近日，上海海洋大学远洋渔业科学与技术创新团队在大洋性鱿鱼AI渔情预报方面取得最新研究成果“Short to medium-term forecasting of fishing ground distribution based on deep learning model”，发表在渔业科学领域的顶级期刊《Canadian Journal of Fisheries and Aquatic Sciences》。海洋生物资源与管理学院博士后解明阳为第一作者，导师陈新军教授、柳彬讲师为共同通讯作者。该研究得到了国家重点研发计划和国家自然科学基金的支持。
近年来，大洋性经济物种的中心渔场预报技术虽然取得了较好的应用与研究成果，但还存在着亟待解决的问题，即绝大多数为近实时预报，缺乏对精细时间尺度下短中期未来变化的连续预测。深度学习作为人工智能技术中的研究热点，在处理渔业海洋学中数据量庞大且复杂的时序预报问题上具有明显的优势。提高大洋性鱿鱼渔情预报的时效性可促进我国远洋鱿钓渔业的高质量发展，为实现远洋渔业智能化奠定基础。
研究根据中国远洋渔业数据，结合海洋遥感数据，构建了西北太平洋柔鱼中心渔场短中期预报模型框架，对比分析了多种统计学、机器学习模型结果，探讨了不同时间尺度及提前时刻对模型精度和时效性的影响，从渔业海洋学角度解释环境场时序波动信息与中心渔场的耦合关系，从人工智能学的角度加强了对中心渔场形成、发展趋势的理解和认知，为实现中心渔场未来趋势发展的预测提供了新方法。
图1 基于深度学习的西北太平洋柔鱼渔场预报模型构建流程及架构
图2 不同时间尺度下环境场时序波动信息与中心渔场的耦合关系
文章链接：https://doi.org/10.1139/cjfas-2024-0124
（供稿：海洋生物资源与管理学院）