基于融合深度学习模型的长鳍金枪鱼渔情预测研究

• 作者: 袁红春 陈骢昊
• 来源期刊: 渔业现代化
• 学科: 农学
• 关键词: 渔情预测 深度学习 单位捕捞努力量渔获量
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 渔船与捕捞
• 页码范围: 74-81
• 页数: 8页
• 分类号: S931.41
• 字数: 4743字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-9580.2019.05.012

摘要

南太平洋渔场环境复杂,传统的渔情预测方法难以从渔场影响因子数据中提取有效特征.提出一种融合深度学习模型CNN-GRU-Attention,以实现对南太平洋长鳍金枪鱼(Thunnus alalunga)渔场单位捕捞努力量渔获量(CPUE)的预测.首先利用卷积神经网络(CNN)提取单个渔场范围内影响因子特征数据,得到与渔场CPUE值相匹配的一维特征数据,然后通过门控循环(GRU)实现对渔场CPUE值的预测,最后使用Attention机制,利用权值分配加速模型收敛,实现对模型的优化,并利用相同数据在不同模型上进行对比试验.结果显示:与传统预测模型多层前馈网络(BP)相比,绝对误差降低0.047,均方根误差降低0.352;与GRU相比,绝对误差降低0.012,均方根误差降低0.055.试验结果证明了CNN-GRU-Attention模型的有效性,为渔情预测方法提供了一种新的思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	袁红春	上海海洋大学信息学院	42	100	6.0	8.0
2	陈骢昊	上海海洋大学信息学院	1	1	1.0	1.0