JP2019511783A - 灰色システムに基づく遠洋イカ類資源の存在度の予測方法 - Google Patents
灰色システムに基づく遠洋イカ類資源の存在度の予測方法 Download PDFInfo
- Publication number
- JP2019511783A JP2019511783A JP2018549575A JP2018549575A JP2019511783A JP 2019511783 A JP2019511783 A JP 2019511783A JP 2018549575 A JP2018549575 A JP 2018549575A JP 2018549575 A JP2018549575 A JP 2018549575A JP 2019511783 A JP2019511783 A JP 2019511783A
- Authority
- JP
- Japan
- Prior art keywords
- gray
- model
- abundance
- correlation
- resources
- 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
Links
- 241000238366 Cephalopoda Species 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000010219 correlation analysis Methods 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- AILDTIZEPVHXBF-UHFFFAOYSA-N Argentine Natural products C1C(C2)C3=CC=CC(=O)N3CC1CN2C(=O)N1CC(C=2N(C(=O)C=CC=2)C2)CC2C1 AILDTIZEPVHXBF-UHFFFAOYSA-N 0.000 claims description 26
- 244000308495 Potentilla anserina Species 0.000 claims description 26
- 235000016594 Potentilla anserina Nutrition 0.000 claims description 26
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 claims description 10
- 230000007613 environmental effect Effects 0.000 claims description 10
- 229930002875 chlorophyll Natural products 0.000 claims description 9
- 235000019804 chlorophyll Nutrition 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000010355 oscillation Effects 0.000 claims description 5
- 230000005856 abnormality Effects 0.000 claims description 2
- 230000017448 oviposition Effects 0.000 claims description 2
- 238000004088 simulation Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 7
- 241000894007 species Species 0.000 abstract description 4
- 235000003325 Ilex Nutrition 0.000 description 6
- 241000209035 Ilex Species 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 244000144992 flock Species 0.000 description 3
- 241000251468 Actinopterygii Species 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 244000144980 herd Species 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000238440 Illex argentinus Species 0.000 description 1
- 241000881717 Ommastrephes bartramii Species 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 229930002868 chlorophyll a Natural products 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000012447 hatching Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- -1 is June-August Natural products 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Husbandry (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Agronomy & Crop Science (AREA)
- Development Economics (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Farming Of Fish And Shellfish (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本発明は短いライフサイクル種の資源量予測方法に関し、遠洋漁業分野に属する。灰色システムに基づく遠洋イカ類資源の存在度の予測方法であって、灰色相関解析方法を用いて、遠洋イカ類資源の存在度の影響要素の灰色相関度の大きさを計算するステップ1と、灰色相関度が大きい影響要素を資源の存在度予測モデルの要素として選択するステップ2と、離散GMモデルを利用して、ステップ2で選択された要素を用いて遠洋イカ類資源の存在度の予測モデルを作成するステップ3と、ステップ3の予測モデルに対して相対誤差と相関係数分析とを含む有効性分析を行い、相対誤差が最小であり相関係数が最大であるモデルを最も適切な予測モデルとして選択するステップ4と、を含むことを特徴する。本発明では、灰色システムを用いてイカ類資源の存在度を予測する精度が90%以上と高く、漁業の生産実践及び科学的管理に対して参照を提供する。【選択図】 図1
Description
本発明は短いライフサイクル種資源の存在度の予測方法に関し、特に灰色システムに基づく遠洋イカ類資源の存在度の予測方法に関する。
漁業情報の予測は漁業生産の重要な過程であり、アカイカ(Ommastrephes bartramii)の冬春生まれ群資源の存在度に対する予測はアカイカの冬春生まれ群の科学的管理及び生産を行うことに有利である。イカのライフサイクルは一般的に一年であり、産卵期が1-4月であり、当年の産卵孵化に成功するか否かはその補充量を直接決定し資源が豊富であるか不足するかを決定し、当年の産卵場環境はその資源の変化を必然的に引き起こす。外界の環境要素は海表面温度(Sea surface temperature、SST)と、クロロフィル濃度（Chlorophyll-a concentration、Chl-a）と、エルニーニョ指数（El-nino index）と、太平洋十年規模振動(Pacific Decadal Oscillation、PDO)とを含む。
アルゼンチンイレツクスIllex argentinusは浅海種に属し、寿命が短く、迅速に成長し、個体群の全体はほぼ単一世代で構成され、産卵した後に死亡する。一般的には22°~54°Sパタゴニアの大陸棚と大陸斜面の水深さ50~1000mの領域、特に35°~52°Sに分布しており、現在の世界で最も重要な頭足類の1つであり、南西大西洋イカ釣り漁業の重要な構成部分である。
漁業情報の予測は漁場学研究の重点である。正確な漁業情報の予測は企業が漁業生産を合理的に手配するように指導でき、漁場を見つけるための時間を短縮させ、コストを削減させ、漁獲量を向上させることができる。一般的には漁業情報の予測は漁場予測と資源の存在度の予測とを含み、本発明は資源の存在度の予測に関する。中国では20世紀50年代から近海の主要な経済魚種に対して漁業情報の予測を行い始め、豊富な経験を積む。20世紀80年代以来、地理情報システムの発展は漁業情報分析と漁場予測研究のために強力な分析ツールを提供する。海洋衛星リモートセンシング技術の普及により広範囲の海の状態情報を高速取得でき、リアルタイムな漁船位置監視及び海上衛星通信技術によって外航漁船が漁業情報の予測機構からのリアルタイムな予測を効果的に受信でき、それらの新技術の発展は効率的な漁業情報の予測の開発にサポートを提供する。しかし、従来の資源の存在度の予測において、ある予測種類に影響を与える1つの環境要素、又は複数の環境要素を用い、線形モデルで予測するのが一般的であり、それらの予測が良い予測結果を取得して、予測精度が約70%であるが、海洋生態系は一般的に影響要素が相互に影響して作用する非線形であるため、線形モデルが必ずしも効果的にシミュレートできると限らず、また、線形モデルを利用する場合、統計上非常に長い時間シーケンスを必要とし、統計学の要件によれば、一般的に30個以上のサンプルを必要とする。それらの条件及び要件は従来の資源の存在度の予測モデル精度の向上を制限する。
予測は本質的に過去を検討することで将来の発展動向を推定して把握することで
ある。灰色システム理論は、中国で有名な学者である▲トウ▼聚龍教授が1982年に打ち立てた新しい横断的学科であり、「一部の情報が既知、一部の情報が不明である」の「小さなサンプル」、「不十分な情報」の不確実性システムを研究対象として、主に「一部」の既知の情報の生成、開発により、重要な情報を抽出し、システム運転に対する効果的な制御を実現する。灰色予測は生データの処理及び灰色モデルの作成によって、システム発展のルールを発見して把握し、システムの将来の状態について科学的且つ定量的に予測する。しかし、同じ予測には異なる灰色予測モデルを利用することができ、従って、どの構造の灰色予測モデルは適切であり精度がより高いかは、比較して選択する必要がある。正確な予測モデルを選択すると、漁船の生産効率を効果的に向上させ、企業の年度計画のための参照を提供することができる。
ある。灰色システム理論は、中国で有名な学者である▲トウ▼聚龍教授が1982年に打ち立てた新しい横断的学科であり、「一部の情報が既知、一部の情報が不明である」の「小さなサンプル」、「不十分な情報」の不確実性システムを研究対象として、主に「一部」の既知の情報の生成、開発により、重要な情報を抽出し、システム運転に対する効果的な制御を実現する。灰色予測は生データの処理及び灰色モデルの作成によって、システム発展のルールを発見して把握し、システムの将来の状態について科学的且つ定量的に予測する。しかし、同じ予測には異なる灰色予測モデルを利用することができ、従って、どの構造の灰色予測モデルは適切であり精度がより高いかは、比較して選択する必要がある。正確な予測モデルを選択すると、漁船の生産効率を効果的に向上させ、企業の年度計画のための参照を提供することができる。
本発明が解決しようとする技術課題は灰色システムに基づく遠洋イカ類資源の存在度の予測方法を提供することであり、海洋環境要素による海洋経済イカ類資源の補充量への影響を研究して把握し、海洋経済イカ類資源の補充量への影響が最も顕著な海洋環境要素を見つけ、中長期の漁業情報の予測に用いる。
灰色システムに基づく遠洋イカ類資源の存在度の予測方法は、
灰色相関解析方法を用いて、遠洋イカ類資源の存在度の影響要素の灰色相関度の大きさを計算するステップ1と、
灰色相関度が大きい影響要素を資源の存在度予測モデルの要素として選択するステップ2と、
離散GMモデルを利用して、ステップ2で選択された要素を用いて遠洋イカ類資源の存在度の予測モデルを作成するステップ3と、
ステップ3の予測モデルに対して、要素データでCPUE値を計算し、実際のCPUE値と比較することにより取得された絶対値の大きさである相対誤差と、ステップ3のモデルで得られた模擬CPUE値シーケンスと実際のCPUE値シーケンスとの相関係数を用いる相関係数分析と、を含む有効性分析を行い、相対誤差が最小であり相関係数が最大であるモデルを最も適切な予測モデルとして選択するステップ4と、を含むことを特徴とする。
灰色相関解析方法を用いて、遠洋イカ類資源の存在度の影響要素の灰色相関度の大きさを計算するステップ1と、
灰色相関度が大きい影響要素を資源の存在度予測モデルの要素として選択するステップ2と、
離散GMモデルを利用して、ステップ2で選択された要素を用いて遠洋イカ類資源の存在度の予測モデルを作成するステップ3と、
ステップ3の予測モデルに対して、要素データでCPUE値を計算し、実際のCPUE値と比較することにより取得された絶対値の大きさである相対誤差と、ステップ3のモデルで得られた模擬CPUE値シーケンスと実際のCPUE値シーケンスとの相関係数を用いる相関係数分析と、を含む有効性分析を行い、相対誤差が最小であり相関係数が最大であるモデルを最も適切な予測モデルとして選択するステップ4と、を含むことを特徴とする。
冬春生まれアカイカについて、灰色相関度が大きい影響要素は海表面温度SSTと、PDOと、nino3.4異常と、クロロフィル濃度chl-aとを備える。
冬春生まれアカイカの資源の存在度に対する予測は、リモートセンシング衛星でnino3.4異常、PDOデータ、海表面温度SST、クロロフィル濃度chl-aの4つの海洋環境と気候要素を取得するステップ(1)と、4つの海洋環境及び気候要素に対して灰色相関解析を行い、当年のCPUE値をマザーシーケンス、当年の産卵時間内の各月の産卵場の環境指標及び気候指標をサブシーケンスとして、それぞれ各サブシーケンスとマザーシーケンスとの灰色絶対相関度を計算し、灰色絶対相関度の大きさによって各指標の重要性を評価するステップ(2)と、灰色相関解析の結果に基づいて、相関度が最高である4つの要素として、3月の産卵場の平均海表面温度SST、1月の太平洋十年規模振動PDO、4月のnino3.4異常、4月の平均クロロフィル濃度chl-aを選択するステップ (3)と、選択した4つの要素に基づいて、灰色システムに基づく、GM(O,1)、GM(O,2)、GM(O,3)、GM(O,4)、GM(1,1)、GM(1,2)、GM(1,3)、GM(1,4)の8種類のアカイカ冬春生まれ群資源の存在度の予測モデルを作成するステップ(4)と、8種類の予測モデルに対して有効性テストを行った結果、モデルGM(1,4)構造は最も最適なアカイカ冬春生まれ資源の存在度の予測モデルであるステップ(5)と、を含む。
大西洋南西部のアルゼンチンイレツクスについて、灰色相関度が大きい影響要素は、6、7、8月の45°〜66°W、32°〜43°S海域のSSTを含む。
大西洋南西部のアルゼンチンイレツクス資源の存在度に対する予測は、6-8月の産卵海域内の各点の海洋表面温度のサブシーケンスと翌年CPUEマザーシーケンスで灰色相関度計算を行い、産卵場海域における灰色相関度が0.9より大きい点のSSTを大西洋南西部のアルゼンチンイレツクス資源の存在度予測モデルの影響要素として選択するステップ1）と、6月と7月の灰色絶対相関度が0.90より大きいすべての点のSSTの平均値の2つの要素を含むGM(0,3)モデルと、6月と8月の灰色絶対相関度が0.90より大きいすべての点のSSTの平均値の2つの要素を含むGM(0,3)モデルと、7月と8月の灰色絶対相関度が0.90より大きいすべての点のSSTの平均値の2つの要素を含むGM(0,3)モデルと、6-8月の灰色絶対相関度が0.90より大きいすべての点のSSTの平均値の3つの要素を含む GM(0,4)モデルとの複数種のGM(0,N)灰色予測モデルを作成するステップ2）と、4種の予測モデルに対して有効性テストを行った結果、モデルGM(0,4)構造は最も最適な大西洋南西部のアルゼンチンイレツクス資源の存在度の予測モデルであるステップ3）と、を含む。
本発明は灰色システム理論における灰色相関解析と灰色予測モデリング方法を用い、産卵期と産卵海域のイカ資源の存在度に影響を与える環境要素を分析し、各指標の重要度評価を取得し、相関度が最高の影響要素を選択し、それに基づいて灰色予測モデルを作成し、予測精度を比較し、最終的に最も最適な離散モデル構造を資源の存在度の予測モデルとして選択するものであり、この方法で取得した予測モデルによれば、遠洋イカ類資源の存在度に対する予測精度は90%以上と高く、従来の予測モデルの予測精度(70%)に比べて、著しく向上する。
以下では特定の実施形態及び図面を参照しながら本発明をさらに説明する。
実施例1
イカは太平洋北西部での重要な経済頭足類の1つである。一般的には冬春生まれ群及び秋生れ群に分けられ、その中でも、冬春生まれ群は中国の遠洋漁業の主な漁獲対象である。アカイカ冬春生まれ群の存在度に対する予測方法は、アカイカの生産統計データ及び産卵場環境データを用いて行われ、ステップ(1)〜ステップ (5)を含む。
イカは太平洋北西部での重要な経済頭足類の1つである。一般的には冬春生まれ群及び秋生れ群に分けられ、その中でも、冬春生まれ群は中国の遠洋漁業の主な漁獲対象である。アカイカ冬春生まれ群の存在度に対する予測方法は、アカイカの生産統計データ及び産卵場環境データを用いて行われ、ステップ(1)〜ステップ (5)を含む。
(1)リモートセンシング衛星でnino3.4異常、PDOデータ、海表面温度SST、クロロフィル濃度chl-a等の4つの海洋環境と気候要素を取得する。
(2)4つの海洋環境及び気候要素に対して灰色相関解析を行い、すなわち当年のCPUEをマザーシーケンス、当年の産卵時間内の各月の産卵場環境指標及び気候指標をサブシーケンスとして、それぞれ各サブシーケンスとマザーシーケンスとの灰色絶対相関度を計算し、灰色絶対相関度の大きさによって各指標の重要性を評価する。灰色絶対相関度の計算方法は、以下のとおりである。
マザーシーケンスX0、サブシーケンスX1、X2、X3、X4、Xsがあると仮定し、マザーシーケンスと複数のサブシーケンスの絶対相関度を求める。
第1ステップ、開始点をゼロ化する。
同様に以下の他のゼロ化値を取得することができ、
(3)灰色相関解析の結果に基づいて相関度が最高の4つの要素として、3月の産卵場の平均海表面温度SST、1月の太平洋十年規模振動PD0、4月のnino3.4異常、4月の平均クロロフィル濃度chl-aのを選択する。
(4)選択した4つの要素に基づいて、灰色システムに基づく、GM(0、1)、GM(0、2)、GM(0,3)、GM(0,4)、GM(1,1)、GM(1,2)、GM(1,3)、GM(1,4)の8種類のアカイカ冬春生まれ群資源の存在度の予測モデルを作成する。以下、GM(1,1)モデルを実例として分析する。
1983-l994年の海洋漁獲量を選択してGM(1,1)灰色シーケンス予測モデルを作成し、具体的に、以下のように計算する。
1983〜1994年の漁獲量を生データ列
X(0)=(46.54,52.50,53.20,59.94,71.76,80.98,89.93,103.27,113.84,138.40,155.57,160.82) として選択する。
X(0)=(46.54,52.50,53.20,59.94,71.76,80.98,89.93,103.27,113.84,138.40,155.57,160.82) として選択する。
一回加算してデータ列
X(1)=(46.54,99.04,152.24,212.18,283,94,364.92,454.85,558.12,671.96、810.36,965.93,ll26.75) を生成する。
X(1)=(46.54,99.04,152.24,212.18,283,94,364.92,454.85,558.12,671.96、810.36,965.93,ll26.75) を生成する。
加算行列Bと定数項目ベクトルYnを構成し
灰色パラメータa’を求め、
計算して、a=-0.1202055、u=41.3759を得る。
灰色パラメータa’を求め、
時間対応方程式に代入してデリバティブして還元することにより以下の結果を取得する。
計算結果及びテスト
以下の表の計算結果及び後退代入テストから分かるように、上記モデルの実際値とフィッティング値との平均相対誤差が2.19%である。計算結果の精確度及び信頼度がより高いことが示され、このため、灰色シーケンス予測モデルは海洋漁獲量の予測に適用できると考えられる。
以下の表の計算結果及び後退代入テストから分かるように、上記モデルの実際値とフィッティング値との平均相対誤差が2.19%である。計算結果の精確度及び信頼度がより高いことが示され、このため、灰色シーケンス予測モデルは海洋漁獲量の予測に適用できると考えられる。
表 灰色予測モデルの1983〜1994年の漁獲量に対する計算及びテスト
(5)8種類の予測モデルに対して有効性テストを行った結果、GM(O,1)、GM(O,2)、GM(O,3)、GM(O,4)、GM(1,1)、GM(1,2)、GM(1,3)モデルの予測精度はいずれも60-80%の間であり、平均精度は75%であり、GM(1,4)モデルの予測相対精度は90%以上である。従って、灰色関連モデルGM(1,4)構造をアカイカ冬春生まれ群資源の存在度の予測方法として選択する。
実施例2
単位努力量当たり漁獲量（catch per unit effort、CPUE）で大西洋南西部のアルゼンチンイレツクスの資源の存在度を特徴付けして研究を行い、計算方法は以下のとおりである。
単位努力量当たり漁獲量（catch per unit effort、CPUE）で大西洋南西部のアルゼンチンイレツクスの資源の存在度を特徴付けして研究を行い、計算方法は以下のとおりである。
CPUE=C/B
式中、Cは年間漁獲量（t）、Bは年間漁船総数（vessel）、CPUEの単位はt・vessel−１である。
式中、Cは年間漁獲量（t）、Bは年間漁船総数（vessel）、CPUEの単位はt・vessel−１である。
一般的に認められた大西洋南西部のアルゼンチンイレツクスの産卵場は40°W~65°W、30°S~45°Sであり、アルゼンチンイレツクスの産卵月が6-8月であり、アルゼンチンイレツクスの成長周期がより短いため、一般的には一年生魚種であり、従って、翌年の対数CPUEの時間シーケンス値と産卵場1°×1°の各点のSSTの時間シーケンス値の灰色相関度を計算し、産卵場海域における、灰色相関度が0.9より大きい点のSSTを大西洋南西部のアルゼンチンイレツクス資源の存在度予測モデルの影響要素として選択する。
6-8月の産卵海域内の各点の海洋表面温度のサブシーケンスと翌年CPUEマザーシーケンスの灰色絶対関連分析結果は表1に示され、6月の灰色絶対相関度が0.90より大きい点は25個、7月の灰色絶対相関度が0.90より大きい点は10個、8月の灰色絶対相関度が0.90より大きい点は7個である。従って、これらの灰色絶対相関度がより大きな点をモデルを作成するための環境要素として選択する。
表1 灰色絶対関連分析結果
離散したGM(0,N)モデルを用いてアルゼンチンイレツクスの資源の存在度を予測し、選択した各月のSSTのシーケンス値と翌年のCPUEのシーケンス値との間の灰色絶対相関度がより大きな点を要素として利用し、複数種のGM(0,N)灰色予測モデルを作成する。それぞれ、
解決案1:6月と7月の灰色絶対相関度が0.90より大きいすべての点のSSTの平均値の2つの要素を含むGM(0,3)モデル。
解決案1:6月と7月の灰色絶対相関度が0.90より大きいすべての点のSSTの平均値の2つの要素を含むGM(0,3)モデル。
解決案2：6月と8月の灰色絶対相関度が0.90より大きいすべての点のSSTの平均値の2つの要素を含むGM(0,3)モデル。
解決案3: 7月と8月の灰色絶対相関度が0.90より大きいすべての点のSSTの平均値の2つの要素を含むGM(0,3)モデル。
解決案4：6-8月の灰色絶対相関度が0.90より大きいすべての点のSSTの平均値の3つの要素を含むGM(0,4)モデル。
予測モデルを作成した後、モデルに対して有効性分析を行う必要があり、すなわちモデル予測結果の評価は相対誤差と関連分析の2つの点に分けられる。1）相対誤差：先ず要素データを利用してCPUE値を計算し、実際のCPUE値と比較し、相対誤差の絶対値を取得し、すべての要素の相対誤差の大きさを比較する。モデルの作成過程において、2000-2015年の大西洋南西部のアルゼンチンイレツクス資源の存在度のデータをモデルの作成に用い、2016年のアルゼンチンイレツクス資源の存在度のデータをモデルの検証に用い、相対誤差の絶対値を比較することによりモデルを評価する。2）相関係数：模擬CPUE値シーケンスと実際のCPUE値シーケンスとの相関係数を計算し、相関係数が大きければ大きほど、モデルの予測効果が高い。
モデルに基づいて予測したCPUEの結果は図1に示され、モデル効果分析は表2、表3に示される。相対誤差から分かるように、6-8月の灰色絶対相関度が0.90より大きいすべての点のSSTの平均値を含むGM(0,4)モデルの効果は他の各月を2つずつ組み合わせて作成したモデルよりも高い。2016年のモデル検証結果からわかるように、同様に、モデル4の予測精度は最も高く、その相対誤差が僅かに0.04、すなわち4%であり、それに次いで、それぞれモデル1、モデル3、モデル2である。大西洋南西部のアルゼンチンイレツクス予測モデルで得られたCPUEシーケンスと実際値シーケンスとの間の相関係数は順にモデル4（0.73）、モデル1（0.72）、モデル3（0.70）、モデル2（0.15）である。モデル有効性の異なる点から分析すると、要素の重要性が異なる。ただし、全体的には、モデル4が予測した2016年のCPUEと実際値との誤差はより小さく、また、予測したCPUEシーケンス値と実際値との間の相関係数はより大きいため、モデル4を予測精度が最も高いモデルとして、大西洋南西部のアルゼンチンイレツクスの資源の存在度を予測することができる。
表2 アルゼンチンイレツクス予測モデルの相関係数
表3 アルゼンチンイレツクス予測モデルの相対誤差
本研究では、研究領域1°×1°での各点のSSTシーケンス値を環境要素とし、灰色相関解析と灰色モデル予測方法を用い、大西洋南西部のアルゼンチンイレツクスの資源の存在度を予測する。灰色モデル予測結果（表3）から分かるように、環境要素は6-8月の灰色絶対相関度が0.90より大きいすべての点のSSTの平均値を含むモデル、すなわちモデル4は、精度が最も高く、2016年についての予測の正確率が95%以上と高い。ただし、2003-2004年、2006年、2008-2009年、2014-2015年は当年のCPUEの変化傾向とは僅かな差が存在することも認められ、これは、大西洋南西部の2004-2008年にSSTが大きく変化し、アルゼンチンイレツクスの2004-2008年の資源の存在度がSSTと顕著な負の相関を示すという伍玉梅等の研究と一致し、アルゼンチンイレツクス個体群の回遊経路及び回遊時間の違いにより引き起こされる可能性がある。また、モデルにおける環境要素の選択とモデルの効果から分かるように、環境要素として6月と7月の灰色絶対相関度が0.9より大きいすべての点のSSTを含むモデルの効果は、モデル2とモデル3より高く、このことから、6月と7月の産卵場のSSTによる翌年のCPUEへの影響がより高いことが分かり、この2ヶ月の大西洋南西部のアルゼンチンイレツクス資源の存在度予測モデルの作成は肝要なことである。モデル2において、環境要素として7月のSSTを含まず、モデルが予測した2016年の資源の存在度の相対誤差は354%と高く（表3）、このことから、7月は大西洋南西部のアルゼンチンイレツクスの主な産卵月であることが示されている。
表2 アルゼンチンイレツクス予測モデルの相関係数
要するに、モデルの良い予測結果から分かるように、灰色システムはサンプルデータが少なく、情報が完全に分かっていない場合にも、効果的に予測でき、アルゼンチンイレツクスのようなライフサイクルが短い種に適合する。本研究では、使用される時間シーケンスはより長いため、予測結果は説得力がある。本発明は、初めて灰色システムを用いて大西洋南西部のアルゼンチンイレツクスの資源の存在度を予測するものであり、漁業生産実践に所定の参照を提供する。
Claims (5)
- 灰色システムに基づく遠洋イカ類資源の存在度の予測方法であって、
灰色相関解析方法を用いて、遠洋イカ類資源の存在度の影響要素の灰色相関度の大きさを計算するステップ1と、
灰色相関度が大きい影響要素を資源の存在度予測モデルの要素として選択するステップ2と、
離散GMモデルを利用して、ステップ2で選択された要素を用いて遠洋イカ類資源の存在度の予測モデルを作成するステップ3と、
ステップ3の予測モデルに対して、要素データでCPUE値を計算し、実際のCPUE値と比較することにより取得された絶対値の大きさである相対誤差と、ステップ3のモデルで得られた模擬CPUE値シーケンスと実際のCPUE値シーケンスとの相関係数を用いる相関係数分析と、を含む有効性分析を行い、相対誤差が最小であり相関係数が最大であるモデルを最も適切な予測モデルとして選択するステップ4と、を含むことを特徴とする灰色システムに基づく遠洋イカ類資源の存在度の予測方法。 - 冬春生まれアカイカについて、灰色相関度が大きい影響要素は海表面温度SSTと、PDOと、nino3.4異常と、クロロフィル濃度chl-aとを備えることを特徴とする請求項1に記載の灰色システムに基づく遠洋イカ類資源の存在度の予測方法。
- 冬春生まれアカイカ資源の存在度に対する予測は、リモートセンシング衛星でnino3.4異常、PDOデータ、海表面温度SST、クロロフィル濃度chl-aの4つの海洋環境と気候要素を取得するステップ(1)と、4つの海洋環境及び気候要素に対して灰色相関解析を行い、すなわち、当年のCPUE値をマザーシーケンス、当年の産卵時間内の各月の産卵場の環境指標及び気候指標をサブシーケンスとして、それぞれ各サブシーケンスとマザーシーケンスとの灰色絶対相関度を計算し、灰色絶対相関度の大きさによって各指標の重要性を評価するステップ(2)と、灰色相関解析の結果に基づいて、相関度が最高である4つの要素として、3月の産卵場の平均海表面温度SST、1月の太平洋十年規模振動PDO、4月のnino3.4異常、4月の平均クロロフィル濃度chl-aを選択するステップ(3)と、選択した4つの要素に基づいて、灰色システムに基づく、GM(O,1)、GM(O,2)、GM(O,3)、GM(O,4)、GM(1,1)、GM(1,2)、GM(1,3)、GM(1,4)の8種類のアカイカ冬春生まれ群資源の存在度の予測モデルを作成するステップ(4)と、8種類の予測モデルに対して有効性テストを行った結果、モデルGM(1,4)構造は最も最適な太平洋北西部のイカ冬春生まれ資源の存在度の予測モデルであるステップ(5)と、を含むことを特徴とする請求項2に記載の灰色システムに基づく遠洋イカ類資源の存在度の予測方法。
- 大西洋南西部のアルゼンチンイレツクスについて、灰色相関度が大きい影響要素は、6、7、8月の45°〜66°W、32°〜43°S海域のSSTを含むことを特徴とする請求項1に記載の灰色システムに基づく遠洋イカ類資源の存在度の予測方法。
- 大西洋南西部のアルゼンチンイレツクス資源の存在度に対する予測は、6-8月の産卵海域内の各点の海洋表面温度のサブシーケンスと翌年CPUEマザーシーケンスで灰色相関度計算を行い、産卵場海域における灰色相関度が0.9より大きい点のSSTを大西洋南西部のアルゼンチンイレツクス資源の存在度予測モデルの影響要素として選択するステップ1）と、6月と7月の灰色絶対相関度が0.90より大きいすべての点のSSTの平均値の2つの要素を含むGM(0,3)モデルと、6月と8月の灰色絶対相関度が0.90より大きいすべての点のSSTの平均値の2つの要素を含むGM(0,3)モデルと、7月と8月の灰色絶対相関度が0.90より大きいすべての点のSSTの平均値の2つの要素を含むGM(0,3)モデルと、6-8月の灰色絶対相関度が0.90より大きいすべての点のSSTの平均値の3つの要素を含むGM(0,4)モデルとの複数種のGM(0,N)灰色予測モデルを作成するステップ2）と、4種の予測モデルに対して有効性テストを行った結果、モデルGM(0,4)構造は最も最適な大西洋南西部のアルゼンチンイレツクス資源の存在度の予測モデルであるステップ3）と、を備えることを特徴とする請求項4に記載の灰色システムに基づく遠洋イカ類資源の存在度の予測方法。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610505768.3A CN106203686A (zh) | 2016-06-30 | 2016-06-30 | 基于灰色系统的西北太平洋柔鱼冬春生群体丰度预测方法 |
| CN201610505768.3 | 2016-06-30 | ||
| PCT/CN2017/090934 WO2018001338A1 (zh) | 2016-06-30 | 2017-06-29 | 基于灰色系统的大洋性鱿鱼类资源丰度预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2019511783A true JP2019511783A (ja) | 2019-04-25 |
| JP6630846B2 JP6630846B2 (ja) | 2020-01-15 |
Family
ID=57462849
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018549575A Expired - Fee Related JP6630846B2 (ja) | 2016-06-30 | 2017-06-29 | 灰色システムに基づく遠洋イカ類資源の存在度の予測方法 |
Country Status (3)
| Country | Link |
|---|---|
| JP (1) | JP6630846B2 (ja) |
| CN (1) | CN106203686A (ja) |
| WO (1) | WO2018001338A1 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110674989A (zh) * | 2019-09-23 | 2020-01-10 | 煤炭科学技术研究院有限公司 | 一种煤层气抽采量预测方法、系统、设备及可读存储介质 |
| JP2022053452A (ja) * | 2020-09-24 | 2022-04-05 | 上海海洋大学 | 灰色システム理論に基づく海水魚の盛漁期予測方法及びその応用 |
Families Citing this family (30)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106203686A (zh) * | 2016-06-30 | 2016-12-07 | 上海海洋大学 | 基于灰色系统的西北太平洋柔鱼冬春生群体丰度预测方法 |
| CN107330541A (zh) * | 2017-05-22 | 2017-11-07 | 上海海洋大学 | 一种中西太平洋鲣鱼中心渔场预报方法 |
| CN107341565A (zh) * | 2017-06-15 | 2017-11-10 | 上海海洋大学 | 西北太平洋日本鳀鱼资源丰度预测方法 |
| CN107403237A (zh) * | 2017-07-03 | 2017-11-28 | 上海海洋大学 | 基于不同气候条件的中西太平洋鲣鱼渔场预报方法 |
| CN108959797B (zh) * | 2018-07-18 | 2022-10-28 | 上海海洋大学 | 一种基于耳石微量元素重建鱿鱼类洄游路线的方法 |
| CN109325207A (zh) * | 2018-09-04 | 2019-02-12 | 温州大学 | 基于灰色gm(1，1)模型的阀体装配质量故障预测方法 |
| CN109271725A (zh) * | 2018-09-28 | 2019-01-25 | 兰州交通大学 | 一种用于预测建设工程施工周边变形量灰色模型的方法 |
| CN109543878A (zh) * | 2018-10-18 | 2019-03-29 | 上海海洋大学 | 基于太平洋涛动指数的北太平洋鱿鱼资源量预测方法 |
| CN109460860A (zh) * | 2018-10-18 | 2019-03-12 | 上海海洋大学 | 基于南极涛动指数的阿根廷鱿鱼资源量预测方法 |
| CN109472405A (zh) * | 2018-11-02 | 2019-03-15 | 上海海洋大学 | 基于太平洋震荡指数的日本秋生群鱿鱼资源丰度预测方法 |
| JP7157479B2 (ja) * | 2018-11-02 | 2022-10-20 | 上海海洋大学 | 太平洋振動指数に基づくスルメイカ資源豊度の予測方法及び応用 |
| CN109523071A (zh) * | 2018-11-02 | 2019-03-26 | 上海海洋大学 | 基于太平洋涛动指数的秋刀鱼资源丰度中长期预测方法 |
| CN109523070A (zh) * | 2018-11-02 | 2019-03-26 | 上海海洋大学 | 基于太平洋震荡指数的日本冬生群鱿鱼资源丰度预测方法 |
| CN110443993B (zh) * | 2019-06-12 | 2021-04-02 | 中国科学院大气物理研究所 | 一种适用于海气耦合模式enso预报的方法 |
| CN110458338B (zh) * | 2019-07-23 | 2023-01-03 | 天津大学 | 一种基于再分析资料的海面高度中长期统计预测方法 |
| CN111159246A (zh) * | 2019-11-15 | 2020-05-15 | 西安海的电子科技有限公司 | 一种基于大数据的海洋生物多样性统计方法 |
| CN111222748B (zh) * | 2019-11-27 | 2024-01-23 | 上海海洋大学 | 一种金枪鱼栖息地量化评估方法 |
| CN110909949B (zh) * | 2019-11-29 | 2023-08-25 | 山东大学 | 基于聚类-回归算法的近岸海域叶绿素a浓度预测方法 |
| CN111667112B (zh) * | 2020-06-04 | 2023-12-26 | 上海海洋大学 | 一种渔业资源丰度灰色预测模型优化方法及其应用 |
| CN112199837B (zh) * | 2020-09-30 | 2021-04-23 | 中国科学院地理科学与资源研究所 | 遥感混合像元地表温度分解方法、装置、电子设备及介质 |
| CN112330024B (zh) * | 2020-11-06 | 2023-09-12 | 国网辽宁省电力有限公司 | 一种基于非电量及多维度场景的电量预测方法 |
| CN112825797B (zh) * | 2020-12-31 | 2022-12-30 | 上海海洋大学 | 一种基于海洋环境因子的鸢乌贼角质颚生长模型的构建方法 |
| CN112884292A (zh) * | 2021-01-27 | 2021-06-01 | 中交路桥北方工程有限公司 | 砂卵石地层盾构施工参数控制对地表沉降影响的分析方法 |
| CN112987132A (zh) * | 2021-02-03 | 2021-06-18 | 菏泽市气象局 | 一种牡丹气象服务技术研究系统及方法 |
| CN113095551A (zh) * | 2021-03-26 | 2021-07-09 | 中国大唐集团科学技术研究院有限公司华东电力试验研究院 | 一种基于灰色预测模型的高压转子温度软测量方法及系统 |
| CN113051766B (zh) * | 2021-04-02 | 2023-04-28 | 南京信息工程大学 | 一种判断北冰洋表层环流变化状况的方法 |
| CN113592131B (zh) * | 2021-04-22 | 2023-10-24 | 福建师范大学 | 一种基于改进灰色gm(1,1)模型的建筑垃圾年产生量的预测方法 |
| CN115190474B (zh) * | 2022-07-21 | 2024-05-03 | 河海大学 | 一种面向海洋观监测传感网的隐私感知计算任务卸载方法 |
| CN116595334B (zh) * | 2023-05-23 | 2024-01-19 | 中国矿业大学 | 一种基于关联性学习的高效导水裂隙带高度预测方法 |
| CN118155080B (zh) * | 2024-05-10 | 2024-08-02 | 国家海洋局北海预报中心((国家海洋局青岛海洋预报台)(国家海洋局青岛海洋环境监测中心站)) | 一种基于指数回归模型的浒苔覆盖面积预测方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103004664B (zh) * | 2012-12-21 | 2014-10-22 | 上海海洋大学 | 一种西北太平洋柔鱼资源补充量预测方法 |
| CN103053450B (zh) * | 2012-12-24 | 2014-09-10 | 上海海洋大学 | 一种西南大西洋阿根廷滑柔鱼资源补充量预测方法 |
| CN106203686A (zh) * | 2016-06-30 | 2016-12-07 | 上海海洋大学 | 基于灰色系统的西北太平洋柔鱼冬春生群体丰度预测方法 |
-
2016
- 2016-06-30 CN CN201610505768.3A patent/CN106203686A/zh active Pending
-
2017
- 2017-06-29 JP JP2018549575A patent/JP6630846B2/ja not_active Expired - Fee Related
- 2017-06-29 WO PCT/CN2017/090934 patent/WO2018001338A1/zh active Application Filing
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110674989A (zh) * | 2019-09-23 | 2020-01-10 | 煤炭科学技术研究院有限公司 | 一种煤层气抽采量预测方法、系统、设备及可读存储介质 |
| JP2022053452A (ja) * | 2020-09-24 | 2022-04-05 | 上海海洋大学 | 灰色システム理論に基づく海水魚の盛漁期予測方法及びその応用 |
| JP7202709B2 (ja) | 2020-09-24 | 2023-01-12 | 上海海洋大学 | 灰色システム理論に基づく海水魚の盛漁期予測方法及びその応用 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106203686A (zh) | 2016-12-07 |
| JP6630846B2 (ja) | 2020-01-15 |
| WO2018001338A1 (zh) | 2018-01-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2019511783A (ja) | 灰色システムに基づく遠洋イカ類資源の存在度の予測方法 | |
| Liedtke et al. | Macroevolutionary shift in the size of amphibian genomes and the role of life history and climate | |
| Logerwell et al. | Tracking environmental processes in the coastal zone for understanding and predicting Oregon coho (Oncorhynchus kisutch) marine survival | |
| Punt | The performance of a size-structured stock assessment method in the face of spatial heterogeneity in growth | |
| Large et al. | Critical points in ecosystem responses to fishing and environmental pressures | |
| Luque et al. | Direct ageing of Thunnus thynnus from the eastern Atlantic Ocean and western Mediterranean Sea using dorsal fin spines | |
| Wells et al. | Quantifying the effects of wind, upwelling, curl, sea surface temperature and sea level height on growth and maturation of a California Chinook salmon (Oncorhynchus tshawytscha) population | |
| Anderson et al. | Using cladistic characters to predict functional variety: experiments using early gnathostomes | |
| González-Peláez et al. | Modeling geoduck growth: multimodel inference in Panopea globosa from the southwestern Baja California Peninsula, Mexico | |
| Parra et al. | Ontogenetic variation in density‐dependent growth of brown trout through habitat competition | |
| Saito et al. | Effects of juvenile size at release and early marine growth on adult return rates for Hokkaido chum salmon (Oncorhynchus keta) in relation to sea surface temperature | |
| CN111680844A (zh) | 一种基于水温垂直结构的西南大西洋阿根廷滑柔鱼栖息地评估和预测技术方法 | |
| Dureuil et al. | Unified natural mortality estimation for teleosts and elasmobranchs | |
| Correia et al. | Population structure of the black seabream Spondyliosoma cantharus along the south‐west Portuguese coast inferred from otolith chemistry | |
| Nuijten et al. | Apparent breeding success drives long‐term population dynamics of a migratory swan | |
| Chao et al. | Estimation of species richness and shared species richness | |
| Kaloveloni et al. | Geography, climate, ecology: What is more important in determining bee diversity in the Aegean Archipelago? | |
| Lauretta et al. | The robustness of Brownie tag return models to complex spatiotemporal dynamics evaluated through simulation analysis | |
| Lefebvre et al. | Reproductive complexity in a long-lived deepwater fish, the Blackgill Rockfish | |
| Helidoniotis et al. | Growth models for fisheries: The effect of unbalanced sampling error on model selection, parameter estimation, and biological predictions | |
| Cassey et al. | The varying role of population abundance in structuring indices of biotic homogenization | |
| Kindong et al. | A simulation-based option to assess data-limited fisheries off West African waters | |
| Zhang et al. | Utilization of species checklist data in revealing the spatial distribution of fish diversity | |
| CN112216342A (zh) | 一种针对多溴联苯醚类有机污染物的海水水生生物水质基准值推导方法 | |
| Xuetong et al. | β diversity and its components of the fish community in the Haizhou Bay during autumn and the relationships with environmental factors |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180920 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190107 |
|
| A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190313 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190611 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190911 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20191203 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20191209 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6630846 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| LAPS | Cancellation because of no payment of annual fees |