不同模型在渔业CPUE标准化中的比较分析.PDFVIP

第 31 卷 第 21 期 农 业 工 程 学 报 Vol.31 No.21 2015 年 11 月 Transactions of the Chinese Society of Agricultural Engineering Nov. 2015 259 ·农产品加工工程· 不同模型在渔业 CPUE 标准化中的比较分析 1,2 2 1 1※ 杨胜龙 ，张 禹 ，张 衡 ，樊 伟 （1. 农业部东海与远洋渔业资源开发利用重点实验室，上海 200090 ； 2. 中国水产科学研究院渔业资源与遥感信息技术重点开放实验室，上海 200090 ） 摘 要：为了提高渔业数据单位捕捞努力量渔获量（catch per unite of effort，CPUE ）标准化数据的质量和模型连续稳定 预测能力，该文采用人工神经网络（artificial neural network，ANN ）、回归树（regression trees ，RT ）、随机森林（random forest，RF ）和支持向量机（support vector machine，SVM）等机器学习方法和传统的广义线性模型（generalized linear model， GLM ）等方法，对2000 －2013年大西洋大眼金枪鱼（Thunnus obesus）延绳钓CPUE数据进行标准化。采用平均绝对误差、 平均均方误差、3种相关系数（Pearson’s ，Kendall’s和Spearman’s）和标准化均方误差等评价指标对不同模型标准化结果 进行对比，寻找较优的标准化方法。研究结果表明，在验证数据集SVM方法得到的3种相关系数（0.596，0473和0.632 ） 和RF （0.623，0.456，0.621 ）相似，高于RT(0.516 ，0.432和0.586)、ANN(0.428 ，0.249和0.365)和GLM(0.199,0.106和0.159) 。 SVM预测的均方误差（11.25）、平均绝对误差（2.107 ）和标准化均方误差（0.652 ）略低于RF （11.655，2.377和0.661 ）， 明显低于RT （14.999，2.434和0.801 ）、ANN(16.692 ，2.883和0.823)和GLM （16.517，2.777和0.993 ）。各项指标揭示SVM 方法要优于其他4种方法，RF次之，GLM计算结果在所有方法中最差，不适合渔业数据CPUE标准化。SVM和RF方法应 该被优先考虑用于渔业数据CPUE标准化。研究结果为渔业资源管理和保护提供更好的支持。 关键词：模型；标准化；支持向量机；随机森林；回归树；人工神经网络；广义线性回归 doi ：10.11975/j.issn.1002-6819.2015.21.034 中图分类号：S931.2 文献标志码：A 文章编号：1002-6819(2015)-21-0259-06 杨胜龙，张 禹，张 衡，樊 伟. 不同模型在渔业 CPUE 标准化中的比较分析[J]. 农业工程学报，2015，31(21)： 259－264. doi ：10.11975/j.issn.1002-6819.2015.21.034 Yang Shenglong, Zhang Yu, Zhang Heng, Fan Wei. Comparison and analysis of different model algorithms for CPUE standardization in fishery[J]. Trans