基于粒子群可拓的南太平洋长鳍金枪鱼产量预测方法研究

长鳍金枪鱼(Thunnus alalunga)作为大洋中上层洄游性鱼类,因其经济价值高、分布范围广而成为各渔业国家的主要捕捞对象之一。结合南太平洋长鳍金枪鱼渔业捕捞作业背景,提出一种新的面向渔业应用的产量预测方法。依据2000—2015年南太平洋长鳍金枪鱼的延绳钓渔获数据、空间因子以及海表温度、海面高度和叶绿素a质量浓度等关键影响因子数据,利用可拓神经网络模型对金枪鱼进行产量预测,并采用粒子群算法(PSO)进行权值优化。结果显示:总召回率达到68%,较传统方法有所提高,对高产区预测有较大优势,召回率达到74.2%,但对中产区的预测效果明显低于高产区和低产区。研究表明,利用粒子群可拓的方法可解决可拓神经网络中经典域不易确定的问题,对丰富渔场预测方法和合理捕捞作业具有一定的指导作用。