基于GM(1,1)模型对垦区奶牛生产发展的预测

介绍了灰色理论GM(1,1)预测方法,利用黑龙江垦区2002~2005年年末奶牛存栏数建立了垦区奶牛生产发展预测模型。模型精度为很好,用该模型进行预测,能反映出垦区奶牛生产的发展变化情况,并基于预测分析对垦区奶牛发展提出建议和对策。     

设备状态趋势预测的灰色累加生成模型方法及应用

灰色理论以其新颖的思路及广泛的适用性，在理论及工程领域中日益起人们的高度重视，并迅速被成功地应用于诸如社会，经济及工程等许多领域。灰色理论中，灰色预测是其重要的组成部份之一。由于其方法上的特点，灰色预测模型有可能成为机械设备状态监测，故障诊断及趋势分析中的一种新的闪有效工具。本文首先简单介绍了灰色预测模型的有关概念，其次给出了建模的一般过程及模型应用于趋势分析的基本原理，进而总结了用灰色预测模型进     

灰色拓扑模型在海州湾人工鱼礁区水质预测的应用

该研究分别采用残差修正的GM(1,1)模型和灰色拓扑预测方法对2007—2017年春(5月)、秋(10月)海州湾人工鱼礁区的溶解氧(DO)、化学需氧量(COD)、生化需氧量(BOD5)及溶解无机氮(DIN)4个指标的监测数据建立水质预测模型并选择精度较高的模型预测2018—2022年的水质变化趋势,最终利用2018年的调查数据对预测结果进行检验。结果表明,灰色拓扑模型相较于残差修正的GM(1,1)模型针对水质数据具有更好的预测精度,预测结果与2018年的调查结果较吻合,可信度较高;预测结果显示,DO和COD在2018—2022年能够保持良好的水质状态,可见人工鱼礁建设对海域水环境状况具有一定的修复作用,但BOD5和DIN存在一定的超标风险;针对灰色拓扑模型的改进仍具有很大的研究空间,有待进一步挖掘。     

用灰色理论预测青海湖裸鲤的年产量效果比较理想

本刊讯：传统的数学方法只适用于局部分析，很难做出宏观结论。武汉工学院刘军先生用灰色理论预测青海湖裸鲤的年产量，以1991～1998年青海湖裸鲤统计数据为基础，建立了灰色系统理论预测模型，用该模型对1999年青海湖裸鲤年产量预测，结果表明，1999年青海湖裸鲤年产量的预测值为776．8t，与实际产量807t的相比对误差为3．73％，研究认为，模型预测的效果比较理想。[第一段]     

神经网络在养殖水质精准预测方面的研究进展

目前神经网络研究文献成果较多，虽然在水质精准预测方面起到了一定的参考，但由于文献缺少科学分类，使用率不高，导致学者难以找到研究切入点。针对这一问题，本文将神经网络方法在养殖区水质精准预测方面的文献按照海水和淡水两大领域进行分类，主要对每个领域所应用的预测模型从正反馈架构、循环架构和混合架构三个方向对海水时空序列文献进行分类研究和综述，发现混合架构模型的预测性能优于正反馈模型和循环架构模型，有利于提升不同深度水质预测模型的精度。另外，本文对基于神经网络方法的三维水质预测模型进行了初步探讨，发现学者的研究成果更多地集中在水表层和水中层的不同位置水质参数的变化方面，而神经网络方法对水表层水质预测精度比水中层和水深层水质预测精度高。     

基于优化灰色模型的南海鸢乌贼资源丰度预测

鸢乌贼(Sthenoteuthis oualaniensis)是南海重要的经济头足类之一,巨大的开发潜力与经济价值使其在我国南海海洋渔业中的地位日益凸显。为深入了解南海鸢乌贼单位捕捞努力量渔获量(Catch per unit effort, CPUE)变化情况并作出科学预测,文章选择构建灰色预测模型GM (1,N),结合海洋环境因子,对2013—2019年春夏季南海鸢乌贼生产数据进行拟合预测,使用Simpson公式和Fourier级数改造原模型背景值并对拟合值残差做修正。结果显示,在鸢乌贼CPUE预测上,普通GM (1,N)模型的平均相对误差为7.78%,优化灰色GM (1,N)模型为2.54%;在2019年鸢乌贼CPUE预测上,优化灰色GM (1,N)模型将相对误差从普通GM (1,N)模型的4.79%降至1.87%。结果表明,优化的灰色模型较普通多因素GM (1,N)模型的预测精度更高,为准确预测鸢乌贼资源相对丰度提供了一种新思路。     

基于灰色系统的北太平洋柔鱼渔汛特征分析及旺汛期预测

柔鱼(Ommastrephes bartramii)是大洋性经济头足类,是我国远洋鱿钓渔船重要的捕捞对象。分析柔鱼渔汛特征并预测旺汛期,有助于柔鱼资源的合理开发与利用。本研究根据2013―2017年北太平洋柔鱼渔业生产统计数据,以每日平均渔获量(CPUEday)作为资源丰度,利用分位数的方法划分旺汛期;结合灰色波形预测方法,对旺汛期日期序列建立灰色波形预测模型群[GM(1,1)模型],对旺汛期出现的时间进行预测。结果显示,北太平洋柔鱼渔汛时间最早为5月12日,一直持续到年终;旺汛期为每年的8―11月,第1旺汛期基本在8月出现。GM(1,1)模型的平均相对误差为6.83%,旺汛期日期序列预测的平均相对误差为8.19%,验证数据的平均相对误差为15.82%,表明此模型可预测北太平洋柔鱼的旺汛期。研究结果可为远洋渔业企业的高效率、合理化的科学生产提供技术支撑。     

山东省海洋渔船结构配比的线性规划

通过对山东省海洋捕捞渔船现状的分析，运用灰色系统理论对２０００年的渔捞努力量进行预测，并在此基础上对山东省海洋捕捞渔船结构配置进行了优化。研究结果表明：总努力量应控制在７３．５×１０４ｋＷ以内；压缩１４ｋＷ以下、１６～４４ｋＷ和８８～１４６ｋＷ渔船；稳定１５ｋＷ渔船；发展４５～８７ｋＷ、１４７～２９３ｋＷ和４４１ｋＷ以上级别渔船。     

灰色预测模型在青岛市淡水养殖产量预测中的应用

渔业系统是个多因素、多层次和多目标的大系统，由诸多错综复杂的关系所组成。灰色预测是建立从过去引伸到将来的灰色预测模型（grey prediction model），从而确定所研究系统未来发展变化的趋势，为决策者提供科学依据。文章应用灰色预测模型对青岛市淡水养殖产量进行了预测。应用5、10和20年的养殖产量数据估算2010年的产量分别为9．34×10^4、11．71×10^4和24．1×10^4t。文章讨论了这些差异不是由于模型的失败，而是由于数据的不同造成的，建议应用5年的数据的预测结果。     

BP神经网络在渔船航行安全预警中的应用

渔船在海上航行时由于船体自身结构或者海面风浪等不利因素的影响,时常处于潜在的威胁当中。为了研究渔船在海洋环境中可能会遭受的风险,采用基于BP神经网络算法,对渔船吨位、发动机功率、渔船材质、渔船船龄以及渔船所处海面风等级、海面浪等级等6个预警指标要素构成的渔船预警模型进行评估,最终确定渔船在海上航行时的风险等级。在构建风险预警模型中使用了400个渔船事故案例,将训练样本按照数量划分为多个级别进行验证。预警模型结果与实际值比较显示,模型的正确率为79.76%~83.62%,其中在训练样本数为测试样本数的0.75倍时,模型精度最高。研究表明,基于BP神经网络的渔船风险预警模型的评估结果与渔船实际事故状态基本相符。该模型的建立为渔船海上航行提供了安全保障。     

以遥感夜间灯光数据为基础的西北太平洋秋刀鱼渔船识别

研究和开发利用大洋性生物资源是实现我国海洋渔业可持续发展的重大战略需求,西北太平洋秋刀鱼是近年来我国重点开发的大洋性渔业资源之一,因此利用卫星来监测渔船时空分布动态成为了解秋刀鱼渔业资源变动的重要数据源。本研究采用峰值检测和阈值分割等方法对西北太平洋夜间灯光数据进行识别,利用地理信息系统技术对渔船位置信息和数量进行提取分析。通过西北太平洋秋刀鱼资源调查的渔捞日志和经过筛选的北太平洋渔业委员会(NPFC)渔船列表数据对识别结果进行验证。结果显示,本研究所用的夜间灯光渔船识别方法可以精确识别西北太平洋密集作业及外围分散作业的秋刀鱼渔船。以此为基础可以有效地分析秋刀鱼渔场的时空变动。结合美国国家海洋和大气管理局(NOAA)提供的海表温度(SST)数据绘制等温线,进一步分析作业渔场的时空变化,发现夜间灯光渔船作业的温度范围随着秋刀鱼洄游而变化。2016年7—9月渔场的SST波动较大是因为这一时期秋刀鱼在黑潮—亲潮广泛的交汇区域洄游,分布更为广泛,9月之后作业渔场SST变动趋于稳定。该研究结果将来会对远洋渔场环境实时变化、鱼群分布预测、渔船动态及法律支撑等提供有效信息。     

2014年江苏省刺网渔业生产时空分布特征

基于抽样调查获得的2014年江苏省沿海刺网渔船生产数据,对江苏刺网渔业生产和渔获结构时空分布进行了初步分析。结果表明,江苏刺网渔船基本为本地近海生产,未出现远赴外地渔场生产情况;江苏中部以北近岸水域为刺网渔船主要作业渔场,而中部以南近岸水域少有渔船作业,可能是因为受航道、其它网具占用渔场、或捕捞对象分布习性等因素影响。伏季休渔前后在江苏中北部近岸水域,冬末春初在长江口渔场中部外侧水域,生产情况均相对较好,这可能与捕捞对象产卵、越冬行为相关。吕四渔场和大沙渔场是江苏刺网渔船主要作业水域,随着水温季节性变化,其生产范围会相应往北部和南部水域适当扩大;年初主要集中在吕四渔场,年末集中在大沙渔场;伏休前生产范围最广,伏休后生产范围有所收缩。另外,刺网捕捞主要渔获为价值较低的小个体鱼类和虾类,传统经济鱼类所占比例较低。由于刺网网目尺寸偏小,加上拖网、张网和多重刺网的泛滥使用,对渔业资源补充造成危害;刺网已经失去了传统上被认为是具有高度选择性的优良特征,建议管理部门重新考虑相关管理策略,开展针对各个渔业种群进行差别化精准管理研究。     

福建省海洋捕捞渔船现状的分析

据普查,福建省现有各类海洋捕捞渔船32556艘,平均功率45.9kW。其中拖网渔船4425艘,占总功率的53.3％,产量占总海捕量的42.3％,受燃油涨价和资源衰退影响,许多拖网船亏本经营、全省现登记在册的定置网渔船有7389艘,定置渔船的大型化、钢质化,并向外拓展已成潮流。全省围网船376艘。全省现有渔船总数太多,捕捞结构不合理已成主要问题,减船转产势在必行。     

泉州市渔船历史沿革及今后发展方向

渔船是渔民出海捕鱼的主要工具。从古至今，泉州海洋捕捞渔船的发展历程经历了三个阶段：木帆渔船时期、机帆渔船时期、钢质渔船时期。本文在对三种类型渔船发展历史沿革进行回顾的同时，重点对近20年来钢质渔船的发展变化进行总结，并对渔船目前存在的问题及今后的发展方向进行探讨。     

闽东渔场张网禁渔区研究

本文首先收集了张网渔船在闽东渔场生产的海区、渔船数量、渔船功率和产量。然后检测了在不同深度海区捕捞的渔获组成并分析和比较其结果,最后提出了如何管理闽东渔场张网的一些建议。张网是一种严重损害经济鱼类幼鱼的渔具,其生产渔场不应扩大;40米等深线外海域的渔获个体较大,表明张网在40米等深线外海域损害幼鱼的程度比40米等深线内海区小,可以把“40米等深线以外海域为张网作业的禁渔区”的规定改为“在拖网禁渔区线以外海域为张网作业的禁渔区”。     

我国海洋渔船发展策略研究

阐述了我国渔船发展的现状:捕捞渔船数量多、规模大、能耗高,木质渔船仍是捕捞渔船的主体;渔船玻璃钢化具备了一定的技术和产业基础,但发展滞缓;远洋渔船建造技术基础初步形成;船型优化技术研究与应用取得成效。指出了我国渔船装备存在的主要问题:渔船装备老化现象严重;船型杂乱;主机配置及船机桨匹配差异大;玻璃钢渔船推广应用难度较大;过洋性作业渔船装备面临升级换代;大洋性作业渔船整体性能落后。提出了发展战略:重点推进近海渔船"以小置大、以钢代木"工程,实施标准化升级改造;加快实施远洋渔船装备国产化进程;发展现代化科学考察船和渔政管理船;鼓励发展海上养殖渔船与休闲垂钓渔船。     

江苏流刺网不同马力渔船作业的时空特征

本文基于抽样调查获得的2014全年江苏省沿海刺网渔船的生产数据,对江苏刺网不同马力渔船生产习惯,包括时间和空间上的选择特征,进行了初步研究。分析结果发现,不同马力渔船生产时间有一定差别,多数渔船主要生产时间均在伏季休渔结束后;小马力渔船不仅伏休后出航率较高,年底出航也保持较高水平。江苏刺网渔业整体生产有明显的季节特征,年初1—3月出航船数处于全年最低水平;清明节后、伏休前4—5月,出现一个生产小高潮;休渔结束后出航船数为全年最高水平。不同马力渔船空间分布不同,小马力渔船外海水域分布相对较少,随着马力增大渔船生产水域往外海和往北方向水域生产的可能性更大。不同月份渔船空间分布不同,1—3月生产处于偏北、偏近海水域; 4—5月生产偏向外海,相对前期南北方向变化不大、仍处于偏北水域; 8―9月偏近海和北部水域; 10—12月向南和外海移动进行生产。另外分析渔船的生产能力与马力之间的关系发现,渔船马力大小与单位捕捞努力量渔获量(CPUE)之间存在着正相关关系,关系式为CPUE=5.3428e~((0.0062′Power)),该结果可以为江苏刺网渔船捕捞强度的评估提供重要参考。最后基于研究结果,针对刺网渔船时间和空间上的生产特征提出了相应管理建议。     

玻璃钢渔船舭龙骨连接形式的研究

在对玻璃钢渔船舭龙骨连接形式调查研究的基础上，根据舭龙骨在水中所起到的阻尼作用，计算渔船舭龙骨板所爱的应力；并根据４种玻璃钢骨架的剥离试验数据，计算出玻璃钢渔船舭龙骨的连接强度。将计算结果与试验结果相比，选出了适合不同玻璃钢渔船的舭龙骨连接形式。     

西北太平洋柔鱼渔情速报系统的开发

The neon flying squid, Ommastrephes bartrami, is one of the most important jig fisheries in the northwest Pacific Ocean. In order to understand the movement of O. bartrami fishing-ground better and supply O. bartrami fishing-ground information for Chinese fishing boats in the northwest Pacific ocean, the fishing condition analysis and forecasting system of O. bartrami was developed successfully. The system was based on established comprehensive database, which included the catch data of O. bartrami (total yields, count of total fishing boats, fishing position etc. ) and oceanic environmental information (SST, SST gradient etc. ). Artificial intelligent technology about case-based reasoning was also combined with GIS component technology successfully in the system. The process and function of system establishment are composed of four parts: setting up of case database for central fishing-ground and its environmental factors, knowledge reasoning of fishery information, GIS visualization analyzing as well as trend forecasting of central fishing-ground and information production mapping. At last as an example of the results, an experimental central fishing-ground forecasting of O. bartrami from 9 to 15 in July 2002 in the northwest Pacific Ocean was given in the paper. The results showed that through three class similar searching forecasting central fishing-ground would move west, and indicating that forecasting of the system for O. bartrami central fishing-ground was correct by comparing to real fishing-ground from 16 to 22 in July 2002. Consequently, artificial intelligent expert system technology about case-based reasoning is a useful method for fishing condition and fishing-ground forecasting.