[发明专利]一种利用海洋遥感多环境要素的集成学习渔场预报方法

说明书

技术领域

本发明涉及遥感信息渔业应用领域，特别是涉及一种利用海洋遥感多环境要素的 集成学习渔场预报方法。

背景技术

海洋环境和渔业资源信息是海洋渔业资源利用和保护的重要信息支撑，利用海洋 遥感开展渔场渔情信息服务已成为海洋渔业生产和管理规划的重要保障。海洋渔场渔情分 布与自然环境及人类活动等多种因素有关，渔场分布的预报受渔业生产数据记录的准确性 以及环境要素遥感反演的精度等多因素影响。现有的渔场预报方法是利用单一的统计学习 模型，针对海表温度等少数海洋环境参数和渔业生产数据构成的给定训练数据集，训练得 到单个学习器模型来建立海洋渔场预报模型。从预报方法上，传统单一的统计学习模型针， 属于强学习机，很容易陷入对样本数据的过拟合而降低预报模型的泛化能力。采用单一的 传统机器学习模型建立映射关系，往往存在过学习的问题，即映射模型对于样本数据的过 拟合，导致映射模型对样本的拟合误差很小，但泛化推广性能不足，对未参与学习训练的实 际数据预报错误率很高。

本发明引用以下公开文献：

[1]崔雪森,伍玉梅,张晶,周甦芳,樊伟.基于分类回归树算法的东南太平洋智利 竹筴鱼渔场预报[J].中国海洋大学学报(自然科学版),2012,Z2:53-59.

[2]周为峰,樊伟,崔雪森,杨胜龙,伍玉梅.基于贝叶斯概率的印度洋大眼金枪鱼 渔场预报[J].渔业信息与战略,2012,03:214-218.

[3]崔雪森,唐峰华,张衡,伍玉梅,樊伟.基于朴素贝叶斯的西北太平洋柔鱼渔场 预报模型的建立[J].中国海洋大学学报(自然科学版),2015,02:37-43.

[4]陈雪忠,樊伟,崔雪森,周为峰,唐峰华.基于随机森林的印度洋长鳍金枪鱼渔 场预报[J].海洋学报(中文版),2013,01:158-164.

其中，[1]涉及的是分类回归树方法，[2]和[3]涉及的是贝叶斯方法，[4]涉及的是 随机森林方法。

发明内容

本发明的目的是提供一种利用海洋遥感多环境要素的基于多个子学习机集成的 学习渔场预报方法，以提高渔场预报模型的泛化能力和预报精度。

在本发明中，CPUE的中文含义是：单位捕捞努力量渔获量，英文是catchperunit effort(CPUE)。

本发明涉及的boosting算法也是机器学习算法，是一种用来提高弱分类算法准确 度的方法，被应用到计算机领域比较多。boosting算法来源自：

YoavFreundandRobertE.Schapire.ADecision-TheoreticGeneralization ofOn-LineLearningandanApplicationtoBoosting,Journalofcomputerand systemsciences,Volume55,Issue1,August1997,Pages119–139.

本发明所述基于集成学习的渔场预报方法，它包括以下步骤：

(1)将卫星遥感技术得到的海表环境数据作为模型输入数据，对海洋遥感多环境 要素进行预处理

将所获取的卫星遥感得到的全球海表环境数据按照感兴趣区域的经纬度范围进 行裁切，得到感兴趣区域环境数据子集。遥感反演数据受到天气条件等因素的影响，导致在 不同时段和地理位置处会有数值缺失。基于邻域相关性对缺失值进行插补。

(2)渔业捕捞生产数据预处理

根据渔业捕捞生产记录数据，计算单位捕捞努力量渔获量。

CPUE＝渔获产量/捕捞努力量

根据CPUE的统计分布和渔业成本，采用某一CPUE值作为是否为渔场的阈值，建立 渔场的分类标签。渔业数据中捕捞努力量信息缺失的记录，作为无效样本(NA)处理。

(3)渔业生产数据与海洋遥感环境的匹配，建立构建模型的多特征集合，根据渔业 生产数据的时间和经纬度，搜索空间及时间距离最小的海洋环境数据，作为样本的匹配环 境特征。

(4)按照分层抽样方法，将样本分为十份，每份样本中分类标签为渔场和非渔场的 样本数量比例保持基本一致。

(5)采用简单结构的决策树作为子学习机，基于boosting算法进行学习机集成。