[發明專利]基于支持向量機的魚類棲息地適宜性指數建模方法

有效

• 申請號: 201510252783.7
• 申請日: 2015-05-18
• 公開（公告）號: CN104809479B
• 公開（公告）日: 2017-12-15
• 發明（設計）人: 馮永玖;方學燕;陳新軍
• 申請（專利權）人: 上海海洋大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 上海科盛知識產權代理有限公司31225
• 代理人: 應小波

技術領域

本發明涉及一種魚類棲息地指數建模方法，尤其是涉及一種基于支持向量機的魚類棲息地適宜性指數建模方法。

背景技術

棲息地適宜性指數(Habitat Suitability Index，HSI)模型最早由美國科學家于20世紀80年代提出，用來模擬生物體對周圍棲息環境要素的反應。目前已廣泛應用于物種分布與管理等領域，并逐漸在魚類漁場的分析與預測得到應用，取得了較好效果。HSI的研究不僅是為了從理論上認知漁場分布與海洋環境要素的關系，同時也是為了向捕撈生產和漁業資源管理者提供信息參考。HSI模型已應用于多種魚類的漁場分析，如印度洋大眼金槍魚、大西洋及太平洋的魷魚、以及鮐魚、秋刀魚等。從研究方法來看，主要有傳統的權重求和法和幾何平均法、分位數回歸方法、主成分分析法等。

海洋環境要素與中心漁場之間存在動態交互關系并構成一個復雜的系統，環境要素之間通常存在一定的相關性，而傳統數理統計方法在構建HSI模型時由于無法消除環境要素固有的多重相關性，分析預報的精度受到極大的限制。同時，由于受到商業捕撈數據的限制，在很大程度下漁業資源數據的樣本點數是非常有限，普通方法很難從中獲取有效的模型。因此，我們需要探索一種既能消除環境變量的相關性、又能從小樣本中獲取規律的方法，建立海洋魚類棲息地適宜性指數的建模，從而反映海洋環境與中心漁場復雜系統，從而提高漁場漁情預報的精度和可靠性。

發明內容

本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種基于支持向量機的魚類棲息地適宜性指數建模方法，能夠以較合理的計算代價，得到較為合理的HSI模型和預測結果，提高漁情預報的精度和準確性。

本發明的目的可以通過以下技術方案來實現：

一種基于支持向量機的魚類棲息地適宜性指數建模方法，其特征在于，包括以下步驟：

1)聯合多種海洋環境因子，求取一組海洋因子對應的適宜性指數值SI；

2)對所有海洋環境因子以及SI進行歸一化；

3)基于步驟2)的數據，建立支持向量機HSI模型：SVM HSI；

4)利用SVM HSI對不同的區域進行預測，獲取預測的均方根誤差和相關系數，并在GIS環境中進行漁場漁情預報；

5)輸出并保存模擬結果。

所述的步驟1)具體為：

11)通過遙感獲取海洋環境因子，包括海表溫度SST、溫度梯度、海表葉綠素-a濃度、鹽度、鹽度梯度以及距海平面平均高度；

12)通過對各種海洋環境因子進行分組，得到每一組總的作業次數，通過對作業次數的歸一化換算，獲取對應的適宜性指數值SI。

所述的步驟2)具體為：

13)利用支持向量機的Scaling方法，對所用海洋環境因子和SI進行歸一化處理，最小值為0、最大值為1。

歸一化數據分為訓練數據和預測數據兩個部分，其中訓練數據含有SI數值，而預測數據不含SI值，但是具有驗證模型的漁業產量數據。

所述的步驟3)具體為：

14)基于支持向量機，對歸一化數據進行處理的訓練數據進行訓練建模，得到SVM HSI模型。

所述的步驟4)具體為：

15)利用SVM HSI模型對預測數據進行預測，預測的均方根誤差和相關系數，得到對應于每一組海洋環境因子的HSI值；

16)選擇HSI值大于0.6的數據組，將其在GIS環境中顯示，對不同的區域進行預測，并在GIS環境中進行空間可視化顯示及漁場漁情預報。

所述的步驟14)中的對歸一化數據進行處理的訓練數據進行訓練建模，并進而得到SVM HSI模型，數據處理過程如下：

假設有N個數據對集合其中x_i是第i個數據，其輸出模式為已知并且y_i∈{-1,+1}，即輸出為二元值，那么二元值的決策方程表達為：

式(1)中，sgn決策規則，W是向量的權重，W＝(w₁,w₂,…,w_n)，β是超平面的權重向量，并且<W·x>+β＝0。

在支持向量機SVM中，最優化問題解析式可以表達為：

式(2)和(3)中，是非線性方程，用于將輸入空間映射到高維特征空間，ε_i是限制因子，滿足用于決定訓練誤差和SVM模型的泛化能力；

此外，用拉格朗日方程來解決上述最優化問題，該方程定義如下：