基于太平洋涛动指数的北太平洋鱿鱼资源量预测方法与流程

本发明涉及北太平洋鱿鱼资源量预测
技术领域：
，特别是涉及一种基于太平洋涛动指数的北太平洋鱿鱼资源量预测方法。
背景技术：
：北太平洋鱿鱼(也称柔鱼)是世界上重要的经济头足类资源，其规模性开发始于上世纪70年代，历史最高产量曾超过50万吨，是日本、中国大陆、中国台湾等国家和地区鱿钓渔业的主要捕捞对象。柔鱼分布在北太平洋海域，受到黑潮暖流和赤潮寒流的影响，海流的交汇情况影响到柔鱼的资源和渔场。已有的研究表明，由于北太平洋鱿鱼是一年生的种类，其资源补充量受到产卵场环境的影响，袁红春等(2013)利用相关性分析，筛选出在产卵区显著影响西北太平洋柔鱼资源量的关键网格点，并采用这些网格点的海表温度、产卵区适宜温度所占面积的比例和单位努力捕获量等数据组织样本，然后利用线性回归、bp神经网络、rbf神经网络和支持向量机等预测方法建立了柔鱼资源量的预测模型。高雪等(2017)根据1998-2008年北太平洋柔鱼生产统计数据和产卵场环境及其气候因子，使用灰色关联分析和灰色预测建模的方法，对产卵期内(1-4月)影响柔鱼冬春生群体资源丰度(cpue)的产卵场环境以及气候指标进行分析，并建立柔鱼冬春生群体资源丰度的预报模型。上述研究表明，目前国内外各学者对北太平洋鱿鱼产卵场环境影响其资源补充量进行了很好的研究，并建立了相应的资源量预测模型，但在如何运用气候因子来提前预测其资源量则是空白。技术实现要素：本发明针对现有技术存在的问题和不足，提供一种新型的基于太平洋涛动指数的北太平洋鱿鱼资源量预测方法。本发明是通过下述技术方案来解决上述技术问题的：本发明提供一种基于太平洋涛动指数的北太平洋鱿鱼资源量预测方法，其特点在于，其包括以下步骤：s1、获取前n年北太平洋鱿鱼分布的北太平洋海域的每月的太平洋震荡指数pdo值；s2、利用时间序列分析方法，对北太平洋鱿鱼资源丰度ln(cpue)与前n年每月的pdo值进行相关性分析，获取在统计上相关的p＜0.05的月pdo值，该些月pdo值作为影响北太平洋鱿鱼资源丰度的气候因子；s3、利用多元线性方程建立多个北太平洋鱿鱼资源丰度预测模型并计算统计上p值，其公式为：ln(cpue)＝a+b1*x1+b2*x2+b3*x3+……+bn*xn，式中，cpue为单船年产量，a为常数，b1、b2、b3、……、bn为方程的系数；x1、x2、x3、……、xn为影响资源丰度的月pdo值；s4、在上述多个北太平洋资源丰度预测模型中，选择统计上p值最小的模型作为最优模型。在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本发明各较佳实例。本发明的积极进步效果在于：(1)利用太平洋震荡指数pdo进行北太平洋鱿鱼资源丰度的预测；(2)选择前2年的9-12月pdo值、前1年的1-4月pdo值、前1年的6-8月pdo值作为气候预测因子；(3)北太平洋鱿鱼资源丰度预测模型为：ln(cpue)＝5.5792-0.1026*pdot-2，12+0.349*pdot-1，1-0.0364*pdot-1，2，pdot-2，12为前2年12月pdo值，pdot-1，1、pdot-1，2分别为前1年1月、2月的pdo值。附图说明图1为基于太平洋涛动指数的北太平洋鱿鱼资源量预测方法的流程图。图2为1994-2016年北太平洋鱿鱼资源丰度ln(cpue)年间变化图。图3为1994-2016年北太平洋鱿鱼资源丰度ln(cpue)实际值与预测值变化分布图。具体实施方式为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。如图1所示，本实施例提供一种基于太平洋涛动指数的北太平洋鱿鱼资源量预测方法，其包括以下步骤：步骤101、获取前n年北太平洋鱿鱼分布的北太平洋海域的每月的太平洋震荡指数pdo值；步骤102、利用时间序列分析方法，对北太平洋鱿鱼资源丰度ln(cpue)与前n年每月的pdo值进行相关性分析，获取在统计上相关的p＜0.05的月pdo值，该些月pdo值作为影响北太平洋鱿鱼资源丰度的气候因子；步骤103、利用多元线性方程建立多个北太平洋鱿鱼资源丰度预测模型并计算统计上p值，其公式为：ln(cpue)＝a+b1*x1+b2*x2+b3*x3+……+bn*xn，式中，cpue为单船年产量，a为常数，b1、b2、b3、……、bn为方程的系数；x1、x2、x3、……、xn为影响资源丰度的月pdo值；步骤104、在上述多个北太平洋资源丰度预测模型中，选择统计上p值最小的模型作为最优模型。下面举一具体的例子来说明本发明，以使得本领域的技术人员能够更好地理解本发明的技术方案。1、材料和方法(1)数据来源北太平洋鱿鱼广泛分布在北太平洋的整个海域，主要作业渔场分布在西北太平洋海域，其产卵场和索饵场的环境状况容易受到太平洋震荡指数(pacificdecadaloscillation，pdo)的影响。太平洋震荡指数是一种以10年周期尺度变化的太平洋气候变化现象。变换周期通常为20～30年。pdo的特征为太平洋北纬20度以北区域表层海水温度异常偏暖或偏冷。在太平洋十年涛动“暖相位”(或“正相位”)期间西太平洋偏冷而东太平洋偏暖，在“冷相位”(或“负相位”)期间西太平洋偏暖而东太平洋偏冷。pdo来自美国华盛顿大学网站(http://research.jisao.washington.edu/pdo/pdo.latest.txt)，其时间段为2000年1月至2017年12月(表1)。北太平洋鱿鱼资源丰度指数cpue(单位为吨/船)来自中国远洋鱿钓船年产量，时间为1994年-2016年(表2)。表11992年1月-2017年12月南极涛动指数月统计表年份1月2月3月4月5月6月7月8月9月10月11月12月19920.050.310.670.751.541.261.91.440.830.930.930.5319930.050.190.761.212.132.342.352.691.561.411.241.0719941.210.590.81.051.230.460.06-0.79-1.36-1.32-1.96-1.791995-0.490.460.750.831.461.271.710.211.160.47-0.280.1619960.590.751.011.462.181.10.77-0.140.24-0.330.09-0.0319970.230.280.651.051.832.762.352.792.191.611.120.6719980.831.562.011.270.70.4-0.04-0.22-1.21-1.39-0.52-0.441999-0.32-0.66-0.33-0.41-0.68-1.3-0.66-0.96-1.53-2.23-2.05-1.632000-2-0.830.290.35-0.05-0.44-0.66-1.19-1.24-1.3-0.530.5220010.60.290.45-0.31-0.3-0.47-1.31-0.77-1.37-1.37-1.26-0.9320020.27-0.64-0.43-0.32-0.63-0.35-0.310.60.430.421.512.120032.091.751.511.180.890.680.960.880.010.830.520.3320040.430.480.610.570.880.040.440.850.75-0.11-0.63-0.1720050.440.811.361.031.861.170.660.25-0.46-1.32-1.50.220061.030.660.050.40.481.040.35-0.65-0.94-0.05-0.220.1420070.010.04-0.360.16-0.10.090.780.5-0.36-1.45-1.08-0.582008-1-0.77-0.71-1.52-1.37-1.34-1.67-1.7-1.55-1.76-1.25-0.872009-1.4-1.55-1.59-1.65-0.88-0.31-0.530.090.520.27-0.40.0820100.830.820.440.780.62-0.22-1.05-1.27-1.61-1.06-0.82-1.212011-0.92-0.83-0.69-0.42-0.37-0.69-1.86-1.74-1.79-1.34-2.33-1.792012-1.38-0.85-1.05-0.27-1.26-0.87-1.52-1.93-2.21-0.79-0.59-0.482013-0.13-0.43-0.63-0.160.08-0.78-1.25-1.04-0.48-0.87-0.11-0.4120140.30.380.971.131.80.820.70.671.081.491.722.5120152.452.321.441.21.541.841.561.941.470.861.0120161.531.752.42.622.352.031.250.520.450.561.881.1720170.770.70.741.120.880.790.10.090.320.050.150.5表21994-2016年中国鱿钓船年产量(2)研究方法与步骤由于北太平洋鱿鱼资源丰度以鱿钓船年平均产量为指标，该指标因生产统计等因素会产生误差，因此对其资源丰度指数通过取自然对数ln(cpue)进行标准化。利用时间序列分析方法，对ln(cpue)值与1992-2016年1-12月的pdo值进行相关性分析，获取在统计上相关的月pdo值(统计上p＜0.05)，这些月的pdo值作为影响北太平洋鱿鱼资源丰度的气候因子。利用多元线性方程建立多个北太平洋鱿鱼资源丰度预测模型，其公式为：ln(cpue)＝a+b1*x1+b2*x2+b3*x3+……+bn*xn。式中，cpue为单船年产量，a为常数，b1、b2、b3、……、bn为方程的系数；x1、x2、x3、……、xn为影响资源丰度的月pdo值。在上述多个鱿鱼资源丰度预测模型中，选择统计上p值最小的模型作为最优模型。2、研究结果(1)年间资源丰度ln(cpue)变化由图2可知，北太平洋鱿鱼资源丰度ln(cpue)呈现显著的年间变化，1996、2001-2002年、2009-2010年、2012-2014年处在低的资源量水平；而1998-1999年、2003-2005年、2007-2008年和2016年则处在高的资源量水平。(2)影响资源丰度ln(cpue)的pdo值资源丰度ln(cpue)与前2年各月的pdo值的相关性分析认为，其资源丰度ln(cpue)与前2年的9-12月pdo值相关性显著，且呈现正相关，其相关系数分别为0.4240(p＜0.05)、0.4689(p＜0.05)、0.4543(p＜0.05)、0.5624(p＜0.01)。资源丰度ln(cpue)与前1年各月的pdo值的相关性分析认为，其资源丰度ln(cpue)与前1年的1-4月pdo值、前1年的6-8月pdo值相关性显著，且呈现正相关，其相关系数分别为0.6998(p＜0.01)、0.6040(p＜0.01)、0.4786(p＜0.05)、0.5418(p＜0.01)，0.4607(p＜0.05)、0.5549(p＜0.01)、0.5383(p＜0.01)。(3)建立资源丰度预测的模型1)预测模型之一以前2年的12月pdo值(pdot-2，12)、前1年的1-2月pdo值(pdot-1，1，pdot-1，2)作为预测因子，建立北太平洋鱿鱼资源丰度预测模型为：ln(cpue)＝5.5792-0.1026*pdot-2，12+0.349*pdot-1，1-0.0364*pdot-1，2其f值为6.6557(p＝0.0029＜0.01)。其实际值与预测值的统计表如表3。表3北太平洋鱿鱼资源丰度实际值与预测值及其残差2)预测模型之二以前2年的12月pdo值(pdot-2，12)、前1年的1-3月pdo值(pdot-1，1，pdot-1，2，pdot-1，3)作为预测因子，建立北太平洋鱿鱼资源丰度预测模型为：ln(cpue)＝5.5787-0.10279*pdot-2，12+0.35079*pdot-1，1-0.04195*pdot-1，2+0.00418*pdot-1，3其f值为4.7294(p＝0.00873＜0.01)。其实际值与预测值的统计表如表4。表4北太平洋鱿鱼资源丰度实际值与预测值及其残差3)预测模型之三以前1年的6-8月pdo值(pdot-1，6，pdot-1，7，pdot-1，8)作为预测因子，建立北太平洋鱿鱼资源丰度预测模型为：ln(cpue)＝5.6543-0.1034*pdot-1，6+0.18587*pdot-1，7+0.05397*pdot-1，8其f值为3.1560(p＝0.04869＜0.05)。其实际值与预测值的统计表如表5。表5北太平洋鱿鱼资源丰度实际值与预测值及其残差4)预测模型之四以前2年的12月pdo值(pdot-2，12)、前1年的1-3月pdo值(pdot-1，1，pdot-1，2，pdot-1，3)、前1年的6-8月pdo值(pdot-1，6，pdot-1，7，pdot-1，8)作为预测因子，建立北太平洋鱿鱼资源丰度预测模型为：ln(cpue)＝5.62596-0.13164*pdot-2，12+0.28371*pdot-1，1+0.11023*pdot-1，2-0.21989*pdot-1，3+0.1814*pdot-1，4-0.21817*pdot-1，6+0.10525*pdot-1，7+0.1348*pdot-1，8其f值为3.8753(p＝0.0131＜0.05)。其实际值与预测值的统计表如表6。表6北太平洋鱿鱼资源丰度实际值与预测值及其残差5)预测模型之五以前2年的12月pdo值(pdot-2，12)、前1年的1-3月pdo值(pdot-1，1，pdot-1，2，pdot-1，3)、前1年的7-8月pdo值(pdot-1，7，pdot-1，8)作为预测因子，建立北太平洋鱿鱼资源丰度预测模型为：ln(cpue)＝5.6019-0.1337*pdot-2，12+0.3172*pdot-1，1+0.06206*pdot-1，2-0.11566*pdot-1，3+0.03404*pdot-1，7+0.0770*pdot-1，8其f值为4.3670(p＝0.00847＜0.01)。其实际值与预测值的统计表如表7。表7北太平洋鱿鱼资源丰度实际值与预测值及其残差6)预测模型之六以前2年的12月pdo值(pdot-2，12)、前1年的1-2月pdo值(pdot-1，1，pdot-1，2)、前1年的7-8月pdo值(pdot-1，7，pdot-1，8)作为预测因子，建立北太平洋鱿鱼资源丰度预测模型为：ln(cpue)＝5.58516-0.13042*pdot-2，12+0.36780*pdot-1，1-0.09524*pdot-1，2+0.04456*pdot-1，7+0.05606*pdot-1，8其f值为5.3082(p＝0.00405＜0.01)。其实际值与预测值的统计表如表8。表8北太平洋鱿鱼资源丰度实际值与预测值及其残差由上述六个模型比较分析可以得出，本研究选择前2年的12月pdo值(pdot-2，12)、前1年的1-2月pdo值(pdot-1，1，pdot-1，2)作为气候预测因子，北太平洋鱿鱼资源丰度预测模型为：ln(cpue)＝5.5792-0.1026*pdot-2，12+0.349*pdot-1，1-0.0364*pdot-1，2。其实际值与预测值的资源丰度变化趋势如图3所示。虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。当前第1页12