文献

J-GLOBAL ID：201702267976518935   整理番号：17A0157504

ニューラルネットワークに基づく南シナ海漁場漁場予測【JST・京大機械翻訳】

Forecasting fishing ground of Thunnus alalungabased on BP neural network in the South Pacific Ocean

著者 (3件)： Mao Jiangmei (College of Marine Sciences,Shanghai Ocean University) ,  Chen Xinjun (College of Marine Sciences,Shanghai Ocean University, The Key Laboratory of Sustainable Exploitation of Oceanic Fisheries Resources,Ministry of Education, National Engineering Research Center for Oceanic Fisheries) ,  Yu Jing (South China Sea Fisheries Research Institute,Chinese Academy of Fishery Science)
資料名： Haiyang Xuebao  (Haiyang Xuebao)
巻： 38  号： 10  ページ： 34-43  発行年： 2016年 
JST資料番号： W0863A  ISSN： 0253-4193  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 南シナ海フィンは中国の遠洋漁業の重点的な漁獲対象であり、南シナ海フィンに対して正確な漁場予報を行い、漁獲効率を向上させ、漁業の生産能力を高めることができる。本研究では、1993年~2010年の南太平洋フィンの延縄の生産データ及び海洋衛星リモートセンシングデータ(海水表面温度、SST、海面高度、SSH)及びENSO(EL NI O-SOUTHERN OSCILLATION)の指標に基づき、研究を行った。DPS(DATA PROCESSING SYSTEM)データ処理システムにおけるBP人工神経回路網モデルを採用した。漁獲量(単位時間の漁獲尾数)と単位漁獲努力により、当たり(CPUE、CATCH PER UNIT OF ベストエフォート)をそれぞれ中心漁場の特性因子とし、BPモデルの出力因子とする。月,経度,緯度,SST,SSHおよびENSO指数を入力因子として,それぞれ4-3-1,5-4-1,5-3-1,6-5-1,6-4-1,6-3-1,6-3-1などのBPモデルを構築し,漁場予測モデルと比較した。研究結果により、CPUEを出力因子とするBP人工ニューラルネットワークの構造は全体的に優れており、そのうち6-4-1モデル構造が最適となり、相対誤差は0.006 41であることが明らかになった。CPUEを出力因子とする6-4-1構造の人工ニューラルネットワークモデルは,南の漁場位置を正確に予測することができると考察した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： データ処理システム ,  フィン ,  *ニューラルネットワーク ,  ENSO ,  延縄 ,  漁業 ,  *南シナ海 ,  予測モデル ,  漁獲量 ,  海洋 ,  海面高度 ,  *漁場 ,  CPUE ,  海水 ,  漁獲

著者キーワード (5件)： albacore tuna ,  artificial neural network ,  CPUE ,  fishing ground ,  South Pacific Ocean

分類 (2件)： 医用画像処理  (JE04020T) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： ニューラルネットワーク ,  南シナ海 ,  漁場 ,  予測