[发明专利]一种基于蚁群分类算法的渔场预报方法

摘要

本发明涉及一种基于蚁群分类算法的渔场预报方法，包括以下步骤：利用近实时的卫星遥感技术得到的环境数据，并将环境数据和渔获数据进行预处理；对环境数据进行有监督的离散化处理；通过蚁群算法中的AntMiner方法，经训练后得到一系列的渔场判别规则，利用得到的渔场判别规则；将实时或现场环境数据代入渔场判别规则后即可得到实时的渔场预报数据和分布图。

主权项

1.一种基于蚁群分类算法的渔场预报方法，其特征在于，包括以下步骤：(1)利用近实时的卫星遥感技术得到的环境数据，并将环境数据和渔获数据进行预处理；其中，所述渔获数据包括日期、经度、纬度、产量、作业次数和平均日产量，时间分辨率为天，计算CPUE值：其中∑Catch为1°×1°网格中一个月的总产量，∑Fishingdays为当月总的船天数，并将渔区按CPUE值的分位数划分为2类，分别定义为高CPUE渔区和低CPUE渔区；所述环境数据包括海域的海水表层温度、表层叶绿素a浓度、海面高度异常、SST梯度强度、chl梯度强度和SST异常数据；将渔获数据和环境数据按1°×1°的空间分辨率进行网格化处理；(2)对环境数据进行有监督的离散化处理；具体为：选择显著性水平，根据自由度得到对应的卡方值阈值，根据卡方分析方法将具有最小卡方值的相邻区间连续迭代合并，直到满足停止准则；令渔区总个数为N，显著水平为α，划分高、低CPUE的分位数为q，则高CPUE渔场个数为N_H＝N(1‑q)，低CPUE渔场个数N_L＝Nq；不经任何训练、按此高、低CPUE固有的概率随机为各个渔区分配渔场类型的情况下，得到渔场精度经训练后的预报精度为p_α,q，当Δp_α,q＝p_α,q‑p_q'取最大值时，确定出(α，q)的最佳组合；(3)通过蚁群算法中的AntMiner方法，经训练后得到一系列的渔场判别规则，利用得到的渔场判别规则；(4)将实时或现场环境数据代入渔场判别规则后即可得到实时的渔场预报数据和分布图。