基于數(shù)據(jù)挖掘方法的WCPO金槍魚圍網(wǎng)漁情預(yù)報(bào)研究.pdf

1、中西太平洋海域(WCPO，WesternandCentralPacificOcean)是金槍魚圍網(wǎng)漁業(yè)最主要的漁區(qū)。在圍網(wǎng)作業(yè)中，尋魚是最重要的步驟。目前，圍網(wǎng)生產(chǎn)漁船搜索魚群除了靠目視偵察、以直升機(jī)或飛機(jī)在空中尋魚等傳統(tǒng)尋魚方式之外，還參考國外運(yùn)營商提供的關(guān)于漁場(chǎng)溫度、鹽度和葉綠素濃度分布變化情況的漁情預(yù)報(bào)，但要利用該漁情報(bào)告耗資較大，一艘圍網(wǎng)船只每年需支付4萬美元左右給運(yùn)營商，這筆費(fèi)用以及運(yùn)用衛(wèi)星通訊的費(fèi)用增加了生產(chǎn)成本，因此，盡早

2、研制出能夠向漁民提供該方面信息的漁情預(yù)報(bào)軟件是一項(xiàng)迫在眉睫的任務(wù)。同時(shí)，根據(jù)FAO(聯(lián)合國糧食農(nóng)業(yè)組織)最近完成的報(bào)告，在210多種傳統(tǒng)漁業(yè)資源中，已有35％處于過度開發(fā)狀態(tài)，25％處于充分開發(fā)狀態(tài)，40％處于輕度或中度開發(fā)狀態(tài)。處于輕度或中度開發(fā)狀態(tài)的魚種還需進(jìn)一步開發(fā)，其中包括中西太平洋的黃鰭金槍魚和鰹魚。因此進(jìn)行中西太平洋海域金槍魚圍網(wǎng)漁業(yè)漁情預(yù)報(bào)對(duì)我國遠(yuǎn)洋漁業(yè)的發(fā)展有著極為重要的意義，是非常有必要的。 我國大陸自2002

3、年發(fā)展金槍魚圍網(wǎng)漁業(yè)[1]至今已有三年有余，國內(nèi)許多水產(chǎn)領(lǐng)域的專家學(xué)者從事漁情預(yù)報(bào)工作的研究，積累了大量寶貴的數(shù)據(jù)資料。本論文是基于下列三個(gè)條件開展的：(1)水產(chǎn)領(lǐng)域?qū)O情預(yù)測(cè)的迫切需求；(2)長期積累的中西太平洋海域金槍魚圍網(wǎng)作業(yè)數(shù)據(jù)；(3)數(shù)據(jù)挖掘方法在預(yù)測(cè)方面的良好效果。主要研究了將數(shù)據(jù)挖掘方法(DM，DataMining)應(yīng)用于中西太平洋海域金槍魚圍網(wǎng)漁業(yè)的漁情預(yù)測(cè)之中，利用面向?qū)傩砸?guī)約算法對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，再通過數(shù)據(jù)挖掘方法中

4、的信息增益分析技術(shù)和一種面向粗糙集的屬性化簡方法對(duì)歷史數(shù)據(jù)進(jìn)行處理分析，從可能影響該海域金槍魚產(chǎn)量的眾多因子中確定出與該海域金槍魚產(chǎn)量變化密切相關(guān)的關(guān)鍵影響因子，進(jìn)而通過多元回歸方法構(gòu)建中西太平洋海域金槍魚圍網(wǎng)漁情預(yù)測(cè)的數(shù)學(xué)模型。通過這個(gè)模型我們可以根據(jù)衛(wèi)星預(yù)測(cè)的環(huán)境因子數(shù)據(jù)，在圍網(wǎng)作業(yè)前較準(zhǔn)確地預(yù)測(cè)漁情而為漁業(yè)資源評(píng)估、漁況分析、漁場(chǎng)探索等提供技術(shù)支撐。為遠(yuǎn)洋漁業(yè)生產(chǎn)提供可靠信息，有助于避免長期存在的盲目捕撈，減少盲目出海造成的成本浪

5、費(fèi)，進(jìn)一步使得遠(yuǎn)洋漁業(yè)穩(wěn)步發(fā)展，從而提高我國的國際漁業(yè)地位，維護(hù)我國的海洋權(quán)益，減輕我國近海漁業(yè)資源的壓力。 本論文的目的是利用數(shù)據(jù)挖掘方法確定影響中西太平洋海域金槍魚圍網(wǎng)產(chǎn)量的關(guān)鍵環(huán)境因子，進(jìn)而構(gòu)造預(yù)測(cè)模型。主要研究內(nèi)容為以下幾個(gè)方面： (1)通過閱讀大量的漁業(yè)資源與漁場(chǎng)學(xué)方面的論著和文獻(xiàn)，了解大量海洋漁業(yè)方面的知識(shí)，掌握對(duì)魚類分布有較大影響的海洋環(huán)境因子，其中包括海洋表面溫度(SST)、海洋水溫的垂直分布、海洋水溫距

6、歷史平均值、海水鹽度、溫躍層等等。影響魚類分布還有一些氣象因素和生物因素。在本論文中主要研究的是海洋環(huán)境因子與中西太平洋海域金槍魚圍網(wǎng)漁場(chǎng)形成的關(guān)系。 (2)收集中西太平洋海域(20°N～25°S，175°W以西[2])海洋環(huán)境因子數(shù)據(jù)，包括海水表面溫度SST、海水水溫垂直分布(各水層溫度)、海水表溫距歷史平均值SSTA、相鄰水層間溫差等，以及1990年1月到2001年7月之間該海域金槍魚圍網(wǎng)作業(yè)產(chǎn)量數(shù)據(jù)。環(huán)境因子中SST和SS

7、TA數(shù)據(jù)的空間分辨率是1°×1°，海水水溫垂直分布數(shù)據(jù)的空間分辨率是1.875°×1.875°，而產(chǎn)量數(shù)據(jù)是5°×5°區(qū)間內(nèi)的平均值。因此在數(shù)據(jù)分析前必須對(duì)數(shù)據(jù)進(jìn)行處理，確保使用同一標(biāo)準(zhǔn)進(jìn)行度量，我們采用算術(shù)平均法對(duì)數(shù)據(jù)進(jìn)行同一化處理，提高數(shù)據(jù)的可用性和可靠性。 (3)通過對(duì)數(shù)據(jù)挖掘方法的深入研究，選擇合適的算法應(yīng)用到本課題中，確定影響WCPO金槍魚圍網(wǎng)產(chǎn)量的關(guān)鍵環(huán)境因子，進(jìn)而構(gòu)建漁情預(yù)測(cè)模型。本論文首先運(yùn)用數(shù)據(jù)挖掘方法中的信息

8、增益分析技術(shù)對(duì)1990年1月到2001年7月的中西太平洋海域的SST、水溫距歷史平均值SSTA、12.5米水層溫度、37.5米水層溫度、62.5米水層溫度、87.5米水層溫度、137.5米水層溫度、187.5米水層溫度、237.5米水層溫度、287.5米水層溫度以及兩兩水層間平均每米溫差等18個(gè)海洋環(huán)境因子與該海域鰹魚圍網(wǎng)作業(yè)產(chǎn)量數(shù)據(jù)進(jìn)行分析，找出與產(chǎn)量強(qiáng)相關(guān)的屬性集，去除冗余屬性，大大提高系統(tǒng)潛在知識(shí)的清晰度。 (4)為了避免

9、只依賴某一種工具，選取多種工具是非常必要的，也是非常明智的試驗(yàn)方法[3]。為了確保(3)中結(jié)論的正確性，本論文另使用一種面向粗糙集的屬性化簡方法(利用Skowron提出的可辨識(shí)矩陣得到屬性的最佳化簡，)同樣對(duì)上述18個(gè)因子及產(chǎn)量數(shù)據(jù)進(jìn)行分析，找出影響WCPO鰹魚圍網(wǎng)作業(yè)產(chǎn)量的關(guān)鍵屬性集。 (5)結(jié)合上述兩種方法的結(jié)果及領(lǐng)域?qū)＜业囊庖?，確定強(qiáng)相關(guān)影響因子集，利用多元回歸方法構(gòu)建預(yù)測(cè)中西太平洋海域鰹魚圍網(wǎng)產(chǎn)量的數(shù)據(jù)模型。 本