佳模型总精准率达到72.0%。结果表明,全卷积网络在一定程度上解决了传统渔场预报方法在处理高维复杂海洋数据时准确率偏低的问题,为渔场预报提供了一种新方法。 

【文章来源】：江苏农业学报. 2020,36(02)北大核心CSCD

【文章页数】：7 页

【部分图文】：

三维独热编码

由表4可以看出,相比于其他模型本研究算法总体准确率最高,在高产区和低产区的预测准确率上有明显优势。实际作业受捕捞效率影响,渔业作业位置一般依赖于高产区预测结果,而F-ACN模型在高产区和低产区预测准确率较高,对于作业渔船寻找最佳渔场有较好的指导意义。由于渔情预报方法的渔场等级划分界限并不明确,只按照月CPUE的三分位点进行划分,而受实际天气、政策等因素的影响,渔场的实际水平可能高于或低于等级标签,所以处在2个等级边界部分渔场容易被误分,出现了中产区预报准确率明显低于高产区和低产区的现象。表4 不同模型的预测结果Table 4 Prediction results of different models 模型 高产区召回率(%) 中产区召回率(%) 低产区召回率(%) 总召回率(%) 总精准率(%) 总F1分数(%) 朴素贝叶斯模型 52.5 59.1 77.5 63.5 64.1 63.7 BP神经网络模型 70.7 48.6 75.8 65.0 65.5 65.0 DNN神经网络模型 75.6 49.4 72.2 65.7 67.1 65.9 F-ACN模型 76.9 61.8 76.6 71.7 72.0 71.8

【参考文献】：
期刊论文
[1]基于支持向量机的库克群岛海域长鳍金枪鱼栖息环境综合指数[J]. 宋利明,周建坤,沈智宾,赵海龙,谢凯.  海洋通报. 2017(02)
[2]南太平洋长鳍金枪鱼延绳钓渔业CPUE标准化[J]. 范永超,戴小杰,朱江峰,田思泉,高春霞,栾松鹤.  海洋湖沼通报. 2017(01)
[3]库克群岛海域海洋环境因子对长鳍金枪鱼渔获率的影响[J]. 宋利明,谢凯,赵海龙,李冬静.  海洋通报. 2017(01)
[4]基于神经网络的南太平洋长鳍金枪鱼渔场预报[J]. 毛江美,陈新军,余景.  海洋学报. 2016(10)
[5]基于卷积神经网络的搜索广告点击率预测[J]. 李思琴,林磊,孙承杰.  智能计算机与应用. 2015(05)
[6]基于朴素贝叶斯的西北太平洋柔鱼渔场预报模型的建立[J]. 崔雪森,唐峰华,张衡,伍玉梅,樊伟.  中国海洋大学学报(自然科学版). 2015(02)
[7]基于随机森林的印度洋长鳍金枪鱼渔场预报[J]. 陈雪忠,樊伟,崔雪森,周为峰,唐峰华.  海洋学报(中文版). 2013(01)
[8]基于遥感数据的智利竹筴鱼渔场预报系统[J]. 张衡,崔雪森,樊伟.  农业工程学报. 2012(15)



本文编号：3227719