發布時間:2024-12-10
浏覽次數:23
近日,伟德BETVLCTOR遠洋漁業科學與技術創新團隊在大洋性鱿魚AI漁情預報方面取得最新研究成果“Short to medium-term forecasting of fishing ground distribution based on deep learning model”,發表在漁業科學領域的頂級期刊《Canadian Journal of Fisheries and Aquatic Sciences》。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。該研究得到了國家重點研發計劃和國家自然科學基金的支持。
近年來,大洋性經濟物種的中心漁場預報技術雖然取得了較好的應用與研究成果,但還存在着亟待解決的問題,即絕大多數為近實時預報,缺乏對精細時間尺度下短中期未來變化的連續預測。深度學習作為人工智能技術中的研究熱點,在處理漁業海洋學中數據量龐大且複雜的時序預報問題上具有明顯的優勢。提高大洋性鱿魚漁情預報的時效性可促進我國遠洋鱿釣漁業的高質量發展,為實現遠洋漁業智能化奠定基礎。
研究根據中國遠洋漁業數據,結合海洋遙感數據,構建了西北太平洋柔魚中心漁場短中期預報模型框架,對比分析了多種統計學、機器學習模型結果,探讨了不同時間尺度及提前時刻對模型精度和時效性的影響,從漁業海洋學角度解釋環境場時序波動信息與中心漁場的耦合關系,從人工智能學的角度加強了對中心漁場形成、發展趨勢的理解和認知,為實現中心漁場未來趨勢發展的預測提供了新方法。
圖1 基于深度學習的西北太平洋柔魚漁場預報模型構建流程及架構
圖2 不同時間尺度下環境場時序波動信息與中心漁場的耦合關系
文章鍊接:https://doi.org/10.1139/cjfas-2024-0124
(供稿:伟德BETVLCTOR)