大西洋热带海域长鳍金枪鱼渔场预报模型的比较

摘要

为提高大西洋热带海域长鳍金枪鱼(Thunnus alalunga)渔场预报的准确率,对K最近邻(k nearest neighbor,KNN)、逻辑斯蒂回归(logistic regression,LR)、决策与分类树(classfication and regression tree,CART)、梯度提升决策树(gradient boosting decision tree,GBDT)、随机森林(random forest,RF)、支持向量机(support vector machine,SVM)和Stacking集成(stacking ensemble learning,STK)共7个模型的预报性能进行了对比分析。该7个模型利用2016~2019年在大西洋公海海域(19°16′S~16°21′N;46°27′W~2°09′E)作业的13艘中国远洋延绳钓渔船的渔业数据,结合0~500 m不同水层的温度、盐度、溶解氧、叶绿素a浓度、海表面风速、涡动能和混合层深度数据建立。各模型取75%数据作为训练数据,25%为测试数据,采用预报准确率(accuracy,ACC)与接受者操作特征曲线下面积(area under curve,AUC)评价建立的单位努力量渔获量(catch per unit of effort,CPUE)与海洋环境因子关系模型的性能。结果表明:(1)STK模型对大西洋长鳍金枪鱼渔场的预报性能相比其他模型明显提高,ACC为75.92%,AUC为0.742;(2)基于STK模型预测得到的中心渔场范围总体上与实际作业渔场一致;(3)影响大西洋长鳍金枪鱼渔场分布的海洋环境因子主要为100 m水层的温度、盐度,以及100、150、500 m水层的溶解氧。研究表明STK模型对大西洋长鳍金枪鱼渔场的预报准确率较高,性能良好。