【技術實現步驟摘要】
本專利技術涉及航線預報預警，具體為船載智能氣象觀探測與預報預警一體化方法及系統。
技術介紹
1、隨著全球漁業資源的日益緊張和海洋環境的復雜多變，提高漁業捕撈效率和準確性成為漁業可持續發展的關鍵。傳統的漁業捕撈方式往往依賴于漁民的經驗和直覺，缺乏科學的數據支持和精準的預測手段，導致捕撈效率低下，資源浪費嚴重，甚至對海洋生態環境造成破壞。近年來，隨著智能技術和大數據的發展，利用先進的氣象觀測技術、數據分析方法和預測模型來指導漁業捕撈成為了一個新的研究方向。
2、海洋氣象條件對魚群的分布和遷徙具有重要影響。水溫、溶解氧含量、光照強度、水流速度和氣壓等氣象因素不僅直接影響魚類的生存和活動，還通過食物鏈、棲息地選擇等間接方式影響魚群的分布。因此，準確掌握海洋氣象條件與魚群分布之間的關系，對于提高漁業捕撈效率、保護海洋生態環境具有重要意義。
3、例如，現有的公開號為cn118571070b的中國專利公開了基于北斗導航的漁船自動定位預警管理方法及系統，包括以下步驟：收集實時氣象數據，識別風速、海浪和流速的變化，對氣象數據進行時間序列分析，使用北斗導航，計算海域的風險等級，得到風險等級評估結果。本專利技術中，通過對氣象數據進行時間序列分析，能夠更精準地預測潛在危險，在風險等級超過安全閾值時，及時調整漁船的航速和航向，動態調整能夠實時反映環境變化，確保漁船能夠避開危險區域和采取最安全的航行策略，同步更新的航行計劃和位置追蹤進一步增強航行的可控性和預見性，及時進行預警管理，不僅減少事故的發生率，也優化漁船的航行效率和資源利用
4、但其缺少對氣象數據和魚群關系的關聯，忽略了魚群分布的預測，這是漁業捕撈中極為關鍵的信息，僅關注于氣象數據和風險等級，未提及魚群分布的預測，這可能限制了其在漁業捕撈方面的應用效果；且不同海域、不同季節的氣象條件和魚群分布規律可能存在顯著差異，現有模型可能缺乏足夠的適應性，無法在不同環境下保持準確的預測能力。為此，本專利技術提供船載智能氣象觀探測與預報預警一體化方法及系統。
技術實現思路
1、本專利技術的目的在于提供船載智能氣象觀探測與預報預警一體化方法及系統，以解決上述
技術介紹
中提出的現有的問題。
2、為實現上述目的，本專利技術提供如下技術方案：船載智能氣象觀探測與預報預警一體化方法，包括以下步驟：
3、s1、漁船行進過程中，以船體為中心將待捕撈區域劃分為9個大小為m×m的捕撈窗口；并將所有捕撈區域窗格劃分為n×n的捕撈窗格；
4、s2、通過船載智能氣象觀探測站獲取所有捕撈窗格的氣象數據，得到魚群氣象影響值；
5、s3、建立魚群-氣象預測模型，預測所有捕撈窗口內所有捕撈窗格的魚群分布狀態；
6、s4、通過魚群分布狀態和氣象數據計算得到捕撈窗口推薦值，建立區域推薦策略，輸出漁船推薦行進方向，并判斷是否對作業人員發出預警。
7、本專利技術進一步改進在于，所述魚群-氣象預測模型具體構建過程包括：以過去每年的春季至冬季為一個記錄循環，計算每個記錄循環內每個捕撈窗格內各個季節的實際魚群密度之和，得到之和的值與在區域捕撈窗口的記錄循環內的所有數據的占比，并加一得到每個記錄循環內每個季節節點的季節周期變化因子，提取每個季節節點的季節周期變化因子與對應季節的魚群氣象影響值相乘得到記錄循環的氣象影響魚群變化值。
8、本專利技術進一步改進在于，所述魚群-氣象預測模型具體構建過程還包括：計算記錄循環內季節節點的魚群密度均值與記錄循環的對應季節的氣象影響魚群變化值加權求和，作為歷史魚群分布狀態，將歷史魚群氣象影響值和歷史魚群分布狀態作為訓練數據，基于魚群氣象影響值每一個特征的重要性自動構建樹結構，每個節點代表一個決策規則，葉子節點代表預測結果。
9、本專利技術進一步改進在于，所述樹結構具體構建過程包括：通過計算歷史氣象影響值中每個特征的信息增益來評估每個特征對魚群分布狀態的預測能力；設置魚群影響氣象閾值，將氣象影響值大于魚群影響氣象閾值的數據列為大影響氣象值，將氣象影響值小于或等于魚群影響氣象閾值的數據列為小影響氣象值；當某一特征的小影響氣象值大于設定的第一數量閾值時，選取該特征為分裂特征，相反，當某一特征的小影響氣象值小于或等于設定的第一數量閾值時，選擇信息增益最大的特征作為當前節點的分裂特征；根據選擇的特征的不同取值，將數據集劃分為多個子集，每個子集對應一個子節點；對每個子節點，模型重復上述過程直至沒有更多的特征可以分裂。
10、本專利技術進一步改進在于，所述魚群-氣象預測模型具體構建過程還包括：對所述魚群-氣象預測模型進行后剪枝操作，包括對于每個非所述魚群分布葉子節點，考慮小影響氣象值對模型性能的影響，計算如果將其剪枝后的基于交叉驗證得到的誤差，根據評估結果，選擇剪枝后誤差降低最多的魚群分布節點進行剪枝；對剪枝后的樹結構重復上述過程，直到沒有更多的節點可以剪枝；如果剪枝后的模型準確率大于設定的準確率閾值，則接受剪枝結果；否則，重新訓練模型；得到未來時間戳tt的每個捕撈窗口的魚群分布狀態。
11、本專利技術進一步改進在于，所述捕撈區域窗口推薦值通過計算區域內氣象穩定指標和區域內魚群分布狀態的乘積得到；并將所述捕撈窗口從左上角至右下角依次編號為1至9；所述區域內魚群分布狀態通過計算區域內所有捕撈窗格的魚群分布狀態均值得到。
12、本專利技術進一步改進在于，所述區域內氣象穩定性指標通過設置魚群氣象影響閾值得到，提取魚群氣象影響值小于魚群氣象影響閾值的捕撈窗格，通過merge_intervals函數合并提取的相鄰區域窗格，使用sorted()函數對區域窗格進行排序，接著通過一個循環和條件判斷來合并相鄰的、重疊的或接觸的區域窗格，并將合并后的區域窗格保存到merged列表中，最后，函數返回merged列表作為結果，記為捕撈窗口內第一捕撈分區，重復上述步驟，直至遍歷完成所有捕撈窗口內所有捕撈窗格，得到第一捕撈分區至第kp捕撈分區，kp表示編號為p的捕撈窗口內的分區數量；通過窗口內平均穩定性與距離加權穩定性加權求和后得到氣象穩定性指標。
13、本專利技術進一步改進在于，所述窗口內平均穩定性計算公式為：，其中，表示第i個區域的氣象影響值均值，表示第i個區域的窗格數量；所述距離加權穩定性計算公式為，表示分區之間的距離。
14、本專利技術進一步改進在于，所述區域推薦策略包括提取所述捕撈窗口推薦最大值對應的方向為漁船行進方向；當漁船所處捕撈區域窗口推薦值最大時，按照其余8個所述捕撈窗口推薦值最大的捕撈窗口對應方向駛出該所述待捕撈區域，當駛離待捕撈區域距離大于2m時，再次計算漁船前進方向；當其余8個所述捕撈窗口推薦值均小于設定的窗口推薦閾值時，則對漁民發出停止捕撈預警。
15、本專利技術進一步改進在于，所述氣象數據包括水溫、溶解氧含量、光照強度、水流速度和氣壓，計算水溫影響值、溶解氧含量影響值、光照強度影響值、水流速度影響值和氣壓影響值，并標準化后加權求和得到魚群氣象影響值。
16、另一本文檔來自技高網...
【技術保護點】
1.船載智能氣象觀探測與預報預警一體化方法，其特征在于：包括以下步驟：
2.根據權利要求1所述的船載智能氣象觀探測與預報預警一體化方法，其特征在于：所述魚群-氣象預測模型具體構建過程包括：以過去每年的春季至冬季為一個記錄循環，計算每個記錄循環內每個捕撈窗格內各個季節的實際魚群密度之和，得到之和的值與在區域捕撈窗口的記錄循環內的所有數據的占比，并加一得到每個記錄循環內每個季節節點的季節周期變化因子，提取每個季節節點的季節周期變化因子與對應季節的魚群氣象影響值相乘得到記錄循環的氣象影響魚群變化值。
3.根據權利要求2所述的船載智能氣象觀探測與預報預警一體化方法，其特征在于：所述魚群-氣象預測模型具體構建過程還包括：計算記錄循環內季節節點的魚群密度均值與記錄循環的對應季節的氣象影響魚群變化值加權求和，作為歷史魚群分布狀態，將歷史魚群氣象影響值和歷史魚群分布狀態作為訓練數據，基于魚群氣象影響值每一個特征的重要性自動構建樹結構，每個節點代表一個決策規則，葉子節點代表預測結果。
4.根據權利要求3所述的船載智能氣象觀探測與預報預警一體化方法，其特征在于：所
5.根據權利要求4所述的船載智能氣象觀探測與預報預警一體化方法，其特征在于：所述魚群-氣象預測模型具體構建過程還包括：對所述魚群-氣象預測模型進行后剪枝操作，包括對于每個非所述魚群分布葉子節點，考慮小影響氣象值對模型性能的影響，計算如果將其剪枝后的基于交叉驗證得到的誤差，根據評估結果，選擇剪枝后誤差降低最多的魚群分布節點進行剪枝；對剪枝后的樹結構重復上述過程，直到沒有更多的節點可以剪枝；如果剪枝后的模型準確率大于設定的準確率閾值，則接受剪枝結果；否則，重新訓練模型；得到未來時間戳TT的每個捕撈窗口的魚群分布狀態。
6.根據權利要求5所述的船載智能氣象觀探測與預報預警一體化方法，其特征在于：所述捕撈區域窗口推薦值通過計算區域內氣象穩定指標和區域內魚群分布狀態的乘積得到；并將所述捕撈窗口從左上角至右下角依次編號為1至9；所述區域內魚群分布狀態通過計算區域內所有捕撈窗格的魚群分布狀態均值得到。
7.根據權利要求6所述的船載智能氣象觀探測與預報預警一體化方法，其特征在于：所述區域內氣象穩定性指標通過設置魚群氣象影響閾值得到，提取魚群氣象影響值小于魚群氣象影響閾值的捕撈窗格，通過merge_intervals函數合并提取的相鄰區域窗格，使用sorted()函數對區域窗格進行排序，接著通過一個循環和條件判斷來合并相鄰的、重疊的或接觸的區域窗格，并將合并后的區域窗格保存到merged列表中，最后，函數返回merged列表作為結果，記為捕撈窗口內第一捕撈分區，重復上述步驟，直至遍歷完成所有捕撈窗口內所有捕撈窗格，得到第一捕撈分區至第Kp捕撈分區，Kp表示編號為p的捕撈窗口內的分區數量；通過窗口內平均穩定性與距離加權穩定性加權求和后得到氣象穩定性指標。
8.根據權利要求7所述的船載智能氣象觀探測與預報預警一體化方法，其特征在于：所述窗口內平均穩定性計算公式為：，其中，表示第i個區域的氣象影響值均值，表示第i個區域的窗格數量；所述距離加權穩定性計算公式為，表示分區之間的距離。
9.根據權利要求8所述的船載智能氣象觀探測與預報預警一體化方法，其特征在于：所述區域推薦策略包括提取所述捕撈窗口推薦最大值對應的方向為漁船行進方向；當漁船所處捕撈區域窗口推薦值最大時，按照其余8個所述捕撈窗口推薦值最大的捕撈窗口對應方向駛出該所述待捕撈區域，當駛離待捕撈區域距離大于2M時，再次計算漁船前進方向；當其余8個所述捕撈窗口推薦值均小于設定的窗口推薦閾值時，則對漁民發出停止捕撈預警。
10.根據權利要求9所述的船載智能氣象觀探測與預報預警一體化方法，其特征在于：所述氣象數據包括水溫、溶解氧含量、光照強度、水流速度和氣壓，計算水溫影響值、溶解氧含量影響值、光照強度影響值、水流速度影響值和氣壓影響值，并標準化后加權求和得到魚群氣象影響值。
11.船載智能氣...
【技術特征摘要】
1.船載智能氣象觀探測與預報預警一體化方法，其特征在于：包括以下步驟：
2.根據權利要求1所述的船載智能氣象觀探測與預報預警一體化方法，其特征在于：所述魚群-氣象預測模型具體構建過程包括：以過去每年的春季至冬季為一個記錄循環，計算每個記錄循環內每個捕撈窗格內各個季節的實際魚群密度之和，得到之和的值與在區域捕撈窗口的記錄循環內的所有數據的占比，并加一得到每個記錄循環內每個季節節點的季節周期變化因子，提取每個季節節點的季節周期變化因子與對應季節的魚群氣象影響值相乘得到記錄循環的氣象影響魚群變化值。
3.根據權利要求2所述的船載智能氣象觀探測與預報預警一體化方法，其特征在于：所述魚群-氣象預測模型具體構建過程還包括：計算記錄循環內季節節點的魚群密度均值與記錄循環的對應季節的氣象影響魚群變化值加權求和，作為歷史魚群分布狀態，將歷史魚群氣象影響值和歷史魚群分布狀態作為訓練數據，基于魚群氣象影響值每一個特征的重要性自動構建樹結構，每個節點代表一個決策規則，葉子節點代表預測結果。
4.根據權利要求3所述的船載智能氣象觀探測與預報預警一體化方法，其特征在于：所述樹結構具體構建過程包括：通過計算歷史氣象影響值中每個特征的信息增益來評估每個特征對魚群分布狀態的預測能力；設置魚群影響氣象閾值，將氣象影響值大于魚群影響氣象閾值的數據列為大影響氣象值，將氣象影響值小于或等于魚群影響氣象閾值的數據列為小影響氣象值；當某一特征的小影響氣象值大于設定的第一數量閾值時，選取該特征為分裂特征，相反，當某一特征的小影響氣象值小于或等于設定的第一數量閾值時，選擇信息增益最大的特征作為當前節點的分裂特征；根據選擇的特征的不同取值，將數據集劃分為多個子集，每個子集對應一個子節點；對每個子節點，模型重復上述過程直至沒有更多的特征可以分裂。
5.根據權利要求4所述的船載智能氣象觀探測與預報預警一體化方法，其特征在于：所述魚群-氣象預測模型具體構建過程還包括：對所述魚群-氣象預測模型進行后剪枝操作，包括對于每個非所述魚群分布葉子節點，考慮小影響氣象值對模型性能的影響，計算如果將其剪枝后的基于交叉驗證得到的誤差，根據評估結果，選擇剪枝后誤差降低最多的魚群分布節點進行剪枝；對剪枝后的樹結構重復上述過程，直到沒有更多的節點可以剪枝；如果剪枝后的模型準確率大于設定的準確率閾值，則接受剪枝結果；否則，重新訓練模型；得到未來時間戳tt的每個捕撈窗口的魚群分布狀態。
6.根據權利要求5所述的船載智能氣象觀探測與預報預警一體化方法，其特征在于：所述捕撈區域窗口推薦值通過計算區域內氣象穩定指標和區域內魚群分布狀態的乘積得到；并將所述捕撈窗...
【專利技術屬性】
技術研發人員：張健，李晨，吳飛，趙倫嘉，楊寶強，梁文麗，胡明星，周建春，
申請(專利權)人：南京大橋機器有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。