CN109376938A - 一种淡水养殖鱼类产量预测方法 - Google Patents

一种淡水养殖鱼类产量预测方法 Download PDF

Info

Publication number
CN109376938A
CN109376938A CN201811293791.6A CN201811293791A CN109376938A CN 109376938 A CN109376938 A CN 109376938A CN 201811293791 A CN201811293791 A CN 201811293791A CN 109376938 A CN109376938 A CN 109376938A
Authority
CN
China
Prior art keywords
freshwater fish
history
cultured freshwater
regression
indicates
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201811293791.6A
Other languages
English (en)
Other versions
CN109376938B (zh
Inventor
马俊
宋国宝
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dalian University of Technology
Original Assignee
Dalian University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dalian University of Technology filed Critical Dalian University of Technology
Priority to CN201811293791.6A priority Critical patent/CN109376938B/zh
Publication of CN109376938A publication Critical patent/CN109376938A/zh
Application granted granted Critical
Publication of CN109376938B publication Critical patent/CN109376938B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Agronomy & Crop Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Husbandry (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Farming Of Fish And Shellfish (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于鱼类产量估算技术领域，公开了一种淡水养殖鱼类产量的预测方法，能够实现淡水养殖鱼类产量的准确预测。采集历史气象数据与历史淡水养殖鱼类产量数据，利用逐步回归分析法筛选对淡水养殖鱼类产量影响显著的气象因素，为了判断是否引入或者删除新的变量，而不改变方程总体的显著性，因此设定一个系数用来判别引入和删除新的变量。利用这些影响显著的气象因素建立预测淡水养殖产量的预测模型，运用该模型能为淡水鱼类养殖的生产管理提供帮助。

Description

一种淡水养殖鱼类产量预测方法
技术领域
本发明属于鱼类产量估算技术领域，涉及一种淡水养殖鱼类产量预测方法。
背景技术
当今气候变化已经成为了严重影响人类生产生活的重大环境问题。气候变化对未来的生态系统，社会经济都具有广泛的影响。给渔业和水产养殖业带来了更大的压力。全球变暖是气候变化的主要影响之一，温度增高给水体带来一系列的水文和水文地理学上的改变，气温的升高，导致蒸发量增大，云层厚度增加，导致太阳光照降低，这些改变对水产养殖有重要的影响。
目前，国内外对于气候变化的研究主要集中在气候变化对农作物和海洋渔业资源的影响，忽略了对淡水养殖鱼类的影响。
发明内容
本发明的目的是提供一种淡水养殖鱼类产量预测方法及应用，能够实现淡水养殖鱼类产量的准确预测，另一目的在于提供上述模型指导养殖户应对气候变化，及与淡水养殖鱼类类似的生物产量预测方面的应用。
为实现上述目的，本发明提供了如下技术方案：
一种淡水养殖鱼类产量预测方法，步骤如下：
(1)获取历史淡水养殖鱼类产量数据；
(2)获取历史淡水养殖鱼类产量数据对应时间内的历史气象数据；历史气象数据具体包括日照时长、湿度、降水量和温度；历史气象数据中的温度包括历史气象数据的最高温度、最低温度和平均温度，并计算得到平均温度的标准差、温差及温差的平方；历史气象数据中的降水量包括历史气象数据的白天降水量、夜间降水量和降水量，并计算得到降水量的标准差；
(3)根据历史淡水养殖鱼类产量数据与历史气象数据，建立回归模型Yi＝β1Xi1+β2Xi2+…+βmXim+εi，其中Yi表示第i年的淡水养殖鱼类产量；Xim表示第i年第m种历史气象参数，m＝1,2,…,12；βm表示第m种历史气象参数的回归系数；εi表示修正系数；
(4)运用逐步回归分析法，逐个引入显著性变量，同时剔除不显著性变量，以期获得最优的回归模型；
所述的逐步回归法是通过偏回归平方和对变量进行显著性检验考虑是否引入或是剔除变量，具体方法是：将对对淡水养殖鱼类产量影响大的因素引入回归方程，引入的条件是该因素的偏回归平方和在待选因素中最大，同时，每引入一个对淡水养殖鱼类产量影响显著的因素都要以偏回归平方和来考虑是否引入新变量，若在显著性水平α引入下，变量的显著性检验p<α引入，则表明引入该变量；若在显著性水平α剔除下，变量的显著性检验下p>α剔除，则应剔除该变量；直到对所有因素进行过引入剔除的检验，此时保留下来的因素是对产量影响显著的因素；
(5)利用逐步回归分析法筛选出来的对淡水养殖鱼类产量影响显著的因素以及回归模型，根据逐步回归结果，将筛选出来的变量及其回归系数带入(3)中的回归模型，建立淡水养殖鱼类产量预测模型，预测模型如下；
Y＝-16057-345.2A2+5601B+17560C-8214D-13.96E2+6134F+11098G+127.6H2-651I
其中：Y表示淡水养殖鱼类产量；A表示平均降水量，单位mm；B表示白天降水量，单位mm；C表示夜间降水量，单位mm；D表示平均温度，单位℃，E表示平均温度，单位℃；F表示平均温度的标准差，单位℃；G表示最低温度，单位℃；H表示温差，单位℃；I表示平均湿度，单位％；
(6)将采集到的当期气象数据带入淡水养殖鱼类产量预测模型，即可得到当期淡水养殖鱼类产量。
所述的显著性水平α引入＝0.15，α剔除＝0.15。
本发明的有益效果：
(1)实现了对淡水养殖鱼类产量的预测，建立了淡水养殖鱼类产量预测模型；同时，为养殖户应对气候变化提供了帮助。
(2)通过逐步回归从众多影响淡水养殖鱼类产量变化的气候因素中选出对淡水养殖鱼类产量影响较大的因素，为淡水养殖鱼类产量预测提供理论支持。
(3)使用精细的历史气象数据和历史淡水养殖鱼类产量数据，得到预测模型，能够有效的实现对淡水养殖鱼类产量的预测和预警，同时反馈到养殖户，为其生产管理提供帮助。
附图说明
图1为本发明淡水养殖鱼类产量预测方法的流程图。
具体实施方式
以下结合附图和技术方案，进一步说明本发明的具体实施方式。
图1为本发明淡水养殖鱼类产量预测的方法流程图，具体步骤如下：
获取历史淡水养殖鱼类产量数据；
获取历史淡水养殖鱼类产量数据所对应时间内的气象数据，具体包括温度，降水量、日照时长和湿度；
逐步回归分析是多元回归分析中的一种方法。逐步回归分析往往用于建立最优或合适的回归模型，从而更加深入地研究变量之间的依赖关系。本发明利用逐步回归分析的目的是要从众多影响淡水鱼类养只产量的气候因素中筛选出较为重要的影响因素，建立最佳预测方程。为了判断是否引入或者删除新的变量，而不改变方程总体的显著性。需要设定一个系数用来判别引入和删除新的变量。本实施方式设置显著性水平α引入＝0.15，α剔除＝0.15。得到结果汇总到表1。
表1逐步回归结果
1 2 3 4 5 6 7 8 9
变量与p值 系数 系数 系数 系数 系数 系数 系数 系数 系数
temperature-ave 2253 2173 -8935 -5923 -4749 -3192 -2920 -2634 -8214
p 0 0 0 0 0 0.01 0.019 0.035 0.01
temperature-stdev 1443 5206 5005 4647 5522 5827 5859 6134
p 0 0 0 0 0 0 0 0
temperature-min 11109 9317 7577 6757 6080 5439 11098
p 0 0 0 0 0 0 0.001
temperature-ave-s -23.3 -30.6 -33.7 -13.6 -10.6 -13.9
p 0 0 0 0.056 0.143 0.061
rainfall-night 8432 12055 18788 17955 17560
p 0 0 0 0 0
humidity-ave -375 -587 -632 -651
p 0.005 0 0 0
rainfall-ave-s -244 -344 -345
p 0 0 0
rainfall-day 5317 5601
p 0.006 0.004
temperature-range-s 127.6
p 0.058
S 79285 79111 78577 78448 78345 78318 78271 78245 78235
R-sq 0.07 0.080 0.093 0.096 0.098 0.099 0.100 0.101 0.101
R-sq(调整) 0.076 0.080 0.093 0.096 0.098 0.098 0.1 0.100 0.100
R-sq(预测) 0.076 0.079 0.092 0.094 0.097 0.097 0.098 0.098 0.099
通过逐步回归分析，依次得到筛选因素为日间降水、夜间降水、降水量的标准差、平均气温、最低气温、平均气温的标准差、温差的标准差和湿度。求得预测淡水养殖鱼类产量的模型方程为：Y＝-16057-345.2A2+5601B+17560C-8214D-13.96E2+6134F+11098G+127.6H2-651I
其中：Y表示淡水养殖鱼类产量；A表示平均降水量，单位mm；B表示白天降水量，单位mm；C表示夜间降水量，单位mm；D表示平均温度，单位℃，E表示平均温度，单位℃；F表示平均温度的标准差，单位℃；G表示最低温度，单位℃；H表示温差，单位℃；I表示平均湿度，单位％。

Claims (2)

1.一种淡水养殖鱼类产量预测方法，其特征在于，步骤如下：
(1)获取历史淡水养殖鱼类产量数据；
(2)获取历史淡水养殖鱼类产量数据对应时间内的历史气象数据；历史气象数据具体包括日照时长、湿度、降水量和温度；历史气象数据中的温度包括历史气象数据的最高温度、最低温度和平均温度，并计算得到平均温度的标准差、温差及温差的平方；历史气象数据中的降水量包括历史气象数据的白天降水量、夜间降水量和降水量，并计算得到降水量的标准差；
(3)根据历史淡水养殖鱼类产量数据与历史气象数据，建立回归模型Yi＝β1Xi1+β2Xi2+…+βmXim+εi，其中Yi表示第i年的淡水养殖鱼类产量；Xim表示第i年第m种历史气象参数，m＝1,2,…,12；βm表示第m种历史气象参数的回归系数；εi表示修正系数；
(4)运用逐步回归分析法，逐个引入显著性变量，同时剔除不显著性变量，以期获得最优的回归模型；
所述的逐步回归法是通过偏回归平方和对变量进行显著性检验考虑是否引入或是剔除变量，具体方法是：将对对淡水养殖鱼类产量影响大的因素引入回归方程，引入的条件是该因素的偏回归平方和在待选因素中最大，同时，每引入一个对淡水养殖鱼类产量影响显著的因素都要以偏回归平方和来考虑是否引入新变量，若在显著性水平α引入下，变量的显著性检验p<α引入，则表明引入该变量；若在显著性水平α剔除下，变量的显著性检验下p>α剔除，则应剔除该变量；直到对所有因素进行过引入剔除的检验，此时保留下来的因素是对产量影响显著的因素；
(5)利用逐步回归分析法筛选出来的对淡水养殖鱼类产量影响显著的因素以及回归模型，根据逐步回归结果，将筛选出来的变量及其回归系数带入(3)中的回归模型，建立淡水养殖鱼类产量预测模型，预测模型如下；
Y＝-16057-345.2A2+5601B+17560C-8214D-13.96E2+6134F+11098G+127.6H2-651I
其中：Y表示淡水养殖鱼类产量；A表示平均降水量，单位mm；B表示白天降水量，单位mm；C表示夜间降水量，单位mm；D表示平均温度，单位℃，E表示平均温度，单位℃；F表示平均温度的标准差，单位℃；G表示最低温度，单位℃；H表示温差，单位℃；I表示平均湿度，单位％；
(6)将采集到的当期气象数据带入淡水养殖鱼类产量预测模型，即可得到当期淡水养殖鱼类产量。
2.根据权利要求1所述的一种淡水养殖鱼类产量预测方法，其特征在于，所述的显著性水平α引入＝0.15，α剔除＝0.15。
CN201811293791.6A 2018-11-01 2018-11-01 一种淡水养殖鱼类产量预测方法 Expired - Fee Related CN109376938B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811293791.6A CN109376938B (zh) 2018-11-01 2018-11-01 一种淡水养殖鱼类产量预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811293791.6A CN109376938B (zh) 2018-11-01 2018-11-01 一种淡水养殖鱼类产量预测方法

Publications (2)

Publication Number Publication Date
CN109376938A true CN109376938A (zh) 2019-02-22
CN109376938B CN109376938B (zh) 2021-08-06

Family

ID=65396852

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811293791.6A Expired - Fee Related CN109376938B (zh) 2018-11-01 2018-11-01 一种淡水养殖鱼类产量预测方法

Country Status (1)

Country Link
CN (1) CN109376938B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110619482A (zh) * 2019-09-27 2019-12-27 深圳前海车米云图科技有限公司 基于逻辑回归和单层次分析赋权法的驾驶行为评分方法
CN115191385A (zh) * 2022-07-15 2022-10-18 生态环境部南京环境科学研究所 一种水库鱼类资源声学调查方法
CN116579508A (zh) * 2023-07-13 2023-08-11 海煜(福州)生物科技有限公司 一种鱼类预测方法、装置、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101720682A (zh) * 2008-10-24 2010-06-09 中国科学院水生生物研究所 湖泊鳜鱼规模化养殖方法
CN106250980A (zh) * 2016-07-22 2016-12-21 上海海洋大学 一种阿根廷滑柔鱼中心渔场预测方法
CN106778056A (zh) * 2016-12-05 2017-05-31 中山大学 一种海洋贝类养殖碳汇评估模型的构建方法及应用

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101720682A (zh) * 2008-10-24 2010-06-09 中国科学院水生生物研究所 湖泊鳜鱼规模化养殖方法
CN106250980A (zh) * 2016-07-22 2016-12-21 上海海洋大学 一种阿根廷滑柔鱼中心渔场预测方法
CN106778056A (zh) * 2016-12-05 2017-05-31 中山大学 一种海洋贝类养殖碳汇评估模型的构建方法及应用

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
SPILLMAN等: "Predicting environmental drivers for prawn aquaculture production to aid improved farm management", 《AQUACULTURE》 *
李文阁: "内蒙古西辽河流域渔业评估与可持续发展研究", 《中国博士学位论文全文数据库农业科技辑》 *
李海涛等: "基于启发式 Johnson 算法优化 BP 神经网络的水产养殖产量预测模型", 《渔业现代化》 *
袁琪: "中国养殖鱼类水足迹估算及可持续养殖政策优化", 《中国优秀硕士学位论文全文数据库 农业科技辑》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110619482A (zh) * 2019-09-27 2019-12-27 深圳前海车米云图科技有限公司 基于逻辑回归和单层次分析赋权法的驾驶行为评分方法
CN115191385A (zh) * 2022-07-15 2022-10-18 生态环境部南京环境科学研究所 一种水库鱼类资源声学调查方法
CN116579508A (zh) * 2023-07-13 2023-08-11 海煜(福州)生物科技有限公司 一种鱼类预测方法、装置、设备及存储介质
CN116579508B (zh) * 2023-07-13 2023-10-13 海煜(福州)生物科技有限公司 一种鱼类预测方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN109376938B (zh) 2021-08-06

Similar Documents

Publication Publication Date Title
CN109615076A (zh) 一种面向鱼类生境保护的河流生态流量过程推求方法
CN109376938A (zh) 一种淡水养殖鱼类产量预测方法
CN103141424B (zh) 一种耐高温虾夷扇贝育种家系的快速筛选方法
CN204949168U (zh) 一种多功能斑马鱼科学养殖系统
CN110402880A (zh) 一种水产养殖中水质环境原位修复信息处理系统及方法
CN104621017B (zh) 一种温剑水蚤的筛选纯化与规模化培育方法
CN109213017A (zh) 水产养殖智能投饲系统及方法
CN104536399A (zh) 一种基于物联网高清摄像一体化网关的大棚培育智能管理系统
Väli Monitoring of spotted eagles in Estonia in 1994–2014: Stability of the lesser spotted eagle (Aquila pomarina) and decline of the greater spotted eagle (A. clanga)
Li et al. The long-term effects of thinning and mixing on species and structural diversity of Chinese fir plantations
CN111126742A (zh) 一种长江流域生境状况评价方法
CN105010126A (zh) 一种抗黑斑病甘薯品种的快速选育方法
CN117204377A (zh) 一种单环刺螠家系建立及优良家系选育方法
CN115759487B (zh) 南美白对虾养殖肥水作业窗口期的气象风险预测方法
CN108496702B (zh) 一种土壤种子库湿地生态修复方法
Ho et al. Influence of weather condition on pelagic fish landings in Kota Kinabalu, Sabah, Malaysia
CN102771449A (zh) 一种弹尾虫饲养装置
Amiri et al. Monitoring land suitability for mixed livestock grazing using Geographic Information System (GIS)
Rahimi et al. Using the Lonsdorf and ESTIMAP models for large-scale pollination mapping (Case study: Iran)
CN201938205U (zh) 青鳉鱼的养殖设备
CN110367066B (zh) 一种基于多梯度多性状综合抗旱系数的水稻抗旱性评价方法
CN103798168A (zh) 一种适用于华南沿海盐度渐变式熊本牡蛎室内大规模人工繁育新方法
Janković et al. Diversity and structure of hoverfly (Diptera: Syrphidae) communities in agricultural areas in Vojvodina Province (Serbia) a case study on Brassica napus L.
Grabovets et al. Wheat breeding during drought increase
CN205213901U (zh) 一种黑水虻养殖装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information

Inventor after: Ma Jun

Inventor after: Song Guobao

Inventor after: Gao Jixi

Inventor before: Ma Jun

Inventor before: Song Guobao

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210806

CF01 Termination of patent right due to non-payment of annual fee