来源：期刊VIP网 时间：
作者：周淑婷;邹晓荣;邹邦郁;
单位：上海海洋大学海洋生物资源与管理学院;国家远洋渔业工程技术研究中心,大洋渔业资源可持续开发省部共建教育部重点实验室,农业农村部大洋渔业资源环境科学观测实验站;上海交通大学密西根学院;
摘要：为精确预测大眼金枪鱼(Thunnus obesus)渔场位置并有效降低入渔成本，利用2018—2021年中国金枪鱼延绳钓渔船在大西洋的作业数据及同期海洋环境数据，在最优分布式决策梯度提升树(extreme gradient boosting, XGBoost)模型的基础上，逐步结合卷积神经网络模型(convolutional neutral network, CNN)和模拟退火算法(simulate anneal, SA),构建XGBoost、CNN-XGBoost和CNN-SA-XGBoost模型对大西洋大眼金枪鱼渔场进行预测并对比模型预测性能。结果表明：CNN-SA-XGBoost模型的准确率(ACC)为82%,对应的ROC曲线下面积(AUC)为0.81,相较于XGBoost和CNN-XGBoost模型，ACC分别提高了15%和6%,AUC分别提升了0.10和0.02;在CNN对环境因子重要性分析的结果中，叶绿素a浓度(Chl-a)、海水表层温度(T_0)、海水表层盐度(S_0)和300 m水深盐度(S_(300))的相对重要性指数之和约为51%,为影响大眼金枪鱼渔获量和渔场分布的关键环境因子。研究表明，CNN-SA-XGBoost模型具有良好的准确性、平衡性和适应性，可用于大西洋大眼金枪鱼渔场预报。
关键词：大眼金枪鱼;;CNN-SA-XGBoost模型;;渔场预报;;大西洋
基金资助：“远洋渔业高效捕捞与船载加工一体化智能装备”技术服务项目(D-8006-23-0016)
