基于改进的XGBoost模型预测南太平洋长鳍金枪鱼资源丰度
袁红春
高子玥
张天蛟
上海海洋大学信息学院,上海201306
摘要：为提高渔场资源丰度预测准确性,以单位捕捞努力量渔获量(catch per unit effort,CPUE)为长鳍金枪鱼(Thunnus alalunga)资源丰度指标,利用海洋遥感、Argo等获取的海洋环境因子,在最优分布式决策梯度提升树(XGBoost)模型基础上,采用卷积神经网络(Convolutional Neutral Network,CNN)进行高维海洋环境数据特征提取,并利用模拟退火算法(Simulate Anneal,SA)对最优分布式决策梯度提升树(Extreme gradient boosting,XGBoost)模型进行超参数优化,提出了改进的XGBoost模型CNN-SA-XGBoost模型,实现对南太平洋长鳍金枪鱼资源丰度的回归预测.实验表明,在南太平洋长鳍金枪鱼资源丰度预测中,CNN-SA-XGBoost模型的均方根误差为0.486,较XGBoost减少12.4％,较多元线性回归(Multiple Linear Regression)、随机森林(Random Forest,RF)、BP神经网络等模型预测误差降低11.8％～28.4％.且改进的XGBoost模型在一定程度上改善了传统资源丰度预测模型面对高维环境数据和缺失值较多的渔业生产数据时预测误差较大的问题,为远洋渔场预报提供了新方法.
关键词：资源丰度南太平洋长鳍金枪鱼CNN-SA-XGBoost
分类号：S931.41(水产资源)TP399(计算技术、计算机技术)
资助基金：国家自然科学基金(41776142)上海市青年科技英才扬帆计划资助项目(17YF1407700)大洋渔业资源可持续开发教育部重点实验室开放基金项目(2019-2020)
论文发表日期：2022-04-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：9( 112-120 )
英文信息