为了解决传统栖息地预测模型中无法捕捉具有时间序列信息的环境因子对金枪鱼空间分布滞后影响的不足。采用2021—2024年金枪鱼围网渔捞日志数据,通过构建滞后天数为1、5、10、15 d的长短期记忆(Long-short term memory,LSTM)神经网络模...为了解决传统栖息地预测模型中无法捕捉具有时间序列信息的环境因子对金枪鱼空间分布滞后影响的不足。采用2021—2024年金枪鱼围网渔捞日志数据,通过构建滞后天数为1、5、10、15 d的长短期记忆(Long-short term memory,LSTM)神经网络模型,分别对单位捕捞努力量渔获量(Catch per unit of effort,CPUE)和经纬度进行了预测。研究表明,滞后10 d的模型精度最高,其均方误差(Mean square error,MSE)为0.018 7,平均绝对误差(Mean absolute error,MAE)为0.077 6,表明鲣空间分布受过去短期内环境累计效应的影响。通过对最佳模型进行验证,结果表明预测纬度与实际纬度之间的R2为0.97,预测经度与实际经度之间的R2为0.65,说明空间分布预测范围与实际基本吻合。为揭示鲣栖息地特征及其生态过程的动态机制提供了新的理解,同时为中西太平洋鲣围网渔业的科学管理提供了重要参考依据。展开更多
文摘为了解决传统栖息地预测模型中无法捕捉具有时间序列信息的环境因子对金枪鱼空间分布滞后影响的不足。采用2021—2024年金枪鱼围网渔捞日志数据,通过构建滞后天数为1、5、10、15 d的长短期记忆(Long-short term memory,LSTM)神经网络模型,分别对单位捕捞努力量渔获量(Catch per unit of effort,CPUE)和经纬度进行了预测。研究表明,滞后10 d的模型精度最高,其均方误差(Mean square error,MSE)为0.018 7,平均绝对误差(Mean absolute error,MAE)为0.077 6,表明鲣空间分布受过去短期内环境累计效应的影响。通过对最佳模型进行验证,结果表明预测纬度与实际纬度之间的R2为0.97,预测经度与实际经度之间的R2为0.65,说明空间分布预测范围与实际基本吻合。为揭示鲣栖息地特征及其生态过程的动态机制提供了新的理解,同时为中西太平洋鲣围网渔业的科学管理提供了重要参考依据。
