[发明专利]基于捕捞时序关系的短时捕捞努力量分布预测方法

说明书

基于捕捞时序关系的短时捕捞努力量分布预测方法，包括1）海洋渔业船舶轨迹数据集预处理；2）数据集特征提取，3）捕捞时序关系定义及量化；4）特征船集合求解，本发明通过两个贪心原则，求解用于预测的特征船集合；5）模型构建；6）短时捕捞努力量分布预测。本发明基于现有的海洋轨迹大数据进行研究，适用性广，无需其他额外数据如天气、洋流等辅助预测。同时，本发明设计的步骤易于理解、计算快且开销小，所设计的基于卷积神经网络的预测模型易于训练，能够为我国海洋渔业资源管理和规划提供精细化的定量支撑，为海洋信息研究提供可借鉴的时空预测模型。

技术领域

本发明属于轨迹大数据的数据挖掘技术领域，具体涉及一种基于捕捞时序关系的短时捕捞努力量分布预测方法。

背景技术

随着现代海洋捕捞能力的提高，近海渔业资源出现了逐年衰退等非可持续发展问题。因此，渔业资源管理部门需要及时获取和准确预测捕捞努力量，从而制定行之有效的生态环境修复和资源养护措施，有效恢复海洋渔业资源和海洋生态系统。

在海洋捕捞船舶部署的船位监控系统能够定时的采集渔业船舶的各种运行参数，包含采样时刻渔业船舶的空间位置、航速以及航向等，能够重建渔业船舶的航迹，从而定量化捕捞作业在海域中的时空分布。

当统计时段较长时如季度或者年度，某片海域的捕捞努力量分布会呈现稳定性。但是影响捕捞努力量分布的许多相关因素，如天气、洋流以及营养素等，在短时段内的变化趋势较大且难以完全量化。由于大部分近海渔业船舶的捕捞航次时长较短，了解未来短时段内的捕捞努力量分布更有助于保障渔业安全以及渔业资源管理和规划。因此，短时段、高精度的海洋捕捞努力量分布预测是目前海洋轨迹大数据分析与应用亟待研究的关键问题。

由于影响短时段内捕捞努力量分布的相关因素变化不稳定且难以量化，因此不能依赖外部因素完成短时段预测，需要挖掘捕捞努力量分布中稳定的因素。

发明内容

本发明目的是提供一种基于捕捞时序关系的短时捕捞努力量分布预测方法，以克服现有技术的不足。

基于捕捞时序关系的短时捕捞努力量分布预测方法，其特征是包括以下步骤：

1)海洋渔业船舶轨迹数据集预处理

在海洋渔业船舶轨迹数据集中，渔船总数为n，每条轨迹数据包含的字段有：船号id、采样日期d、经度lon、纬度lat、航速、航向；预处理包括异常数据过滤及插值补齐；

2)数据集特征提取

捕捞时序关系指的是作为特征渔船的一艘渔船与其他渔船在单位时间内出现在同一单位空间且捕捞行为具有先后顺序；

捕捞时序关系的量化及挖掘需要确定单位时间以及单位空间的大小，因此本发明首先从轨迹数据集中提取渔船单次捕捞的相关特征：

a)将每艘渔船两段在港时段之间的时期作为一个航次，统计所有渔船航次的持续天数分布，选定一个百分比N％，相应地，N％的航次都能在D天以内完成，则以D作为本方法的最长航次；

b)渔船进行捕捞时会在一个固定的速度区间航行，利用该速度区间筛选出处于捕捞状态时的轨迹记录r，并据此确定单次捕捞的覆盖区域，具体方法为：统计出所有单次捕捞覆盖地理区域的大小分布，选定关于纬度、经度的百分比W％和J％，相应地，W％的单次捕捞的纬度范围都在l_lat内、J％的单次捕捞的经度范围都在l_lat内，将(l_lat,l_lon)作为一个单位空间大小；

3)捕捞时序关系定义及量化

本发明将捕捞时序关系从空间和时间两方面进行量化：