[发明专利]基于改进型ELM的海洋鱼群迁移路线预测方法及系统

说明书

本发明公开了一种基于改进型ELM的海洋鱼群迁移路线预测方法及系统，所述方法包括如下步骤：将海洋温度历史数据作为不同预测模型的输入样本，并分别求出不同预测模型下的海洋温度初始预测值；选取其中一种预测模型下的海洋温度初始预测值，或者选取几种预测模型下的海洋温度初始预测值的加权平均值，作为ELM的输入向量；通过ELM的训练，输出海洋温度最终预测值；提出描述海洋鱼群迁移的迁移计算公式，从而得到初步预测的海洋鱼群迁移路线；结合不同鱼类的种群习性，选出影响鱼类迁移的限定条件，得到最终预测的海洋鱼群迁移路线。本发明能够有效预测海洋鱼群迁移路线，为渔业经济和海洋生态环境研究提供丰富的参考意见。

技术领域

本发明涉及一种基于改进型ELM(Extreme Learning Machine，极限学习机)的海洋鱼群迁移路线预测方法及系统，属于预测算法优化技术领域。

背景技术

随着全球变暖，海洋水温也在不断发生变化，这将极大影响海洋鱼类的栖息地，当温度变化太大，鱼类便寻找更适合它们生存和繁衍的栖息地，这将极大地影响渔业经济和海洋生态环境研究，从而这些对海洋鱼群迁移路线的预测提出了很高的要求。

发明内容

本发明的目的是提供一种基于改进型ELM的海洋鱼群迁移路线预测方法及系统，能够有效预测海洋鱼群迁移路线，为渔业经济和海洋生态环境研究提供丰富的参考意见。

为达到上述目的，本发明是采用下述技术方案实现的：

第一方面，本发明提供了一种基于改进型ELM的海洋鱼群迁移路线预测方法，所述方法包括如下步骤：

将海洋温度历史数据作为不同预测模型的输入样本，并分别求出不同预测模型下的海洋温度初始预测值；

选取其中一种预测模型下的海洋温度初始预测值，或者选取几种预测模型下的海洋温度初始预测值的加权平均值，作为ELM的输入向量；

通过ELM的训练，输出海洋温度最终预测值β；

将海洋温度视为海洋鱼群迁移路线的主要影响因素，在所述海洋温度最终预测值β的基础上，针对改进型传统热扩散方程，并考虑鱼类在经纬度上的迁移特点，提出描述海洋鱼群迁移的迁移计算公式，从而得到初步预测的海洋鱼群迁移路线；

结合不同鱼类的种群习性，选出影响鱼类迁移的限定条件，并根据限定条件排除不符合鱼类实际生存的海洋空间，从而得到最终预测的海洋鱼群迁移路线。

结合第一方面，进一步的，描述海洋鱼群迁移的迁移计算公式为

其中，R_c表示以热源点P为圆心的圆半径为R时的鱼群浓度，v为热量从热源点P沿x轴发散的恒定速度；v_c为特定体积的水中鱼群密度为c时，热量从热源点P沿x轴发散的恒定速度；τ为时刻；(x,y,z)为热源点P的当前水中坐标，且此时y＝0，

结合第一方面，进一步的，限定条件包括盐度影响、光谱构成、捕食链关系、海洋噪声和水质影响。

第二方面，本发明提供了一种基于改进型ELM的海洋鱼群迁移路线预测系统，所述系统包括：

温度初始预测模块：用于将海洋温度历史数据作为不同预测模型的输入样本，并分别求出不同预测模型下的海洋温度初始预测值；

ELM输入模块：用于选取其中一种预测模型下的海洋温度初始预测值，或者选取几种预测模型下的海洋温度初始预测值的加权平均值，作为ELM的输入向量；

温度最终预测模块：用于通过ELM的训练，输出海洋温度最终预测值β；