基于EMD-BiLSTM的太平洋大眼金枪鱼渔场预报模型研究

作者：袁红春; 张永; 张天蛟

来源：渔业现代化, 2021, 48(01): 87-96.

• 渔场预报
• EMD-BiLSTM
• 神经网络
• 分解分量
• 大眼金枪鱼

大眼金枪鱼(Thunnus obesus)是太平洋延绳钓的主捕鱼种之一,针对多数传统预报模型存在的问题,提出了基于经验模态分解和双向长短时记忆神经网络(EMD-BiLSTM)的渔场预报新模型,以实现一种新的面向渔业应用的产量预报方法。首先,通过经验模态分解机制(EMD)对单位捕捞努力量渔获量(CPUE)序列进行分解,得到不同尺度的分解分量(IMF);然后结合各影响因子对IMF分量分别建立双向长短时记忆神经网络渔场预报模型(Bi-LSTM),使神经网络的数据处理优势得以充分发挥;最后整合各项结果作为最终预报值。结果显示:与Bi-LSTM模型相比,均方根误差和绝对误差分别降低0.053和0.018;与BP模型相比,均方根误差和绝对误差分别降低0.208和0.048。研究表明,EMD-BiLSTM模型具有较高的预报准确率,可为渔场预报相关研究提供一种新思路。

• 单位
  上海海洋大学