一种北太平洋鱿鱼中心渔场预测方法

摘要

一种北太平洋鱿鱼中心渔场预测方法，包括时空尺度设置、环境因子设置、建立中心渔场预测模型，其特征是时空尺度设置采用三个级别的空间尺度，周和月两个级别的时间尺度；环境因子设置采用表温(SST)为主要环境因子，再辅以海面高度(SSH)、叶绿素a(Chl‑a)两种环境因子，在建立中心渔场预测模型时将环境因子分为四种情况：根据时空尺度和环境因子设置情况，建立24种情况的样本方案集；中心渔场预测模型采用经典的误差反向传播BP神经网络模型，BP神经网络模型为三层结构，即输入层、隐含层和输出层，输入层输入渔场的时空因子和环境因子，输出层输出CPUE或是由CPUE转化而成的渔场等级指标供预报使用。

主权项

一种北太平洋鱿鱼中心渔场预测方法，包括时空尺度设置、环境因子设置、建立中心渔场预测模型，其特征是时空尺度设置采用三个级别的空间尺度，经纬度分别为0.25°×0.25°、0.5°×0.5°、1.0°×1.0°，周和月两个级别的时间尺度；环境因子设置采用SST为主要环境因子，再辅以SSH、Chl‑a两种环境因子，在建立中心渔场预测模型时将环境因子分为四种情况：Ⅰ SST；Ⅱ SST，SSH；Ⅲ SST，Chl‑a；Ⅳ SST，SSH，Chl‑a；根据时空尺度和环境因子设置情况，建立24种情况的样本方案集；中心渔场预测模型采用经典的误差反向传播BP神经网络模型，BP神经网络模型为三层结构，即输入层、隐含层和输出层，输入层输入渔场的时空因子和环境因子，输出层输出CPUE或是由CPUE转化而成的渔场等级指标；BP神经网络模型正向传播时，样本从输入层进入，经隐含层激活函数处理，传向输出层，如输出层的实际输出与期望的输出不符合误差要求，则转入误差的反向传播阶段，反向传播是将误差通过隐含层向输入层逐层反向传播，将误差分摊给各层所有节点，从而获得各层节点的误差信号，此误差信号作为修正的依据，这种信号的正向传播与误差的反向传播周而复始地进行，权值不断调整，此过程一直进行到网络输出的误差减少到可接受的程度或进行到预先设定的学习次数为止，通过学习训练获得到最佳模型，供预报使用。