申请/专利权人：上海海洋大学

申请日：2024-03-29

公开（公告）日：2024-06-11

公开（公告）号：CN118172189A

主分类号：G06Q50/02

分类号：G06Q50/02;G06Q10/04;G06F18/27;G06F18/20

优先权：

专利状态码：在审-公开

法律状态：2024.06.11#公开

摘要：本发明公开了一种基于联合物种分布的多种类渔场预测方法，是基于不同中国远洋渔业组织所获取的渔业数据，综合考虑不同环境因子组合对模型预测能力的影响。本发明利用最优子集的方法选取最优模型，综合考虑所有环境因子的组合方式，评估和预测西北太平洋中上层渔业物种的栖息地分布，通过该发明能准确探明西北太平洋中上层经济物种的渔场时空分布，有利于精准定位渔场位置，提高企业捕捞效率和产量；相对于传统的单物种分布模型，本发明利用多物种的联合物种分布模型，并将种间关系纳入分布模型当中，使得模型结果更接近实际情况，预测效果更为准确。

主权项：1.一种基于联合物种分布的多种类渔场预测方法，其特征在于，包括如下步骤：S1.对中国远洋渔船在公海的所捕获沙丁鱼、秋刀鱼、日本鲭和柔鱼时所获得的渔业数据，并将所有渔业数据按年进行统计到1°×1°的网格当中，以便于环境数据进行匹配,得到一一对应的年份下经纬度数据、渔业捕捞数据与环境数据；S2.对于所有的渔业数据，以物种存在不存在为作为模型的响应变量，即当物种存在时即为1，物种不存在即为0，统计所有位置下四个物种的存在信息，为建立模型做准备；S3.综合选取目前运用较为广泛的四个联合物种分布模型：贝叶斯排序与回归分析、广义联合属性建模、物种群落层次模型和贝叶斯群落生态学分析进行建模和评价，以便选取最优的模型；S4.运用最优子集回归法，即将所有的环境因子进行随机组合后，共计约有8188个组合形式，在依次进行建模生成对应的子模型，并统计所有模型的评价结果；S5.随机抽取2017～2020年的渔获数据中的80％的数据进行建模，剩余20％的数据进行验证，评估模型的模拟当前物种分布的能力，将2021年的渔获数据带入模型进行时间外推验证，评估模型对每个物种分布的预测能力；S6.统计每个模型在所有环境因子组合下的子模型的评价指标，以获取模型对每个物种的分布预测的评价指标，对于某个模型下某一个组合形式的子集模型，会对应8个AUC值；S7.重复步骤S5，重复随机抽取2017～2020年渔获数据中80％的数据，重复建立所有的备选模型100次，并进行对应指标评价，以消除数据的抽样所带来的误差，并综合选取最优模型；S8.选取最优模型之后，将2017～2021年的所有空间上的环境数据带入模型当中进行空间上的外推验证，并绘制物种栖息地适宜性分布图，并与实际捕捞物质进行验证，评价模型是否过拟合。

全文数据：

权利要求：

百度查询： 上海海洋大学 一种基于联合物种分布的多种类渔场预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD