论文部分内容阅读
长鳍金枪鱼（Thunnus alalunga）是大洋性中上层鱼类,广泛分布在热带及温带海域。南太平洋拥有丰富的金枪鱼资源,中国于2008年后成为南太平洋长鳍金枪鱼最重要的捕捞国。长鳍金枪鱼是一种高度洄游鱼类,其渔场位置与洄游路径密切相关,同时渔场的形成也受环境条件变化的影响,呈现出年际以及月际间的变化。准确地进行中心渔场预报,可以指导远洋渔业相关企业合理地安排作业区域,有效地提高生产能力,这对我国长鳍金枪鱼远洋渔业具有重要作用。本研究首先根据2008-2015年南太平洋长鳍金枪鱼延绳钓历史渔业数据,以0.5°×0.5°的空间分辨率分析长鳍金枪鱼CPUE年际、月际、经度及纬度方向的变化,并通过分析渔场经纬度重心随时间推移的变化研究南太平洋长鳍金枪鱼的洄游特征;进而选取了包含海表温度、叶绿素、海表温度距平、叶绿素距平、海表温度梯度、叶绿素梯度、海平面高度异常、前后各一个月的海表温度和叶绿素值在内的多个环境指标以及月、经度、纬度三个时空指标,选用基于Bagging、Boosting及Stacking集成思想的六种集成学习（Ensemble Learning）模型,并结合10折交叉验证以及网格搜索思想确定模型最佳参数,完成了相应的长鳍金枪鱼渔场预报模型的构建;最后利用准确率最高的集成模型分月预测2015年南太平洋长鳍金枪鱼渔场,同时将高CPUE渔区与实际渔区进行对比,并以各月总体准确率和高CPUE渔区预报准确率作为标准进一步验证集成模型的预报精度。研究结果如下:1)研究南太平洋长鳍金枪鱼渔场时空分布变化特征,结果表明:1月至4月渔场CPUE较低;5月至8月CPUE较高,为南太平洋长鳍金枪鱼的盛产期;9至12月渔场CPUE相较于5至8月阶段明显下降,进入渔汛后期。作业渔场主要集中在8°S～22°S,158°E～176°E海域。在纬度方向重心呈现由南向北再向南再向北折回的变动趋势,在经度方向呈现由东向西再向东再向西折回的变动趋势,5月至8月渔场重心更偏向14.5°S～20°S,168.5°E～173°E东南海域。2)对基于集成学习的长鳍金枪鱼预报模型性能进行对比,结果表明:随机森林（Random Forest,RF）、Bagging决策树（Treebag）、C5.0、梯度提升决策树（Gradient Boosting Decision Tree,GBDT）、自适应增强（Adaptive Boosting,Ada Boost）、Stacking集成各模型分别取得了75.52%、73.87%、72.99%、71.14%、71.33%、75.84%的预报精度。对于本文长鳍金枪鱼渔场训练集数据,准确率均达到70%,且Bagging模型要优于Boosting模型,相比而言RF较高,而Stacking组合模型准确率又略高于RF,因而选用Stacking集成模型进一步精度检验。3)研究海洋环境要素对长鳍金枪鱼高、低CPUE渔区分类的重要性发现:海表温度对渔场划分贡献相对较大,其次为叶绿素、海平面高度,通过单一环境因子难以划分高、低CPUE渔区,应结合多种因子来增加样本间属性差异。且高CPUE渔区温度集中在26.4～30°C范围,叶绿素集中在0.03～0.15 mg/m3范围,海平面高度异常集中在-0.03～0.19 m范围。4)对Stacking集成模型预报精度的进一步检验发现:2015年分月渔场预报总体准确率在63.86%～82.14%范围,平均为70.99%;高CPUE渔场预报准确率在62.71%～97.85%范围,平均为78.76%;Stacking集成模型对南太平洋长鳍金枪鱼渔场的预报具有较好的效果及可行性。本研究创新成果主要体现在:1)针对目前南太平洋长鳍金枪鱼渔场预报模型种类单一的状况,引入了集成学习模型,对南太平洋长鳍金枪鱼渔场预报模型进行了完善,同时也为我国远洋渔业渔场预报模型的选择提供了新的思路;2)从以第一三分位数划定的高、低CPUE渔区视角,分析环境指标对渔区分类的影响,认为应结合多种因子来增加样本间属性差异,为之后集成模型输入属性的选择提供了参考;3)在结合10折交叉验证方式输出模型平均性能的同时,选用全新数据集对模型精度进行再次检验,双重评估验证了集成学习模型的预报可靠性。