資源描述：
《基于神經(jīng)網(wǎng)絡(luò)的東南太平洋公海智利竹筴魚漁情預(yù)報(bào)的研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、基于神經(jīng)網(wǎng)絡(luò)的東南太平洋公海智利竹笑魚漁情預(yù)報(bào)的研究摘要根據(jù)2002年4月至2006年12月上海開創(chuàng)遠(yuǎn)洋漁業(yè)有限公司大型拖網(wǎng)加工船隊(duì)在東南太平洋的生產(chǎn)資料，以GLM模型對(duì)CPUE進(jìn)行標(biāo)準(zhǔn)化換算；結(jié)合海水表面溫度(SeaSurfaceTemperature，SST)數(shù)據(jù)，利用Matlab軟件為智利竹莢魚漁場(chǎng)建立空間分辨率為loxloBP神經(jīng)網(wǎng)漁情預(yù)報(bào)絡(luò)模型，通過(guò)對(duì)2006年內(nèi)11個(gè)月份(除2月份外)的CPUE水平的預(yù)報(bào)，研究了四種預(yù)報(bào)模型結(jié)構(gòu)(6．3．1，6-6．1，6．9．1和6．13．1)的預(yù)報(bào)結(jié)果，通過(guò)比較四
2、種模型預(yù)報(bào)值與實(shí)際值的方差選擇最優(yōu)結(jié)構(gòu)的預(yù)報(bào)模型。結(jié)果表明，網(wǎng)絡(luò)結(jié)構(gòu)為6-9．1(隱層神經(jīng)元數(shù)量為9)的BP神經(jīng)網(wǎng)絡(luò)較適合用作東南太平洋公海智利竹笑魚漁場(chǎng)的漁情預(yù)報(bào)模型。以最適網(wǎng)絡(luò)結(jié)構(gòu)為基礎(chǔ)，按10×lo的空間分辨率預(yù)報(bào)了2006年3．12月份東南太平洋公海智利竹笑魚漁場(chǎng)的cPUE，以MarineExplorer4．0對(duì)預(yù)報(bào)CPUE和實(shí)際CPUE值作疊圖分析。具體研究結(jié)果如下：(1)介紹了東南太平洋智利竹莢魚漁場(chǎng)環(huán)境的氣象和海況特征，及其在世界范圍產(chǎn)量的變動(dòng)情況。以智利竹笑魚課題組多年來(lái)的探捕情況和上海公司的生產(chǎn)
3、情況為基礎(chǔ)，介紹了近年來(lái)捕撈智利竹炙魚的漁船設(shè)備和漁具漁法發(fā)展的基本情況，并以實(shí)際生產(chǎn)數(shù)據(jù)分析了上海公司2002-2006年在東南太平洋智利竹煲魚的生產(chǎn)概況。研究發(fā)現(xiàn)，各年年產(chǎn)量之間的波動(dòng)除受到氣候和海洋環(huán)境變化的影響外，與作業(yè)漁船的捕撈能力有著十分緊密的關(guān)系。因此，在第三章的研究中，作業(yè)漁船將作為主要的說(shuō)明變量之一在CPUE的標(biāo)準(zhǔn)化處理中得到進(jìn)一步應(yīng)用。(2)對(duì)東南太平洋智利竹莢魚漁場(chǎng)的生產(chǎn)情況展開了建立CPUE標(biāo)準(zhǔn)化模型的研究，認(rèn)為模型的建立應(yīng)包括以下四個(gè)步驟：l、處理零漁獲量；2、選擇說(shuō)明變量；3、建立CP
4、UE標(biāo)準(zhǔn)化模型；4、標(biāo)準(zhǔn)化模型的檢驗(yàn)。其中，零漁獲量數(shù)據(jù)的處理原則根據(jù)零值產(chǎn)生的原因進(jìn)行刪除或加1處理；說(shuō)明變量的選擇經(jīng)過(guò)相關(guān)性分析和共線性分析，認(rèn)為CPUE標(biāo)準(zhǔn)化模型中應(yīng)包括作業(yè)漁區(qū)，年份，月份，漁船類別；在漁獲方程的基礎(chǔ)上，具體化可捕系數(shù)q的內(nèi)涵，并基于GLM方法的思想，將非線性的漁獲方程線性化，認(rèn)為線性化后方程中的常數(shù)是對(duì)應(yīng)時(shí)空范圍內(nèi)資源密度的指標(biāo)：最后研究了對(duì)標(biāo)準(zhǔn)化模型進(jìn)行方差分析、偏回歸系數(shù)與常數(shù)項(xiàng)的檢驗(yàn)、殘差的正態(tài)性檢驗(yàn)的方法。(3)簡(jiǎn)單介紹了人工神經(jīng)網(wǎng)絡(luò)的研究與發(fā)展現(xiàn)狀和基本構(gòu)成。按lOxIo的空間
5、分辨率統(tǒng)計(jì)預(yù)報(bào)月份對(duì)應(yīng)的SSTl、SSl"2，利用級(jí)差法對(duì)上述海水表面溫度數(shù)據(jù)，時(shí)間和空間信息數(shù)據(jù)和標(biāo)準(zhǔn)化后的CPUE數(shù)據(jù)進(jìn)行歸一化處理。在時(shí)間序列上將數(shù)據(jù)樣本分為訓(xùn)練樣本和檢驗(yàn)(預(yù)測(cè))樣本，將年份、月份、空間信息和海水表面溫度數(shù)據(jù)作為輸入，CPUE數(shù)據(jù)作為輸出，以S型對(duì)數(shù)函數(shù)和雙曲正切S型函數(shù)分別作為隱層和輸出層的激發(fā)函數(shù)，建立東南太平洋智利竹莢魚漁場(chǎng)漁情預(yù)報(bào)神經(jīng)網(wǎng)絡(luò)模型，對(duì)隱層神經(jīng)元數(shù)量分別為3、6、9和13進(jìn)行試驗(yàn)。(4)CPuE標(biāo)準(zhǔn)化換算的結(jié)果表明：在智利竹笑魚漁場(chǎng)內(nèi)，對(duì)以中層拖網(wǎng)為作業(yè)方式的捕撈漁船CP
6、UE標(biāo)準(zhǔn)化的換算公式為：InCPUE。。砧=0．635·耳-0．601·E+o．721·M。+1．428·K-2．“l(fā)。方差分析結(jié)果的結(jié)果表明，方程包含的區(qū)域效應(yīng)、年份效應(yīng)、月份效應(yīng)和漁船效應(yīng)有效，且方程的擬合效果較好；偏回歸系數(shù)與常數(shù)項(xiàng)的檢驗(yàn)結(jié)果表明，模型具有較好預(yù)測(cè)效果；殘差的正態(tài)性檢驗(yàn)結(jié)果顯示，模型對(duì)數(shù)據(jù)擬合較佳，偏差的分布呈現(xiàn)出明顯的正態(tài)分布特點(diǎn)。漁情預(yù)報(bào)的結(jié)果與最適網(wǎng)絡(luò)結(jié)構(gòu)的研究結(jié)果表明：a．除隱層神經(jīng)元數(shù)量為3的結(jié)構(gòu)，其余3種結(jié)構(gòu)模型的訓(xùn)練精度均在O．002242．0．003245范圍內(nèi)。從預(yù)報(bào)結(jié)果上
7、來(lái)看，4種結(jié)構(gòu)的預(yù)報(bào)模型的預(yù)報(bào)值和實(shí)際值在數(shù)值上有略微差別，特別是在5．10月份的漁汛期，這種差距較為明顯。b．通過(guò)方差分析，認(rèn)為網(wǎng)絡(luò)結(jié)構(gòu)為6-9．1的BP神經(jīng)網(wǎng)絡(luò)模型為最適的漁情預(yù)報(bào)模型。(5)本文的三個(gè)創(chuàng)新點(diǎn)：運(yùn)用了GLM模型對(duì)東南太平洋智利竹莢魚的CPUE標(biāo)準(zhǔn)化進(jìn)行了研究；提出了CPUE標(biāo)準(zhǔn)化方程中的∥值是特定時(shí)空條件下魚群密度變化的指標(biāo)這個(gè)觀點(diǎn)；以BP神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，以商業(yè)性生產(chǎn)數(shù)據(jù)為研究對(duì)象，進(jìn)行公海智利竹笑魚漁場(chǎng)漁情預(yù)報(bào)研究的方法。本文認(rèn)為：扎為使求算的CPUE盡可能完整地描述漁場(chǎng)特征，原始數(shù)據(jù)的取用
8、范圍需要進(jìn)一步擴(kuò)大：b．GLM模型在CPUE標(biāo)準(zhǔn)化的應(yīng)用中存在著局限性，需對(duì)模型的優(yōu)化方法作進(jìn)一步研究；c．II對(duì)／．z值的合理應(yīng)用還需要進(jìn)一步研究；d．研究結(jié)果證明，BP神經(jīng)網(wǎng)絡(luò)的在漁情預(yù)報(bào)中的應(yīng)用是成功的，但對(duì)模型計(jì)算的優(yōu)化和模型結(jié)構(gòu)的多樣化仍需進(jìn)一步研究。e．BP神經(jīng)網(wǎng)絡(luò)漁情預(yù)報(bào)模型輸出的預(yù)報(bào)值與實(shí)際值之間存在著一定的誤差，分析原因認(rèn)為這與捕撈季節(jié)以及訓(xùn)練樣本和檢驗(yàn)
