基于渔船作业数据的东海渔场特征分析

摘要

在经济飞速发展的今天，数字经济已经成为了当今时代最鲜明的特征。所居住的地球也已经变成了一个庞大的数据库，它积累了社会各个层面的数据信息。在这样一个数据信息时代，必须学会利用这些数据，不断地进行分析、探索、挖掘，进而将这些数据信息转化为可视化信息。这样，才能够得到实用性的参考数据，为做任何决策提供可靠的数据基础。　　伴随着地球数据化的发展趋势，中国科学家也提出了海洋数据化的概念。作为海洋强国，海洋是中国在新世纪发展的重点领域，海洋数据也是地球村数据库的重要组成部分。地球的表面积约是5.1亿平方千米，其中大陆约占到21％，仅仅是大陆这一模块就已经构成了一个庞大的地球村数据库。由此可见，海洋数据之广泛，数据种类之繁多。伴随着信息技术的不断发展，海洋数据的采集和存储方式也在不断地完善，所获取的海洋数据更是不可估量的。其中，渔业数据又是海洋数据不可分割的重要组成部分。　　东海作为中国海洋渔业资源的主要基地之一，渔场保护和海上捕捞作业实时影响着中国渔业资源的稳定。舟山作为国家级的新区，其传统的基础产业就是东海沿岸渔业。正是这样的传统产业，增加了舟山渔民的收入水平，提高了舟山人民的生活质量，推进了舟山海产品经济的蓬勃发展。不过，舟山的沿岸渔业在经历过一段时期的飞速发展之后，很多矛盾不断突出，捕捞作业与渔业资源修复之间的矛盾，沿岸渔业发展与渔业资源管理之间的矛盾等。对于怎样预测海洋渔场，如何还原沿岸渔业资源，实现海洋渔业转型升级，不仅仅是整个舟山新区要解决的“燃眉之急”，更是实现沿岸渔业可持续发展的关键环节。　　本文基于东海渔船作业数据，通过运用数据挖掘中聚类分析的K-means方法，对东海海洋渔场进行数据分析，对比聚类结果。最后，得出了东海渔场分布状况，发现了渔场的外移的特征，并进行了深入的分析验证。提出限制捕捞量，推动渔业转型升级的建议。

目录

声明

摘要

第一章绪论

1．1研究背景

1．2．1东海渔业现状

1．2．2渔场预测研究现状

1．3研究意义

1．4本文的主要工作及章节内容

第二章聚类分析的基本概念及其算法的选择

2．1数据挖掘

2．1．1数据挖掘定义

2．1．2数据挖掘过程

2．2聚类分析的概念

2．3聚类分析算法理论介绍

2．3．1 K-means算法理论

2．3．2层次聚类算法理论

2．3．3其他聚类算法理论

2．4基于上述算法的简单案例聚类分析

2．4．1 K-means聚类的简单案例分析

2．4．2层次聚类的简单案例分析

2．5本章小结

第三章基于K-means聚类分析算法的东海渔场数据聚类

3．1数据介绍

3．2数据提取

3．3数据初始化

3．4．1当K=11时，基于SPSS的K-means聚类

3．4．2当K=16时，基于SPSS的K-means聚类

3．4．3当K=21时，基于SPSS的K-means聚类

3．5本章小结

第四章基于聚类分析后的东海渔场特征分析

4．1东海渔场分析

4．1．1渔场预测的概念

4．1．2东海渔场分布海域中心点

4．2东海渔场特征分析

4．2．1当K=11时，渔场特征情况分析

4．2．2当K=16时，渔场特征情况分析

4．2．3当K=21时，渔场特征情况分析

4．3本章小结

第五章东海渔业资源现状探讨及相关建议

5．1东海渔业资源现状

5．2海洋渔业资源评价

5．3渔业资源管理建议

5．3．1限制渔民捕捞量

5．3．2调整海洋产业结构，推动海洋产业转型

5．4本章小结

第六章结论及展望

参考文献

附录

致谢

在读期间发表的学术论文及研究成果