曾碩星，袁紅春

(上海海洋大學(xué)信息學(xué)院，上海 201306)

作為一種大洋性魚類，長鰭金槍魚主要分布于南太平洋、印度洋等全球溫帶海域，洄游性強(qiáng)，經(jīng)濟(jì)價值高[1]。近年來，長鰭金槍魚的年捕撈量呈逐年上升趨勢，南太平洋長鰭金槍魚現(xiàn)已成為我國遠(yuǎn)洋漁業(yè)的重要捕撈魚種之一[2]。開展南太平洋長鰭金槍魚漁場預(yù)測研究，提高漁場預(yù)測精度，對于提高漁業(yè)成功捕撈率，助力漁業(yè)經(jīng)濟(jì)效益提升有著重要價值。

為了提高長鰭金槍魚的漁場模型預(yù)報(bào)精度，國內(nèi)外學(xué)者提出了多種模型進(jìn)行了研究，例如范江濤等[3]采用一元非線性回歸方法，按季度建立基于環(huán)境因子的長鰭金槍魚棲息地指數(shù)，然后運(yùn)用于中心漁場的預(yù)測，得到了70%以上的模型預(yù)報(bào)準(zhǔn)確性；Zagaglia等[4-5]也針對長鰭金槍魚漁場預(yù)測進(jìn)行了相關(guān)的研究，該研究基于廣義加性模型(GAM)及廣義線性模型(GLM)對漁場進(jìn)行回歸預(yù)測，獲得了有效的預(yù)測性能；宮鵬等[6]則運(yùn)用輕度量化梯度促進(jìn)機(jī)(LightGBM)模型，對南太平洋長鰭金槍魚漁場進(jìn)行預(yù)測，獲得了72.6%的預(yù)測精度。國內(nèi)外學(xué)者對漁場的預(yù)測研究越來越深入，但是這些方法往往基于傳統(tǒng)的機(jī)器學(xué)習(xí)方法，模型假設(shè)條件一般比較簡單，不能較好地適用于具有復(fù)雜時空信息的海洋漁場數(shù)據(jù)。近期學(xué)者們發(fā)展了一些基于集成學(xué)習(xí)等機(jī)器學(xué)習(xí)或深度學(xué)習(xí)方法[6]，可以較好地解決線性不可分問題，比較適合于分析漁場多維度數(shù)據(jù)，但該類模型結(jié)構(gòu)往往比較復(fù)雜，計(jì)算復(fù)雜度通常較高，漁場預(yù)測綜合性能也有待進(jìn)一步提高。

隨著漁場預(yù)測相關(guān)研究不斷豐富，漁場預(yù)測相關(guān)影響因子數(shù)據(jù)規(guī)模不斷增大，傳統(tǒng)的漁場預(yù)測方法在學(xué)習(xí)效率以及準(zhǔn)確率等方面都可能出現(xiàn)一定程度上的不足。極限學(xué)習(xí)機(jī)(ELM)[7]算法自2004年被提出以來，一直展現(xiàn)了其具有學(xué)習(xí)速率快，泛化能力好的特點(diǎn)。一些學(xué)者對該算法進(jìn)行比較研究，均獲得了較好的研究成果，如朱抗等[8]提出了一種基于極限學(xué)習(xí)機(jī)的短期風(fēng)速預(yù)測技術(shù)，發(fā)現(xiàn)ELM相較于傳統(tǒng)方法計(jì)算時間較快；Pappu 等[9]利用極限學(xué)習(xí)機(jī)對視網(wǎng)膜圖像進(jìn)行新生血管分類，在不同數(shù)據(jù)集上進(jìn)行測試，獲得98%的平均準(zhǔn)確率，同時平均錯誤率小于0.005，在精度與錯誤率方面均優(yōu)于SVM分類器。

本研究提出了一種特殊的類獨(dú)熱編碼方法對數(shù)據(jù)進(jìn)行離散化編碼，同時引入ELM模型，構(gòu)建了一種新型的漁場預(yù)測模型，旨在發(fā)揮ELM方法的優(yōu)勢，為漁場預(yù)測方法研究提供一種新的思路。

1 材料與方法

1.1 數(shù)據(jù)來源

主要選用了110°E～135°W，10°S～35°S為研究海域，對2000— 2015年的數(shù)據(jù)進(jìn)行分析，主要涉及的海域示意圖如下圖1。

圖1 海域漁場范圍示意圖Fig.1 Schematic diagram of the sea areafishing ground range

南太平洋金槍魚的延繩釣數(shù)據(jù)來源于中西太平洋漁業(yè)委員會(WCPFC)。該數(shù)據(jù)包括作業(yè)時間、地理坐標(biāo)位置(經(jīng)緯度)、延繩釣鉤數(shù)、捕獲量(漁獲尾數(shù))。其中捕撈數(shù)據(jù)以月為時間分辨率進(jìn)行記錄，產(chǎn)量以5°×5°空間分辨率進(jìn)行匯總。本研究將利用延繩釣鉤數(shù)與捕獲量(漁獲尾數(shù))計(jì)算的單位捕撈努力量漁獲量(CPUE)[10]，并進(jìn)一步根據(jù)單位捕撈努力量漁獲量(CPUE)的三分位數(shù)，對漁場的產(chǎn)量水平進(jìn)行等級劃分。

溫度、海面高度、葉綠素a濃度、溶氧濃度等多種因子都會對金槍魚的分布產(chǎn)生影響[11-12]。根據(jù)現(xiàn)有學(xué)者研究，本研究主要選用了對于長鰭金槍魚分布具有較高影響性的3個環(huán)境因子構(gòu)建預(yù)測模型[13]，包括來源于美國國家海洋和大氣管理局(NOAA)環(huán)境數(shù)據(jù)庫的海面溫度(SST)數(shù)據(jù)和葉綠素a濃度(Chla)數(shù)據(jù)，以及來源于哥白尼海洋環(huán)境監(jiān)測服務(wù)中心(CMEMS)的海面高度(SSH)數(shù)據(jù)。該組數(shù)據(jù)與作業(yè)數(shù)據(jù)空間分辨率上并不一致，為了使數(shù)據(jù)保持時空分辨率統(tǒng)一，研究中的環(huán)境數(shù)據(jù)歸并于5°×5°空間分辨率。

1.2 數(shù)據(jù)處理

1.2.1 CPUE計(jì)算

單位捕撈努力量漁獲量CPUE通常被漁業(yè)作業(yè)中用來評估漁業(yè)資源的豐度水平[14]，計(jì)算公式如下：

(1)

式中：CCPUE表示一定漁區(qū)范圍內(nèi)的單位捕撈努力量漁獲量(尾/千鉤)，f表示該漁區(qū)內(nèi)漁獲尾數(shù)(單位為尾)，h對應(yīng)漁區(qū)釣鉤數(shù)(千鉤)。

通常將漁區(qū)按照CPUE的大小使用三分位數(shù)分為若干個等級。本研究去除CPUE零值對應(yīng)的部分樣本，按各月CPUE樣本總數(shù)的上三分位點(diǎn)(33.3%)為分界點(diǎn)，將漁區(qū)劃分為中心漁場與非中心漁場兩類[15-16]，獲得中心漁場漁區(qū)樣本總數(shù)為3178個，非中心漁場漁區(qū)樣本總數(shù)為5883個。

1.2.2 環(huán)境數(shù)據(jù)處理

基于獨(dú)熱編碼技術(shù)，本研究提出了一種新型的類獨(dú)熱編碼方法。將2000—2015年的空間因子與環(huán)境因子數(shù)據(jù)映射為n×d的二維矩陣。其中n為影響因子數(shù)目，本研究中為6，即包括月份、經(jīng)度、緯度、海表溫度、海面高度及葉綠素a濃度等6種影響因子；d=25，表示通過類獨(dú)熱編碼方法，將每種影響因子由大到小映射到25個等級。

然后，對樣本數(shù)據(jù)的影響因子進(jìn)行編碼轉(zhuǎn)換。分別把各類影響因子由小到大劃分為25個有序等級范圍，并確定各樣本中各影響因子所屬的等級。下一步，為每個樣本的各種影響因子分別建立25維特征向量ei(i表示第i個影響因子)，其中，若某樣本的該影響因子的觀測值處于第j個等級，則令該特征向量ei的第j個分量為1，第j±1個分量為0.5，第j±2個分量為0.2，而其他值則為0，形成諸如“0-0.2-0.5-1-0.5-0.2-0”的編碼形式。

最后，將上述各樣本的所有影響因子特征向量按順序組合為二維矩陣F=[e1,e2,...,en]，形成該樣本的影響因子特征矩陣，示意圖參見圖2。

圖2 編碼示意圖Fig.2 Coding diagram

1.2.3 預(yù)測精度檢驗(yàn)方法

漁場預(yù)測結(jié)果與真實(shí)捕撈數(shù)據(jù)的符合程度表現(xiàn)了漁場預(yù)測的效果。因?yàn)橥ㄟ^CPUE預(yù)測分類的漁場，并不能完全代表漁場水平，因此本文將借用參考文獻(xiàn)中應(yīng)用的檢驗(yàn)方法，采用漁場總體預(yù)測準(zhǔn)確率作為評估標(biāo)準(zhǔn)，同時選用各漁場(中心漁場與非中心漁場)預(yù)測召回率、漁場預(yù)測精確率、F1 Score作為輔助參考[17-18]，來驗(yàn)證各種預(yù)測模型的性能，具體計(jì)算方法如下：

單一漁場預(yù)測召回率：

(2)

單一漁場預(yù)測精確率：

(3)

漁場總體預(yù)測準(zhǔn)確率：

(4)

F1 Score的計(jì)算公式為：

(5)

式中：P為預(yù)測總體精確率；R為總體召回率。

(6)

(7)

式中：r，p計(jì)算過程見公式(2)、公式(3)；N代表漁場的種類數(shù)目；i與上文一致(i=0表示為中心漁場，i=1表示為非中心漁場)。

將測試集數(shù)據(jù)代入預(yù)測模型，重復(fù)試驗(yàn)K次，將獲得總體預(yù)測準(zhǔn)確率求取平均值，作為模型最終預(yù)測精度。本次試驗(yàn)中，選取試驗(yàn)次數(shù)K為100。

1.3 極限學(xué)習(xí)機(jī)

極限學(xué)習(xí)機(jī)(ELM)是Huang等[7]提出的一種新型的前反饋神經(jīng)網(wǎng)絡(luò)。有別于傳統(tǒng)的SLFN訓(xùn)練算法，極限學(xué)習(xí)機(jī)[19-20]在訓(xùn)練中隨機(jī)選取輸入層和隱藏層偏置，訓(xùn)練過程中，只需要設(shè)定隱藏層神經(jīng)元個數(shù)并選擇合適的激活函數(shù)，其余參數(shù)無需調(diào)整。最終的輸出層權(quán)重則是通過廣義逆矩陣計(jì)算得出，試驗(yàn)操作過程便捷。示意圖參見圖3[21-22]:

圖3 極限學(xué)習(xí)機(jī)網(wǎng)絡(luò)模型示意圖Fig.3 Extreme learning machine network model diagram

假設(shè)xi代表第i個數(shù)據(jù)集，ti代表第i個數(shù)據(jù)對應(yīng)的標(biāo)簽，{xi,ti|xi∈Rn，ti∈Rm，i=1，2，...，N}，隱藏層神經(jīng)元節(jié)點(diǎn)數(shù)為L，單隱層神經(jīng)網(wǎng)絡(luò)可以表示為：

(8)

式中：g(x)為激活函數(shù)，wj為輸入權(quán)重；bj是第j個隱層神經(jīng)元的偏置；βj為輸出權(quán)重。由于SLFN算法是以oi無限趨近于ti為目的，因此存在：

(9)

設(shè)H表示隱層輸出，T為樣本標(biāo)簽，可以得矩陣表示公式:

Hβ=T

(10)

因?yàn)檩斎霗?quán)重值以及隱層神經(jīng)元偏置已經(jīng)確定，輸出矩陣不會發(fā)生變化，因此唯一最優(yōu)解β*可以通過最小二乘法得到，輸出權(quán)重最優(yōu)解：

β*=H+T

(11)

式中：H+代表矩陣H的廣義逆矩陣。

1.4 算法步驟與試驗(yàn)設(shè)計(jì)

輸入：訓(xùn)練集為2000—2014年環(huán)境因子數(shù)據(jù)和CPUE；測試集為2015年的環(huán)境因子數(shù)據(jù)和CPUE。

輸出：標(biāo)簽集為等級分類，包含中心漁場與非中心漁場兩類。

具體操作流程如下圖4。

圖4 試驗(yàn)設(shè)計(jì)流程圖Fig.4 Flow chart of the test design

試驗(yàn)在數(shù)據(jù)進(jìn)行預(yù)處理時，發(fā)現(xiàn)采用傳統(tǒng)的獨(dú)熱編碼方法時，數(shù)據(jù)可能過于稀疏，因此采用一種獨(dú)特的類獨(dú)熱編碼方式(見1.2.2節(jié))進(jìn)行特征離散化編碼，以此降低數(shù)據(jù)的稀疏程度，避免單一因素過多地影響總體預(yù)測性能。同時使用F1 Score作為分類性能指標(biāo)，并與其他傳統(tǒng)模型預(yù)測結(jié)果進(jìn)行比較，探究模型可行性。

設(shè)計(jì)多組試驗(yàn)組，探究不同隱藏層節(jié)點(diǎn)個數(shù)對模型預(yù)測性能可能會產(chǎn)生的影響，并進(jìn)一步研究不同月份該預(yù)測模型的總體預(yù)測準(zhǔn)確率。

2 結(jié)果

2.1 隱藏層神經(jīng)元個數(shù)

在相同條件下，本研究設(shè)計(jì)多組試驗(yàn)，對ELM漁場預(yù)測模型的隱層神經(jīng)元數(shù)量進(jìn)行了K次試驗(yàn)(K=100)。試驗(yàn)發(fā)現(xiàn)，當(dāng)隱藏神經(jīng)元個數(shù)在900左右時，預(yù)測性能可能較好，而當(dāng)隱藏神經(jīng)元個數(shù)大于1000時，漁場預(yù)測性能顯著逐漸降低，如圖5所示。

圖5 隱藏層神經(jīng)元個數(shù)對模型預(yù)測準(zhǔn)確率影響Fig.5 Influence of number of hidden layer neuronson prediction accuracy of model

表1給出了多種隱藏神經(jīng)元下的漁場預(yù)測性能?？梢钥闯?，本試驗(yàn)中，在參數(shù)選擇為860時，所獲得的預(yù)測結(jié)果方差值較小，預(yù)測性能較穩(wěn)定。由此，本試驗(yàn)研究最終選取860，作為隱層神經(jīng)元的參數(shù)個數(shù)，來進(jìn)行模型建立。

表1 參數(shù)表Tab.1 The parameter list

2.2 預(yù)測精度研究

試驗(yàn)時發(fā)現(xiàn)，在對環(huán)境因子數(shù)據(jù)進(jìn)行編碼預(yù)處理時，相對于傳統(tǒng)的獨(dú)熱編碼方式，發(fā)現(xiàn)當(dāng)采用1.22中“0-0.2-0.5-1-0.5-0.2-0”的類獨(dú)熱編碼方式進(jìn)行編碼時，可以降低特征矩陣的稀疏程度，總體上可能提高漁場的預(yù)測準(zhǔn)確率。具體試驗(yàn)結(jié)果如表2所示。

表2 漁場預(yù)測模型精度Tab.2 Accuracy of fishery prediction model

表3是本模型的預(yù)測性能，并參照BP神經(jīng)網(wǎng)絡(luò)以及樸素貝葉斯模型的預(yù)測性能[6]，進(jìn)行比較的結(jié)果。由該表可以看出，ELM模型的預(yù)測性能較高，F(xiàn)1 Score可達(dá)80.9%。

表3 不同模型試驗(yàn)結(jié)果對比Tab.3 Comparison of different model test results

2.3 影響漁場預(yù)測的因子

本試驗(yàn)研究了在2015年各月的總體預(yù)測準(zhǔn)確率，預(yù)測結(jié)果按月份依次為86.7%、85%、67.2%、62.2%、81.9%、93%、93%、87.6%、75.4%、91.9%、88.7%和89.3%。試驗(yàn)發(fā)現(xiàn)，4月的預(yù)測準(zhǔn)確率最低，為62.2%；6月、7月的預(yù)測準(zhǔn)確率最高可以達(dá)到90%，部分月份漁場預(yù)測結(jié)果如圖6所示。

圖6 2015年部分實(shí)際漁場與預(yù)測漁場對比圖Fig.6 Comparison chart of the actual fisheries and the predicted fisheries in 2015

基于上述研究結(jié)果，本研究進(jìn)一步探究了相關(guān)影響因子對于該模型預(yù)測精度影響的相關(guān)性。主要試驗(yàn)過程為僅選取單一影響因子來構(gòu)建預(yù)測模型，然后分別獲得相應(yīng)的預(yù)測精度。根據(jù)試驗(yàn)結(jié)果，影響相關(guān)性按照從強(qiáng)到弱的順序可能是經(jīng)度、緯度、海面溫度、海面高度、葉綠素a濃度以及月份，其總體預(yù)測準(zhǔn)確率分別為81.2%、69.2%、68.1%、67.2%、66.5%和66%。本研究主要選取了特定經(jīng)緯度范圍內(nèi)的漁場數(shù)據(jù)。在常規(guī)的環(huán)境因素中，海面溫度可能對于本模型的影響性相對較高，海面高度次之，與侯娟等[17]的研究結(jié)果基本一致。

3 討論

3.1 漁場分類的局限性

本研究主要依據(jù)2000—2015年各月漁場累計(jì)樣本數(shù)據(jù)計(jì)算得出的單位捕撈努力量漁獲量數(shù)據(jù)，對漁場進(jìn)行了中心漁場與非中心漁場分類，但是魚類的洄游性與海洋環(huán)境的多變性，可能都會影響實(shí)際預(yù)測中漁場的分類，導(dǎo)致部分中心漁場可能被誤分類為非中心漁場，從而在測試中，發(fā)現(xiàn)中心漁場的漁場預(yù)測召回率略低。 同時，由于添加的環(huán)境影響因子僅有3種，且以月為研究單位，對于中心漁場與非中心漁場影響因子區(qū)別程度可能不高。因此，可以嘗試后續(xù)試驗(yàn)中加入更多的環(huán)境影響因子，提高中心漁場的漁場預(yù)測召回率。

3.2 不同模型預(yù)測性能比較

本研究同時參照了BP神經(jīng)網(wǎng)絡(luò)與樸素貝葉斯預(yù)測模型的試驗(yàn)結(jié)果[6]，與本模型的預(yù)測精度進(jìn)行對比。BP神經(jīng)網(wǎng)絡(luò)[23]通過反向調(diào)節(jié)調(diào)整權(quán)值，同時由于缺少確定參數(shù)的高效方法，模型不穩(wěn)定；而樸素貝葉斯模型[24]則是預(yù)先通過貝葉斯公式數(shù)學(xué)模型，計(jì)算得出不同可能性的概率值，然后進(jìn)行預(yù)測，但是由于其預(yù)先設(shè)定了各類特征的獨(dú)立性，因而可能在分類精度方面會存在一定欠缺[25]。極限學(xué)習(xí)機(jī)模型的算法核心是通過計(jì)算獲得最優(yōu)的輸出權(quán)重，同時輸入權(quán)重與隱藏層偏置都是隨機(jī)設(shè)定而不需要反向調(diào)整，因而相較于BP算法模型來說，ELM訓(xùn)練速度通常較快；同時由于其結(jié)構(gòu)簡單，不需要影響因子的預(yù)先獨(dú)立性設(shè)定，相較于樸素貝葉斯模型，模型應(yīng)用便捷。當(dāng)然，由圖5可以看出，在應(yīng)用極限學(xué)習(xí)機(jī)模型中，該模型的隱藏層神經(jīng)元個數(shù)對模型預(yù)測準(zhǔn)確率可能有一定的影響，本研究主要是通過多次試驗(yàn)來確定最終的隱藏層神經(jīng)元個數(shù)。可以在后續(xù)研究中，進(jìn)一步發(fā)展一些自適應(yīng)方法來優(yōu)化模型，提高ELM模型預(yù)測的綜合性能。

參考相關(guān)文獻(xiàn)[18]使用的模型評估方法，本試驗(yàn)也采用F1 Score對模型性能進(jìn)行比較評估。作為評估分類性能的一個常用指標(biāo)，F(xiàn)1 Score的數(shù)值表現(xiàn)了精確率與召回率之間的關(guān)系。在試驗(yàn)結(jié)果中，本模型的F1 Score值較高，具有較好的漁場預(yù)測性能。

3.3 不同影響因子的相關(guān)性討論

研究了在2015年各月的總體預(yù)測準(zhǔn)確率，預(yù)測結(jié)果與閆敏等[26-27]研究得出的CPUE周次影響結(jié)果一致。本研究主要選取了特定經(jīng)緯度范圍內(nèi)的漁場數(shù)據(jù)。在對漁場預(yù)測的影響因子中，因?yàn)榄h(huán)境因子的形成與所處地理位置經(jīng)緯度以及所處月份息息相關(guān)，在單獨(dú)采用一種環(huán)境因子作為模型構(gòu)建因子時，研究發(fā)現(xiàn)漁場的經(jīng)緯度可能對本模型預(yù)測具有較高的影響，而環(huán)境因素次之。

在環(huán)境因子中，海面溫度對于模型預(yù)測精度的影響性可能較大。長鰭金槍魚作為一種長居于溫帶海域的魚種，對于海面溫度有一定的依賴性[29]。溫度有可能會影響到海水內(nèi)魚類集群，同時溫度變化亦有可能受到洋流，汛期或者是風(fēng)力的影響，從而可能影響長鰭金槍魚的分布，因而可以理解它在本預(yù)測模型中占據(jù)較高的影響性。

海面高度與海面溫度發(fā)生協(xié)同作用，受海洋渦旋影響，渦旋可能會帶動太平洋冷水流與暖水流交匯，帶給魚類更多的浮游生物等餌料，同時影響著長鰭金槍魚的存活率與分布，進(jìn)而影響漁場形成[29-30 ]。葉綠素a濃度可能對海洋植物有著較大影響，因而影響相關(guān)食物鏈的浮游生物與魚群，長鰭金槍魚的數(shù)量也可能隨之受到影響。此外，太平洋海域的厄爾尼諾現(xiàn)象，海水鹽度，風(fēng)速等也可能會影響長鰭金槍魚的分布，但是本研究僅基于三種海洋表層影響因子，需要在后續(xù)研究中加入更多環(huán)境因子，以期獲得更好的預(yù)測性能。

4 結(jié)論

本研究提出基于極限學(xué)習(xí)機(jī)的漁場預(yù)測模型，相較于傳統(tǒng)的算法，該模型具有較好的泛化能力，而且訓(xùn)練速度快、處理方便，為面對復(fù)雜的海洋環(huán)境數(shù)據(jù)分析提供了一種新的研究思路。但是由于本次研究建立的預(yù)測模型所列入的影響因子并不算多，作為一種高度洄游性魚種，長鰭金槍魚也會受到不同季節(jié)時空性的變化影響。今后可以在模型結(jié)構(gòu)與算法優(yōu)化的基礎(chǔ)上，將更多相關(guān)的時空因子融入模型中，進(jìn)一步提升模型的預(yù)測綜合性能。

□