-
公开(公告)号：CN113971377B
公开(公告)日：2024-05-03
申请号：CN202110570800.7
申请日：2021-05-25
Applicant: 上海海洋大学
IPC: G06F30/28
Abstract: 本发明公开了一种东太平洋赤道海域涡旋的判别及其对茎柔鱼渔场影响评估的技术方法，包括以下步骤：S1.本发明基于海表面流场数据，S2.将涡旋的生命周期以六天为一个阶段进行划分；S3.统计赤道海域茎柔鱼作业数据；S4.处理环境因子数据；S5.以指示渔船作业重心位置的捕捞努力量与所选取的环境因子进行匹配关联；S6.对各环境因子进行分段处理；S7.将所有作业位置下的环境数据带入已拟合的方程中；S9.计算不同涡旋不同阶段内的平均栖息地适宜性指数值。本发明来定位赤道海域茎柔鱼渔场，提高渔船的捕捞产量及效率；该模型能较为准确的评价涡旋内茎柔鱼栖息地适宜性的变化情况，与实际情况情况吻合度较高。
-
公开(公告)号：CN109523071A
公开(公告)日：2019-03-26
申请号：CN201811301367.1
申请日：2018-11-02
Applicant: 上海海洋大学
Abstract: 本发明公开了一种基于太平洋涛动指数的秋刀鱼资源丰度中长期预测方法，其包括以下步骤：获取前N年秋刀鱼分布的西北太平洋海域的每月的太平洋震荡指数PDO值；利用时间序列分析方法，对秋刀鱼资源丰度CPUE与前N年每月的PDO值进行相关性分析，获取在统计上相关的P＜0.05的月PDO值，该些月PDO值作为影响秋刀鱼资源丰度的气候因子；利用多元线性方程建立多个秋刀鱼资源丰度预测模型并计算统计上P值；在上述多个秋刀鱼资源丰度预测模型中，选择统计上P值最小的模型作为最优模型。
-
公开(公告)号：CN109523070A
公开(公告)日：2019-03-26
申请号：CN201811300078.X
申请日：2018-11-02
Applicant: 上海海洋大学
Abstract: 本发明一种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，包括：获取前N年日本冬生群鱿鱼分布的北海道的太平洋一侧海域的每月的太平洋震荡指数PDO值；利用时间序列分析方法，对日本冬生群鱿鱼资源丰度CPUE与前N年每月的PDO值进行相关性分析，获取在统计上相关的P＜0.05的月PDO值，该些月PDO值作为影响日本冬生群鱿鱼资源丰度的气候因子；利用多元线性方程建立多个日本冬生群鱿鱼资源丰度预测模型并计算统计上P值，在上述多个日本冬生群资源丰度预测模型中，选择统计上P值最小的模型作为最优模型。
-
公开(公告)号：CN107403237A
公开(公告)日：2017-11-28
申请号：CN201710533098.0
申请日：2017-07-03
Applicant: 上海海洋大学
Abstract: 一种基于不同气候条件的中西太平洋鲣鱼渔场预报方法，将预测年之前的前20年分为厄尔尼诺、拉尼娜及正常月份；获取前20年NINO3.4区的SSTA数据；将前20年的渔业捕捞数据与上述SSTA数据匹配、分为3种气候条件下的历史渔业生产数据与历史环境数据；利用正态分布建立每个气候条件下的渔场预报模型，从3种气候条件下的历史数据中分别选取80％数据训练对应的正态分布模型、利用剩余20％数据验证对应的正态分布模型；3种模型经验证后均良好；研究区域分为22个海区，对每个海区统计SSTA数据，分析对应的SSTA范围，判断研究区域所属气候条件，利用判断出的气候条件对应的正态分布模型预测研究区域鲣鱼渔场的分布。
-
公开(公告)号：CN103049659A
公开(公告)日：2013-04-17
申请号：CN201210563456.X
申请日：2012-12-21
Applicant: 上海海洋大学
IPC: G06F19/00
Abstract: 本发明涉及一种秘鲁外海茎柔鱼资源补充量预测方法，包括以下步骤：(1)计算表温数据；(2)计算CPUE和CPUEt；(3)计算SST与当年CPUE相关性的最大值及其对应位置；(4)建立SST与CPUE关系式；(5)获得当年度的SST值；(6)计算CPUE；(7)计算SST与次年CPUEt相关性的最大值及其对应位置；(8)建立SST与CPUEt关系式；(9)获得当年度的SST值；(10)计算次年CPUEt。本发明的有益效果是：秘鲁外海茎柔鱼资源补充量的预报结果及时提供给用户及相关部门，以供科学参考，今后可作为一种产品进行实时发布。
-
Patent Agency Ranking
公开(公告)号：CN118626960A
公开(公告)日：2024-09-10
申请号：CN202410763421.3
申请日：2024-06-13
Applicant: 上海海洋大学
IPC: G06F18/243 , G06F30/20 , G06F119/02
Abstract: 本发明公开了一种基于关键环境因子的西北印度洋鸢乌贼栖息地评估和预测方法，综合考虑多种环境因子对鸢乌贼的影响，利用梯度森林分析法选取对鸢乌贼资源变动影响较大的环境因子视为关键环境因子，赋予关键环境因子不同权重构建HSI模型，筛选出最优HSI模型与渔业数据和环境数据结合进行预测分析，比较预测结果与实际结果并评价模型的精度，供西北印度洋鸢乌贼栖息地评估与预测使用。有利于精准定位渔场位置，提高企业捕捞效率和产量。本发明基于关键环境因子构建HSI模型，并针对关键环境因子选取了25种不同的权重分配方案，探究不同关键环境因子对栖息地评估的影响差异，使得模型结果更接近实际情况，预测效果更为准确。
-
公开(公告)号：CN111652443B
公开(公告)日：2024-07-16
申请号：CN202010505197.X
申请日：2020-06-05
Applicant: 上海海洋大学
IPC: G06Q10/0637 , G06Q50/02 , G06N3/084
Abstract: 本发明公开了一种综合多源卫星遥感预测远洋渔业资源丰度的方法及其应用，预测方法：处理时间段A内海域B鱼类C的生产统计数据及时间段A内海域B的多源卫星遥感获取的包括海水质量变化和地转流在内的海洋环境因子的数据得到时间段A内海域B鱼类C的时空同步的CPUE与海洋环境因子的数据；使用所得数据训练并测试基于BP神经网络建立的CPUE预测模型得到最终预测模型；将待预测时间段内海域B鱼类C的海洋环境因子输入最终预测模型即可完成对待预测时间段内海域B鱼类C的CPUE的预测。本发明的预测方法，首次提出以海水质量变化和地转流作为海洋环境因子，不仅提高了预测精度，而且提高了预测稳定性，极具应用前景。
-
公开(公告)号：CN117875744A
公开(公告)日：2024-04-12
申请号：CN202410062738.4
申请日：2024-01-16
Applicant: 上海海洋大学
IPC: G06Q10/0637 , G06Q10/0639 , G06F16/29
Abstract: 本发明公开了一种基于海洋环境要素的印度尼西亚近海海域海洋牧场选址方法，包括以下步骤：S1.海洋牧场的选址受到多因素的制约，结合选址海域初步的调查情况以及环境要素对于选址潜在的影响；S2.根据确定好的评价指标；S3.对所有指标进行量化处理，根据历史选址研究结果和选址参考标准将各个指标划分为不同的区间；S4.分析不同区间内指标对海洋牧场选址适宜性的影响，利用二元化法将不同区间划分为适宜和不适宜两个等级，并相应赋予1和0的数值，进行单因子海洋环境要素适宜性评价；S5.对各项指标等级值进行平均加权叠加计算，得到海洋牧场建设的综合适宜性指数，供印度尼西亚近海海域海洋牧场选址评估与参考。本发明基于海洋环境要素遥感数据，将地图排除法和海洋环境要素标准结合，开展印度尼西亚近海海域海洋牧场选址的适宜性评估。
-
公开(公告)号：CN111652443A
公开(公告)日：2020-09-11
申请号：CN202010505197.X
申请日：2020-06-05
Applicant: 上海海洋大学
Abstract: 本发明公开了一种综合多源卫星遥感预测远洋渔业资源丰度的方法及其应用，预测方法：处理时间段A内海域B鱼类C的生产统计数据及时间段A内海域B的多源卫星遥感获取的包括海水质量变化和地转流在内的海洋环境因子的数据得到时间段A内海域B鱼类C的时空同步的CPUE与海洋环境因子的数据；使用所得数据训练并测试基于BP神经网络建立的CPUE预测模型得到最终预测模型；将待预测时间段内海域B鱼类C的海洋环境因子输入最终预测模型即可完成对待预测时间段内海域B鱼类C的CPUE的预测。本发明的预测方法，首次提出以海水质量变化和地转流作为海洋环境因子，不仅提高了预测精度，而且提高了预测稳定性，极具应用前景。
-
公开(公告)号：CN109460867A
公开(公告)日：2019-03-12
申请号：CN201811302210.0
申请日：2018-11-02
Applicant: 上海海洋大学
Abstract: 本发明公开了一种基于海洋尼诺指数的智利竹荚鱼资源丰度中长期预测方法，其包括以下步骤：获取前N年智利竹荚鱼分布的东太平洋海域的每月的海洋尼诺指数ONI值；利用时间序列分析方法，对智利竹荚鱼资源丰度ln(CPUE)与前N年每月的ONI值进行相关性分析，获取在统计上相关的P＜0.05的月ONI值，该些月ONI值作为影响智利竹荚鱼资源丰度的气候因子；利用多元线性方程建立多个智利竹荚鱼资源丰度预测模型并计算统计上P值；在上述多个智利竹荚鱼资源丰度预测模型中，选择统计上P值最小的模型作为最优模型。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.018 seconds)
