不同模型在渔业CPUE标准化中的比较分析

摘要：

为了提高渔业数据单位捕捞努力量渔获量（catch per unite of effort，CPUE）标准化数据的质量和模型连续稳定预测能力，该文采用人工神经网络（artificial neural network，ANN）、回归树（regression trees，RT）、随机森林（random forest，RF）和支持向量机（support vector machine，SVM）等机器学习方法和传统的广义线性模型（generalized linear model， GLM）等方法，对2000－2013年大西洋大眼金枪鱼（Thunnus obesus）延绳钓CPUE数据进行标准化。采用平均绝对误差、平均均方误差、3种相关系数（Pearson’s，Kendall’s和Spearman’s）和标准化均方误差等评价指标对不同模型标准化结果进行对比，寻找较优的标准化方法。研究结果表明，在验证数据集SVM方法得到的3种相关系数（0.596，0473和0.632）和RF（0.623，0.456，0.621）相似，高于RT(0.516，0.432和0.586)、ANN(0.428，0.249和0.365)和GLM(0.199,0.106和0.159)。SVM预测的均方误差（11.25）、平均绝对误差（2.107）和标准化均方误差（0.652）略低于RF（11.655，2.377和0.661），明显低于RT（14.999，2.434和0.801）、ANN(16.692，2.883和0.823)和GLM（16.517，2.777和0.993）。各项指标揭示SVM方法要优于其他4种方法，RF次之，GLM计算结果在所有方法中最差，不适合渔业数据CPUE标准化。SVM和RF方法应该被优先考虑用于渔业数据CPUE标准化。研究结果为渔业资源管理和保护提供更好的支持。

关键词：模型、标准化、支持向量机、随机森林、回归树、人工神经网络、广义线性回归

分类号：S931.2(水产资源)

资助基金：科技支撑计划项目2013BAD13B01；上海市自然科学基金14ZR1449900；基本科研业务费专项资金项目2015T06，2015M07

在线出版日期：2015-11-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：259-264