本发明专利技术提供了一种基于随机森林的洄游类鱼群丰度信息获取方法、装置及计算机可读介质，所述方法可用于计算海洋渔场洄游类鱼群丰度信息，所述方法包括：获取多组不同时间的海洋渔场的时间信息、位置信息、海气参数；选择部分所述洄游类鱼群的海气参数数据作为训练集，并根据所述训练集利用随机森林模型训练获得洄游类鱼群丰度信息获取装置；实时获取当前海洋渔场的位置信息，时间信息和海气参数信息，输入洄游类鱼群丰度信息获取装置，获取海洋渔场当前的洄游类鱼群丰度信息；以及可视化显示当前鱼群丰度信息。本申请实现了准确、实时的鱼群丰度检测，且实现成本低，易于商用推广。
1、渔场预报和鱼群侦察是海洋捕捞的重要环节，对于鱼群移动较为迅速的渔业，渔场预报以及鱼群侦察较难实现，例如，金枪鱼是大洋性洄游鱼类，洄游速度快、路线长、范围大，其鱼群侦察较为困难。专利技术人发现海洋渔场的海气参数和洄游类鱼群丰度信息高度相关，通过研究海气参数及其变化趋势可有效预测其鱼群丰度信息。随着人工智能技术的普及和远洋捕鱼产业的发展，利用人工智能实现预测海洋渔场鱼群丰度信息将成为提升远洋探鱼产业效率的主要方式。
2、利用海洋卫星获取海洋渔场的海洋环境参数并对其进行有监督的离散化处理后采用蚁群算法中的antminer方法训练后，可得到一系列渔场判别规则，将实时或现场的海洋环境参数代入渔场判别规则后即可得到渔场预报数据和其分布图，但该蚁群算法具有参数调节困难，易限于局部最优预测，并且对于全局的预测也存在预测准确性和效率不高的问题。
3、另外，对离散化处理后的海洋环境数据，可建立贝叶斯网络结构图和贝叶斯网络中节点之间的条件概率表，选取最优学习算法得到的贝叶斯网络结构图来计算渔场的后验概率分布公式，根据得到的后验概率分布公式对渔场进行预报。但其贝叶斯算法高度依赖先验知识如历史的海洋环境参数的准确性和全面性，以及对于相关变量的处理则会出现预测的准确性和效率不高的问题。
>技术实现思路1、本申请的目的之一是提供一种基于随机森林的洄游类鱼群丰度信息获取方法及装置，以解决上述
技术介绍
中提出的问题。
2、根据本专利技术一方面的一个实施例，提供了一种基于随机森林的洄游类鱼群丰度信息获取方法，所述方法用于检测洄游类鱼群丰度，所述方法包括：
3、获取多组不同海洋渔场不同时间的洄游类鱼群丰度历史海气参数，位置信息，时间信息和对应的洄游类鱼群丰度信息历史数据，不同海洋渔场信息使用位置信息进行区分，每组海气参数信息包括：洋流信息、盐度平均值，盐度偏差，海表温度，融合风场u分量，融合风场v分量，海表高度，有效波高及叶绿素α浓度等；
4、选择部分所述洄游类鱼群的海气参数和历史洄游类鱼群丰度信息作为训练集，并根据所述训练集利用随机森林模型训练生成洄游类鱼群丰度信息计算器；
5、根据实时获取的海洋渔场的海气参数，位置信息，时间信息通过洄游类鱼群丰度信息计算器计算海洋渔场当前洄游类鱼群丰度信息；
6、将洄游类鱼群丰度信息可视化显示给接收者。
7、优选的，所述时间信息包括：日期，季节和昼夜。
8、优选的，所述位置信息包括：经度、纬度、东西及南北方位信息。
9、优选的，所述洋流信息包括：洋流u分量、洋流v分量、加入地转偏向力后的洋流u分量、加入地转偏向力后的洋流v分量洋流。
10、优选的，所述洄游类鱼群丰度信息包括：是否有鱼、单位海洋渔场面积的鱼产品量及鱼保留量，低鱼群丰度，中鱼群丰度，高鱼群丰度等。
11、优选的，所述获得洄游类鱼群丰度信息计算器包括构建单颗决策树，包括：随机从训练集数据中抽取一个1*m的数据项目生成一个训练样本，作为决策树的根节点；随机选择训练样本的部分训练特征，使用信息增益策略进行决策树分裂；在满足预设条件时，停止决策树节点分裂，完成构建单颗决策树。
12、优选的，单颗决策树的构建可采用均方误差回归或基尼系数的分类方法。
13、优选的，其随机森林由多颗决策树组成，其随机森林对洄游类鱼群丰度信息的预测结果的决策可以是多颗决策树预测结果的平均值，中位数，投票多数以及根据洄游类鱼群丰度信息历史数据选择最接近的决策树结果。
14、优选的，选择部分所述海气参数历史数据，位置信息，时间信息作为训练集的步骤包括：对所选择的海气参数，位置信息和时间信息数据进行特征工程处理。
15、优选的，所述方法还包括：选择剩余部分所述海气参数，位置信息和时间信息数据作为测试集；利用所述测试集测试所述鱼群丰度信息计算器。
16、根据本专利技术另一方面的一个实施例，提供了一种基于随机森林的洄游类鱼群丰度信息获取装置，包括：
17、第一单元，训练数据获取单元，用于获取多组不同时间的海洋渔场的位置信息，时间信息，海气参数，以及对应的洄游类鱼群丰度信息历史数据；
18、第二单元，鱼群丰度信息获取装置生成单元，用于选择部分所述洄游类鱼群的海气参数和位置信息，时间信息作为训练集，并根据所述训练集利用随机森林模型获得洄游类鱼群丰度信息计算器；
19、第三单元，实时鱼群丰度信息预测单元，用于实时获取当前海洋渔场的位置信息和海气参数信息，输入洄游类鱼群丰度信息计算器，计算海洋渔场当前的洄游类鱼群丰度信息；
20、第四单元，鱼群丰度信息可视化显示单元，用于在授权的接收终端可视化显示指定海洋渔场当前的洄游类鱼群丰度信息。
21、根据本专利技术另一方面的一个实施例，提供了一种电子设备，所述电子设备包括：
22、至少一个处理器；以及
23、与所述至少一个处理器通信连接的存储器；其中，
24、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前文所述的方法。
25、根据本专利技术另一方面的一个实施例，提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机程序指令可被处理器执行以实现如前文所述的方法。
26、本专利技术的有益效果：
27、本申请采用时间信息、位置信息、海气参数等参数基于随机森林训练洄游类鱼群丰度信息预测模型，利用该模型可根据实时获得的卫星遥感数据计算其渔场洄游类鱼群丰度信息，尤其是金枪鱼丰度信息，提高了渔场探鱼的实时性，从而提高洄游类鱼，尤其是金枪鱼围网渔业的效率。
28、另外，本申请提供的技术方案利用随机森林方法可以有效避免过拟合问题，提升鱼群检测精度和准确度。同时，由于金枪鱼丰度历史检测数据量少，且无论是特征数还是条数都偏少，本申请采用随机森林算法对特征缺失的鲁棒性(抵抗能力)较强，可以很好地减轻训练数据特征缺失带来的影响，并且随机森林算法不会孤立地计算不同特征的最优区间，而是会尝试构建多颗决策树联合不同特征一起做预测，因此可以很好地发掘出不同特征之间的相关性，从而获得更为准确的预测结果。
本文档来自技高网...
【技术保护点】
1.一种基于随机森林的洄游类鱼群丰度信息获取方法，其特征在于，所述方法用于预测海洋渔场洄游类鱼群丰度信息，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述海气参数信息可以是下述至少一种海气参数或者其至少两个海气参数的组合；海气参数包括洋流信息，盐度平均值、盐度偏差、海表温度、融合风场u分量、融合风场v分量、海表高度、有效波高及叶绿素α浓度。
3.根据权利要求2所述的方法，其特征在于，所述洋流信息可以是下述至少一种洋流信息或者其至少两个洋流信息的组合；洋流信息包括：洋流u分量、洋流v分量、加入地转偏向力后的洋流u分量、加入地转偏向力后的洋流v分量洋流。
4.根据权利要求1所述的方法，其特征在于，所述洄游类鱼群丰度信息包括：是否有鱼、鱼产品量及鱼保留量。
5.根据权利要求1所述的方法，其特征在于，所述生成洄游类鱼群丰度信息计算器包括构建单颗决策树，包括：
6.根据权利要求5所述的方法，其特征在于，单颗决策树的构建可采用均方误差回归或基尼系数的分类方法。
7.根据权利要求5所述的方法，其特征在于，还包括基于单颗决策树生成随机森林的步骤，其随机森林对洄游类鱼群丰度信息的预测结果的决策可以是多颗决策树的平均值，中位数，投票多数以及根据洄游类鱼群丰度信息历史数据选择最接近的决策树结果。
8.根据权利要求1所述的方法，其特征在于，选择部分所述海气参数历史数据，位置信息，时间信息作为训练集的步骤包括：对所选择的海气参数，位置信息和时间信息数据进行特征工程处理。
9.根据权利要求1所述的方法，其特征在于，所述方法还包括：
10.一种基于随机森林的洄游类鱼群丰度信息获取装置，其特征在于，包括：
11.一种电子设备，其特征在于，所述电子设备包括：
12.一种计算机可读介质，其上存储有计算机程序指令，所述计算机程序指令可被处理器执行以实现如权利要求1至9中任一项所述的方法。
...
【技术特征摘要】
1.一种基于随机森林的洄游类鱼群丰度信息获取方法，其特征在于，所述方法用于预测海洋渔场洄游类鱼群丰度信息，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述海气参数信息可以是下述至少一种海气参数或者其至少两个海气参数的组合；海气参数包括洋流信息，盐度平均值、盐度偏差、海表温度、融合风场u分量、融合风场v分量、海表高度、有效波高及叶绿素α浓度。
3.根据权利要求2所述的方法，其特征在于，所述洋流信息可以是下述至少一种洋流信息或者其至少两个洋流信息的组合；洋流信息包括：洋流u分量、洋流v分量、加入地转偏向力后的洋流u分量、加入地转偏向力后的洋流v分量洋流。
4.根据权利要求1所述的方法，其特征在于，所述洄游类鱼群丰度信息包括：是否有鱼、鱼产品量及鱼保留量。
5.根据权利要求1所述的方法，其特征在于，所述生成洄游类鱼群丰度信息计算器包括构建单颗决策树，包括：
6.根据权利要求5所述的方...
【专利技术属性】
技术研发人员：朱永汉，
申请(专利权)人：深圳北斗航天科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。