发表之家网站,学术咨询:400-888-7501 订阅咨询:400-888-7502 股权代码 102064

基于融合深度学习模型的长鳍金枪鱼渔情预测研究

作者:袁红春; 陈骢昊 上海海洋大学信息学院; 上海201306
渔情预测   深度学习   单位捕捞努力量渔获量  

摘要:南太平洋渔场环境复杂,传统的渔情预测方法难以从渔场影响因子数据中提取有效特征。提出一种融合深度学习模型CNN-GRU-Attention,以实现对南太平洋长鳍金枪鱼(Thunnus alalunga)渔场单位捕捞努力量渔获量(CPUE)的预测。首先利用卷积神经网络(CNN)提取单个渔场范围内影响因子特征数据,得到与渔场CPUE值相匹配的一维特征数据,然后通过门控循环(GRU)实现对渔场CPUE值的预测,最后使用Attention机制,利用权值分配加速模型收敛,实现对模型的优化,并利用相同数据在不同模型上进行对比试验。结果显示:与传统预测模型多层前馈网络(BP)相比,绝对误差降低0.047,均方根误差降低0.352;与GRU相比,绝对误差降低0.012,均方根误差降低0.055。试验结果证明了CNN-GRU-Attention模型的有效性,为渔情预测方法提供了一种新的思路。

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

投稿咨询 免费咨询 杂志订阅
在线咨询 投稿咨询 加急见刊 杂志订阅 返回首页