本发明涉及一种基于灰色系统的渔情预报方法，特别是涉及西北太平洋柔鱼冬春生群体资源丰度的预测方法。
背景技术：
：渔情预报是渔业生产的关键环节，对西北太平洋柔鱼(Ommastrephesbartramii)冬春生群体资源丰度的预报有利于西北太平洋柔鱼冬春生群产量、中心渔场位置和鱼汛期的预报。柔鱼一般生命周期为一年，其产卵期为1—4月，当年产卵孵化成功与否直接决定了其补充量的大小进而决定了资源的丰欠，而当年产卵场环境的好坏必然导致了其资源的变化。外界的环境因子包括海表面温度(Seasurfacetemperature,SST)、叶绿素浓度(Chlorophyll-aconcentration,Chl-a)、厄尔尼诺指数(El-ninoindex)和太平洋年代际震荡指数(PacificDecadalOscillation,PDO)。渔情预报是渔场学研究的重点。准确的渔情预报可以指导企业合理安排渔业生产，缩短寻找渔场的时间，减少成本、提高渔获产量。通常渔情预报包括渔场预报和资源丰度预报，本发明涉及资源丰度的预报。我国于20世纪50年代开始对近海主要经济鱼种进行渔情预报工作，积累了丰富的经验。20世纪80年代以来，地理信息系统的发展为渔情分析和渔场预报研究提供了强大的分析工具。海洋卫星遥感技术的普及使得人们能快速获取大范围内的海况信息，实时船位监控及海事卫星通讯技术使得远洋渔船能有效地接收渔情预报机构的实时预报，这些高新技术发展为开发高效的渔情预报提供了支撑。然而，在目前的资源丰度预报中，人们往往利用影响某一预报种类的一个环境因子，或者几个环境因子，采用线性模型来进行预报，这些预报尽管取得了较好的预报结果，通常预报精度在70％左右，但是由于海洋生态系统通常是非线性的，影响因子是相互影响和相互作用的，线性模型不一定能够很好的模拟；此外，利用线性模型在统计上往往需要很长的时间序列，一般来说其样本要在30个以上，这样才符合统计学的要求。这些条件和要求制约着传统资源丰度预报模型精度的提高。预测实际上就是借助于对过去的探讨来推测、了解未来的发展趋势。灰色系统理论是我国著名学者邓聚龙教授1982年创立的一门新兴横断学科，它以“部分信息已知，部分信息未知”的“小样本”、“贫信息”不确定性系统为研究对象，主要通过对“部分”已知信息的生成、开发，提取有价值的信息，实现对系统运行的有效控制。灰色预测则通过原始数据的处理和灰色模型的建立，发现、掌握系统发展规律，对系统的未来状态做出科学的定量预测。但同一预测又可以利用不同的灰色预测模型，因此选用哪种结构的灰色预报模型是合适的、精度更高，就需要我们进行对比和选择。选择正确的预报模型可以有效地提高渔船的生产效率，并给企业的年度规划提供参考依据。技术实现要素：本发明为了克服现有技术中渔情预报中所存在的问题，提出一种基于灰色系统的西北太平洋柔鱼冬春生群体丰度预测方法。本发明的技术方案采用西北太平洋柔鱼生产统计数据和产卵场环境数据，其特征包括以下步骤：(1)通过遥感卫星获取nino3.4距平、PDO数据、海表面温度SST和叶绿素浓度chl-a4个海洋环境与气候因子；(2)对4个海洋环境与气候因子进行灰色关联分析，即以当年的CPUE为母序列，以对应当年产卵时间内各月的产卵场环境指标及气候指标为子序列，分别计算各个子序列与母序列的灰色绝对关联度，通过灰色绝对关联度的大小对各指标的重要性进行评价；(3)根据灰色关联分析的结果选择关联度最高的4个因子为：3月份产卵场平均海表面温度SST、1月份太平洋年代际震荡指数PDO、4月份nino3.4距平和4月份平均叶绿素浓度chl-a；(4)根据选取的4个因子建立8种基于灰色系统的西北太平洋柔鱼冬春生群资源丰度预报模型，分别为：GM(0,1)、GM(0,2)、GM(0,3)、GM(0,4)、GM(1,1)、GM(1,2)、GM(1,3)、GM(1,4)；(5)对8种预报模型进行有效性检验，选取灰色关联模型GM(1,4)结构作为西北太平洋柔鱼冬春生群体丰度的预测方法。本发明由于采用1998-2007年西北太平洋柔鱼生产统计数据和产卵场环境数据，使用灰色系统理论中的灰色关联分析和灰色预测建模的方法，对产卵期影响柔鱼冬春生群体资源丰度的环境因子进行分析，由此得到各指标的重要性评价，选择关联度最高的4个因子，并以此建立8种西北太平洋柔鱼冬春生群体资源丰度的灰色预测模型，并比较其预报精度，最终选取灰色关联模型GM(1,4)结构作为西北太平洋柔鱼冬春生群体资源丰度的预测方法。该灰色关联模型对西北太平洋柔鱼冬春生群体资源丰度的预测精度达到90％以上，比传统预报模型预报精度(70％)有了明显的提高。西北太平洋柔鱼冬春生群体资源丰度的预报结果及时提供给用户及相关部门，以供渔业生产与安排的科学参考，今后可作为一种产品进行实时发布。具体实施方式基于灰色系统的西北太平洋柔鱼冬春生群体丰度预测方法，采用西北太平洋柔鱼生产统计数据和产卵场环境数据，其特征在于包括以下步骤：(1)通过遥感卫星获取nino3.4距平、PDO数据、海表面温度SST和叶绿素浓度chl-a等4个海洋环境与气候因子；(2)对4个海洋环境与气候因子进行灰色关联分析，即以当年的CPUE为母序列，以对应当年产卵时间内各月的产卵场环境指标及气候指标为子序列，分别计算各个子序列与母序列的灰色绝对关联度，通过灰色绝对关联度的大小对各指标的重要性进行评价；灰色绝对关联度计算方法如下：现假设有母序列X0和子序列X1、X2、X3、X4和X5，求母序列与个子序列的绝对关联度。第一步：进行始点零化由可求得；x00(1)=x0(1)-x0(1)=0]]>x00(2)=x0(2)-x0(1)=2.72-2.64=0.08]]>同理可获得其他零点化值，如下。第二步：求|s0|、|si|和|si-s0||s0|=|Σk=26x00(k)+12x00(7)|=0.19]]>|s1|=|Σk=26x10(k)+12x10(7)|=83.59]]>|s2|=|Σk=26x20(k)+12x20(7)|=77.25]]>|s3|=|Σk=26x30(k)+12x30(7)|=151.92]]>|s4|=|Σk=26x40(k)+12x40(7)|=5.72]]>|s5|=|Σk=26x50(k)+12x50(7)|=1.18]]>|s1-s0|=|Σk=26(x10(k)-x00(k))+12(x10(7)-x00(7)|=83.78]]>|s2-s0|=|Σk=26(x20(k)-x00(k))+12(x20(7)-x00(7)|=77.06]]>|s3-s0|=|Σk=26(x30(k)-x00(k))+12(x30(7)-x00(7)|=152.11]]>|s4-s0|=|Σk=26(x40(k)-x00(k))+12(x40(7)-x00(7)|=5.91]]>|s5-s0|=|Σk=26(x50(k)-x00(k))+12(x50(7)-x00(7)|=1.37]]>第三步：求绝对关联度同理分别可求得：ε02＝0.50；ε03＝0.50；ε04＝0.54；ε05＝0.63(3)根据灰色关联分析的结果选择关联度最高的4个因子为：3月份产卵场平均海表面温度SST、1月份太平洋年代际震荡指数PDO、4月份nino3.4距平和4月份平均叶绿素浓度chl-a；(4)根据选取的4个因子建立8种基于灰色系统的西北太平洋柔鱼冬春生群资源丰度预报模型，分别为：GM(0,1)、GM(0,2)、GM(0,3)、GM(0,4)、GM(1,1)、GM(1,2)、GM(1,3)、GM(1,4)；以GM(1，1)模型为实例进行分析。选取1983-1994年海洋捕捞产量建立GM(1,1)灰色序列预测模型，其具体计算如下：选取1983～1994年产量为原始数据列X(0)＝(46.54，52.50，53.20，59.94，71.76，80.98，89.93，103.27，113.84，138.40，155.57，160.82)一次累加生成数列为X(1)＝(46.54，99.04，152.24，212.18，283，94，364.92，454.85，558.12，671.96，810.36，965.93，1126.75)构造累加矩阵B与常数项向量Yn求灰参数a'a'＝(BTB)-1BTYn，经计算得：a＝－0.1202055，μ＝41.3759。代入时间相应方程并求导还原得：X'(t+1)＝390.7498e0.1202055t-344.2097B=-72.791-125.641-182.211-248.061-324.431-409.891-506.491-615.041-741.161-888.151-1046.341Yn=52.5053.2059.2071.7680.9889.93103.27113.84138.40155.57160.82]]>计算结果及检验从下表的计算结果和回代检验看，上述模型实际值与拟合值的平均相对误差为2.19％。表明计算结果的精确度和可信度较高，因此认为灰色序列预测模型对海洋捕捞产量预测是适用的。表灰色预测模型对1983～1994年产量的计算及检验(5)对8种预报模型进行有效性检验，GM(0,1)、GM(0,2)、GM(0,3)、GM(0,4)、GM(1,1)、GM(1,2)、GM(1,3)模型预报的精度均在60-80％之间，平均精度为75％；而GM(1,4)模型的预报相对精度在90％以上。因此，选取灰色关联模型GM(1,4)结构作为西北太平洋柔鱼冬春生群体资源丰度的预测方法。当前第1页1 2 3