基于EMD-BiLSTM的太平洋大眼金枪鱼渔场预报模型研究

• 作者: 袁红春 张永 张天蛟
• 来源期刊: 渔业现代化
• 学科: 工学
• 关键词: 渔场预报 EMD-BiLSTM 神经网络 分解分量 大眼金枪鱼
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 渔业信息化
• 页码范围: 87-96
• 页数: 10页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.3969/j.issn.1007-9580.2021.01.012

摘要

大眼金枪鱼(Thunnus obesus)是太平洋延绳钓的主捕鱼种之一,针对多数传统预报模型存在的问题,提出了基于经验模态分解和双向长短时记忆神经网络(EMD-BiLSTM)的渔场预报新模型,以实现一种新的面向渔业应用的产量预报方法.首先,通过经验模态分解机制(EMD)对单位捕捞努力量渔获量(CPUE)序列进行分解,得到不同尺度的分解分量(IMF);然后结合各影响因子对IMF分量分别建立双向长短时记忆神经网络渔场预报模型(Bi-LSTM),使神经网络的数据处理优势得以充分发挥;最后整合各项结果作为最终预报值.结果 显示:与Bi-LSTM模型相比,均方根误差和绝对误差分别降低0.053和0.018;与BP模型相比,均方根误差和绝对误差分别降低0.208和0.048.研究表明,EMD-BiLSTM模型具有较高的预报准确率,可为渔场预报相关研究提供一种新思路.