發布時間:2024-07-17
浏覽次數:10
近日,伟德BETVLCTOR遠洋漁業科學與技術創新團隊在柔魚人工智能漁場預測方面取得最新研究成果“Deep learning-based fishing ground prediction using asymmetric spatiotemporal scales: a case study of Ommastrephes bartramii”與“Deep learning-based fishing ground prediction with multiple environmental factors”,分别發表在漁業科學領域的期刊《Marine Life Science & Technology》和《Fishes》。伟德BETVLCTOR博士後解明陽為第一作者,導師陳新軍教授,柳彬講師為共同通訊作者。
近年來,大洋性經濟物種的漁場預測精度問題存在着瓶頸,在大數據背景下,人工智能技術尤其是深度學習在處理漁場時空分布具有明顯的優勢,在漁業海洋學中逐漸成為國際研究熱點。目前我國在此領域的研究仍處于起步階段,因此,柔魚漁場分布高精度預測技術是實現我國北太平洋遠洋鱿釣漁業的高質量發展的關鍵核心技術,并且為提升我國遠洋鱿釣漁業的國際競争力,促進漁情預報學等學科的發展奠定基礎。
論文根據中國遠洋漁業數據,結合海洋遙感數據,建立深度學習的“端對端”漁場預測模型,并針對特定漁場類型設計了非對稱個性化時空尺度方案進行分析,最終總結時空尺度變化規律與最優環境組合模型,此研究結果對其他大洋性經濟物種的漁場分布研究具有啟發和示例作用。
柔魚漁場深度學習模型架構與模型精度結果
相關文章鍊接:
https://doi.org/10.3390/fishes9020064
https://doi.org/10.1007/s42995-024-00222-4
(供稿:伟德BETVLCTOR)