基于模糊rbf的渔场栖息地指数预测模型分析-prediction model analysis of fishery habitat index based on fuzzy rbf.docxVIP

上海海洋大学硕士学位论文 上海海洋大学硕士学位论文 PAGE PAGE VI 作者的实际需要，开展金枪鱼渔场渔情预测研究是非常重要的。 鉴于现有水产工作者对于远洋渔业鱼种的渔情预报的研究，本文 总结了它们存在的一些问题。 首先，多元回归分析法常被用来作为传统渔情预测模型的理论工 具，但是研究者忽略了海洋数据本身存在的特性，即因变量与因变量 之间不是简单的独立可分，相互影响是时常存在的。而多元回归分析 的首要假设就是因变量之间的独立性。其次，海洋环境因子较为复杂， 现有的渔情预测模型大多包含的环境因子较少，仅有水温和海面高度 数据。这势必会对渔情预测模型的精度产生影响。现在急需要考虑一 些对渔获量有重大影响的因子。再有，目前大多数的渔情预测模型是 一种关系型模型，即考虑了海洋环境因子和产量之间的关系。而现有 领域专家的专业知识能够为预测模型的建模提供更多指导意义，但目 前使用率不高。最后，径向基神经网络存在的优点已经被许多学者加 以验证，但是针对其具有的神经网络的黑箱性质的研究，大多是停留 在专家系统，或是利用其它系统模拟得出。很少有研究者尝试从神经 网络本身挖掘规则。虽然神经网络的发展时间较长，理论较为完善。 但是目前研究者大多采用模型仿真实验的方式模拟假设，这极大的限 制了神经网络应用于实际的能力。因此，如何将神经网络的理论真正 应用到实际也是值得研究的问题。本文主要研究的内容是，根据收集 到的印度洋金枪鱼作业钩数、产量数据和海洋环境因子数据(海水温 度、叶绿素浓度和海面高度)以及渔业方面专业领域知识利用径向基 神经网络加以学习，并提取渔业知识。分析印度洋金枪鱼的栖息地指 数，最终得到较好的渔情预测模型。这个预测模型系统可以用来指导 渔业生产和钓捕活动，探索和发现渔场分布。主要研究内容为以下几 个方面： （1）知识挖掘算法对比研究。现有的知识挖掘算法包括决策树、 支持向量机(Support Vector Machine，SVM)，关联规则，K-Means 聚类、遗传算法、模糊分类和聚类、粗糙分类和规则归纳、神经网络 等方法。综合考虑现有方法的优缺点，针对海洋渔业数据特性，采用 神经网络中的 RBF 神经网络方法挖掘渔类栖息地相关知识，为进一步 分析和预测渔获数据提供数据支撑。 （2）数据收集。收集印度洋海域海洋环境因子数据，包括海面 温度、海水深层温度、海面高度、叶绿素浓度等，以及 1999 年 1 月 到 2009 年 12 月之间印度洋 5°N -5°S，40°E -80°E 区域内金枪 鱼延绳钓作业产量数据。环境因子中 SST 和 SSL 数据的空间分辨率是 0.25°×0.25°，而产量数据是 5°×5°区间内的平均值。因此在 数据分析前必须将海洋环境因子数据与栖息地指数匹配，确保在同一 标准基础上度量，本文采用双线性插值算法对数据进行同一化处理， 目的是提高数据的可用性和可靠性。 （3）改进 RBF 神经网络应用效果。径向基神经网络学习方法主 要针对其基函数中心和宽度的确认。本文使用模糊聚类算法、改进后 的宽度共同训练径向基神经网络，获得的模型可用于预测。 （4）利用智能搜索方法获取 RBFNN 隐含知识。现有神经网络的 一个重要缺点是难以被理解的网络处理过程，如何有效显示神经网络 VII VII 内含规则，成为本文研究的重点。结合领域专家的意见，确定样本数 据的离散化分析，并将这些数据用于径向基神经网络中，为利用和声 搜索提取神经网络知识做准备。 本文首次提出利用和声搜索算法描述神经网络的规则知识,并将 改进后的 RBF 神经网络应用到渔情预测系统中。该模型可获得有价值 的渔业知识，能够分析渔场渔情，提高预测精度。为完善神经网络在 渔情预测中的研究提供了新的思路。 关键词：大眼金枪鱼延绳钓、渔情预测、 RBF 神经网络、模糊聚类、 和声搜索 PAGE PAGE VIII Abstract As an integral part of our fisheries industry, marine fisheries also occupy an important position in the national economy. As the waters worldwide overfishing and serious environmental pollution, the current bottom fish resources have been severely damaged, while cephalopods and pelagic fish production was not affected. Thus, the tuna fisheries, especially on o