长鳍金枪鱼

摘要： 为提高大西洋热带海域长鳍金枪鱼(Thunnus alalunga)渔场预报的准确率,对K最近邻(k nearest neighbor,KNN)、逻辑斯蒂回归(logistic regression,LR)、决策与分类树(classfication and regression tree,CART)、梯度提升决策树(gradient boosting decision tree,GBDT)、随机森林(random forest,RF)、支持向量机(support vector machine,SVM)和Stacking集成(stacking ensemble learning,STK)共7个模型的预报性能进行了对比分析。该7个模型利用2016~2019年在大西洋公海海域(19°16′S~16°21′N;46°27′W~2°09′E)作业的13艘中国远洋延绳钓渔船的渔业数据,结合0~500 m不同水层的温度、盐度、溶解氧、叶绿素a浓度、海表面风速、涡动能和混合层深度数据建立。各模型取75%数据作为训练数据,25%为测试数据,采用预报准确率(accuracy,ACC)与接受者操作特征曲线下面积(area under curve,AUC)评价建立的单位努力量渔获量(catch per unit of effort,CPUE)与海洋环境因子关系模型的性能。结果表明:(1)STK模型对大西洋长鳍金枪鱼渔场的预报性能相比其他模型明显提高,ACC为75.92%,AUC为0.742;(2)基于STK模型预测得到的中心渔场范围总体上与实际作业渔场一致;(3)影响大西洋长鳍金枪鱼渔场分布的海洋环境因子主要为100 m水层的温度、盐度,以及100、150、500 m水层的溶解氧。研究表明STK模型对大西洋长鳍金枪鱼渔场的预报准确率较高,性能良好。

摘要： 为提高南太平洋长鳍金枪鱼渔场预测的性能,本研究基于2000—2015年的南太平洋长鳍金枪鱼所处的渔场时空信息、渔获数量、延绳钓钩数以及3种重要的环境因子:海面温度、海面高度以及叶绿素a浓度,提出了一种基于极限学习机(ELM)的渔场预测方法。该方法首先提出了一种新型的类独热编码算法,对渔场数据进行特征数字编码;然后通过构建基于ELM的金枪鱼渔场预测模型,并通过训练学习来自适应地获取预测模型的网络参数,实现了对金枪鱼渔场的智能预测。文中的试验表明,在使用2015年南太平洋长鳍金枪鱼数据作为测试验证时,该模型取得了84.07%的总体渔场预测准确率,同时F1 Score指数达到80.9%,与常规方法相比,提高了长鳍金枪鱼渔场预测的性能。本研究为渔场预报研究提供了一种新的思路。

摘要： 为解决传统渔场渔情预测方法在处理高维复杂海洋数据时存在人工干预较多、拟合困难、精度不高的问题,提出了一种基于双模态深度学习的渔场渔情预测方法.首先,该方法将不同海洋环境因子在5° ×5°渔业作业区域范围内按照空间相对位置映射为三维矩阵.然后,分别使用卷积神经网络模型(CNN)和深度神经网络模型(DNN)对海洋环境因子和时空因子2种异构数据进行特征提取.最后,将基于时空信息的深度神经网络模型与卷积结构进行特征融合,再将融合后的特征经过全连接层进行分类.试验结果表明,双模态深度学习模型对南太平洋长鳍金枪鱼中心渔场的渔场渔情预报率达到了89.8％,较其他渔场渔情预报模型精度提高10％～30％.同时由于该模型使用卷积神经网络,可以对任意空间分辨率的海洋环境因子进行特征提取,省去了手动匹配不同空间分辨率的过程,减少了人工干预,对南太平洋长鳍金枪鱼的渔业作业与渔场渔情预报有极高的指导意义.

摘要： 为解决用传统方法进行渔场预测时存在的性能欠佳、特征转换困难、拟合程度不足等问题,提出了一种基于深度学习和典型相关分析的新型渔情预测方法——CNN-DNN-CCA(连接融合)-RBF模型,该方法首先在5°×5°渔业作业区域内将不同海洋环境因子按相对空间位置映射为三维矩阵,然后分别采用卷积神经网络(CNN)和深度神经网络(DNN)对海表温度(SST)、叶绿素a(Chl-a)浓度、海面高度(SSH)3种环境因子和渔场时空因子两种多源异构数据进行模态特征提取,得到两种不同模态的特征向量,并将两种特征向量通过典型相关分析(CCA)进行特征级融合,最后将融合后的特征输入到径向基函数网络(RBF)中进行分类.结果表明,通过试验验证,基于深度学习和典型相关分析的渔场预报模型CNN-DNN-CCA(连接融合)-RBF对南太平洋长鳍金枪鱼Thunnus alalonga中心渔场的召回率达到了90.3％,相较于随机森林(RF)、CNN和DNN模型提高了6.8％～21.8％.研究表明,CNN-DNN-CCA(连接融合)-RBF新型渔情预测模型通过深度学习和典型相关分析方法分别进行特征自动提取和特征融合,消除了冗余信息,简化了特征转换,提高了运算速度和预测精度.

摘要： 为解决用传统方法进行渔场预测时存在的性能欠佳、特征转换困难、拟合程度不足等问题,提出了一种基于深度学习和典型相关分析的新型渔情预测方法——CNN-DNN-CCA(连接融合)-RBF模型,该方法首先在5°×5°渔业作业区域内将不同海洋环境因子按相对空间位置映射为三维矩阵,然后分别采用卷积神经网络(CNN)和深度神经网络(DNN)对海表温度(SST)、叶绿素a(Chl-a)浓度、海面高度(SSH)3种环境因子和渔场时空因子两种多源异构数据进行模态特征提取,得到两种不同模态的特征向量,并将两种特征向量通过典型相关分析(CCA)进行特征级融合,最后将融合后的特征输入到径向基函数网络(RBF)中进行分类。结果表明,通过试验验证,基于深度学习和典型相关分析的渔场预报模型CNN-DNN-CCA(连接融合)-RBF对南太平洋长鳍金枪鱼Thunnus alalonga中心渔场的召回率达到了90.3%,相较于随机森林(RF)、CNN和DNN模型提高了6.8%~21.8%。研究表明,CNN-DNN-CCA(连接融合)-RBF新型渔情预测模型通过深度学习和典型相关分析方法分别进行特征自动提取和特征融合,消除了冗余信息,简化了特征转换,提高了运算速度和预测精度。

摘要： 长鳍金枪鱼(Thunnus alalunga)是主要的经济性金枪鱼鱼种之一,其空间分布与环境因子存在着密切联系.利用2012-2019年印度洋长鳍金枪鱼生产数据和海洋环境数据,包括海表面温度(sea surface temperature,SST)、叶绿素浓度(chlorophyll a,chl a)和海表面盐度(sea surface salinity,SSS)构建印度洋长鳍金枪鱼时空分布神经网络模型.以空间(经度,纬度)、环境因子(SST,chl a,SSS)为解释变量,局部渔获量为因变量,变化隐含层节点数,构建了18个BP空间分布模型,并采用10×10交叉验证模型稳定性,以均方误差(mean square error,MSE)、平均相对方差(average relative variance,ARV)以及拟合优度(R2)作为不同模型精度与稳定性的评判标准,最终选取5-18-1(隐含层节点18)模型为最佳模型,其平均MSE值为0.02232,平均ARV值为0.511.利用最优模型预测结果与同期实际捕捞产量进行叠加对比发现两者具有一致性.环境因子敏感性分析表明海表温度显著影响印度洋长鳍金枪鱼渔场分布,其贡献率达到0.2.印度洋长鳍金枪鱼高精度BP神经网络时空分布模型为其资源的可持续开发与动态管理提供了一种新思路.

摘要： 长鳍金枪鱼以高经济效益、资源丰富等优点成为世界金枪鱼渔业主要捕捞目标之一,进行长鳍金枪鱼渔场预报研究,可以有效提高渔获产量,对渔业生产具有重要意义.传统的线性模型在面对复杂多变的海洋环境数据时无法准确分析其关键因子.本研究选取2000—2015年南太平洋长鳍金枪鱼的延绳钓生产数据,结合海表温度、叶绿素a质量浓度和海面高度等海洋环境因子以及月份和经、纬度等时空数据,采用集成学习模型—轻度量化梯度促进机(LightGBM)模型进行长鳍金枪鱼渔场预报,并与朴素贝叶斯、XGBoost和BP神经网络模型进行对比.同时采用网格搜索算法获取LightGBM模型的最优参数,利用交叉验证法验证模型的稳定性.试验结果表明,利用LightGBM模型对南太平洋长鳍金枪鱼渔场的最佳预报准确率可达72.6％,对比其他模型,LightGBM模型的准确率有了显著提高.研究表明,海面高度和海面温度为南太平洋长鳍金枪鱼渔场形成的关键影响因子.

摘要： 印度洋金枪鱼延绳钓渔业是我国远洋渔业的重要组成部分,海洋不同深度的水温影响到长鳍金枪鱼(Thun-nus alalunga)延绳钓渔获率.文章利用2008-2017年延绳钓生产作业数据,并结合Argo浮标水温数据,采用广义加性模型(Generalized additive model,GAM)分析长鳍金枪鱼空间分布与不同深度水温之间的关系.结果 表明,海表面(0 m)、200和400m3个水层的温度显著影响长鳍金枪鱼的空间分布,最优的GAM模型对渔获率(单位捕捞努力量渔获量,Catch per unit effort,CPUE)的方差解释率为53.3％,模型拟合的决定系数为0.527.长鳍金枪鱼渔获率与所选取的3个水层温度均呈非线性关系,高渔获区集中分布于17～30°C的表层海域,17～20°C的200m层海域,9～15 °C的400m层海域,以及他们的交集海线.文章初步得出了南印度洋长鳍金枪鱼空间分布与水深断面温度的关系,可为指导长鳍金枪鱼的合理生产提供技术支撑.

摘要： 印度洋金枪鱼延绳钓渔业是我国远洋渔业的重要组成部分,海洋不同深度的水温影响到长鳍金枪鱼(Thunnus alalunga)延绳钓渔获率。文章利用2008—2017年延绳钓生产作业数据,并结合Argo浮标水温数据,采用广义加性模型(Generalized additive model,GAM)分析长鳍金枪鱼空间分布与不同深度水温之间的关系。结果表明,海表面(0 m)、200和400 m 3个水层的温度显著影响长鳍金枪鱼的空间分布,最优的GAM模型对渔获率(单位捕捞努力量渔获量,Catch per unit effort,CPUE)的方差解释率为53.3%,模型拟合的决定系数为0.527。长鳍金枪鱼渔获率与所选取的3个水层温度均呈非线性关系,高渔获区集中分布于17~30°C的表层海域,17~20°C的200 m层海域,9~15°C的400 m层海域,以及他们的交集海线。文章初步得出了南印度洋长鳍金枪鱼空间分布与水深断面温度的关系,可为指导长鳍金枪鱼的合理生产提供技术支撑。

摘要： 长鳍金枪鱼是南太平洋渔业生产中主要的捕捞对象,准确预测其渔场分布对提高渔业捕捞效率具有重要意义。针对传统渔场预测方法预测精度低的问题,本研究提出一种基于特征交互与卷积网络的渔场预测模型——CNN-Cross。该模型引入Embedding层对数据进行处理,解决了One-Hot Encoding(独热编码)带来的特征稀疏性问题以及手动特征工程对结果的影响。同时,引入Cross网络提取特征之间的交互信息,消除了单特征对目标拟合不足的问题,并且结合CNN网络对Embedding层生成的二维特征图进行高阶隐藏信息提取,最后将两部分网络提取到的特征融合,输出分类结果。使用渔业数据对模型预测效果进行验证,结果表明,模型预测南太平洋渔场总召回率达到87.4%,中心渔场召回率达到89.4%。表明,将特征交互网络与卷积神经网络相结合可以明显提高渔场预报精度,且精度能够较好地满足现实渔业作业需求。

摘要： 本发明提供基于蓝鳍金枪鱼的物种特异性SNP分子标记鉴定蓝鳍金枪鱼的成套引物，其包括基于所述SNP分子标记而设计的一对PCR扩增引物和一条循环探针。所述SNP分子标记包括位于SEQ ID No.1所示序列中第808位的G碱基或位于SEQ ID No.2所示序列中第220位的A碱基。本发明还提供基于成套引物建立的鉴定蓝鳍金枪鱼的方法和试剂盒。本发明的成套引物、方法以及试剂盒能够快速鉴定或鉴别蓝鳍金枪鱼，具有操作简便、取样量低、检测周期短、方法特异性好、灵敏度高等特点。

摘要： 本发明公开了一种网箱养殖蓝鳍金枪鱼的方法。该养殖方法投入低，而且养殖获得的蓝鳍金枪鱼油脂含量高，经济价值高。其包括以下步骤：(1)养殖海区的选择；(2)网箱和人工渔樵的设置：投放人工渔樵，设置浮台型框架，并在其周围挂8～14个网箱；(3)鱼种投放：投放蓝鳍金枪鱼鱼种，饲养密度为0.2～0.8尾/立方米；(4)饲料投喂：实行周期性饥饿再投喂，即饥饿2天，再恢复投喂2天，投喂时间为下午2～5时，投喂配合饲料。

摘要： 发明公开了一种金枪鱼海上加工方法及金枪鱼加工系统，本金枪鱼海上加工方法具有步骤少、易实施，通过对鱼体的分阶段处理，实现鱼体的肉质保鲜，避免了其因冷冻后热解带来的口感流失；鱼体冷藏时间短，通过将鱼体速冻温度至‑60°C，速冻时间为3‑6小时，即可实现所需保存要求；本金枪鱼加工系统结构简单、使用方便、成本低、加工后的制品质量高；加工系统中采用的渔船规格小、便于渔船统一管理，解决了大量燃油和时间浪费在路程上的问题。

摘要： 本发明公开了一种黄鳍金枪鱼陆基循环水养殖系统及养殖方法，养殖系统包括养殖池，养殖池外并联连接有传统生物处理循环水系统和光电化学水处理系统，养殖池的池内采用弧形拐角设计，其侧面四个墙面中的三个形成物理气泡墙，剩余的一个墙面上设有玻璃观察窗；三个物理气泡墙的贴墙底部均沿边铺设有供气管，供气管的顶部沿其轴向方向均匀开设有若干出气孔；养殖池的任意其中一侧墙面顶部安装有弱光灯。本发明整个养殖系统稳定，水处理系统高效稳定，水处理效率可根据黄鳍金枪鱼养殖生物学特征、摄食和生长进行调节，实现了节能减排的作用，水处理系统维护时，不影响整个养殖系统使用。整个系统实现了100％循环，最大限度的减少了污染。

摘要： 本发明公开了一种黄鳍金枪鱼深水网箱养殖方法。属于深水网箱养殖技术领域。包括以下步骤：深水网箱布设；选择养殖海区；黄鳍金枪鱼幼鱼选择和驯化：野生海捕黄鳍金枪鱼幼鱼筛选体长20～50cm，胸鳍长>64.57±12.44mm进行保留和驯化；投料：野生幼鱼转运至网箱后第3天开始驯化投料，每天两次投喂训练，持续4天；第5天开始进行正常投喂，至80％鱼停止主动摄食停止；其中，饵料选择冰鲜炮弹鱼、蓝圆鲹、竹荚鱼、沙丁鱼为饲料鱼。本发明可实现黄鳍金枪鱼深水抗风浪网箱养殖。克服现有技术无法实现黄鳍金枪鱼网箱养殖的技术问题，实现规模化养殖。

摘要： 本发明提供基于蓝鳍金枪鱼的物种特异性SNP分子标记鉴定蓝鳍金枪鱼的成套引物，其包括基于所述SNP分子标记而设计的一对PCR扩增引物和一条循环探针。所述SNP分子标记包括位于SEQ ID No.1所示序列中第808位的G碱基或位于SEQ ID No.2所示序列中第220位的A碱基。本发明还提供基于成套引物建立的鉴定蓝鳍金枪鱼的方法和试剂盒。本发明的成套引物、方法以及试剂盒能够快速鉴定或鉴别蓝鳍金枪鱼，具有操作简便、取样量低、检测周期短、方法特异性好、灵敏度高等特点。

摘要： 本发明提供了一种黄鳍金枪鱼野生幼鱼室内驯化养殖装置及方法，属于水产养殖技术领域，所述装置包括顶部开口的驯养池1；所述驯养池1的池底开设有排水口2；自排水口2开始，沿水循环的方向依次连通有排水管道3、水净化处理组件4、水泵5、位于驯养池1顶部的进水管道6和位于驯养池1内的紫外消毒组件7；所述驯养池1的上方设置有照明组件8；所述驯养池1的池底设置有增氧组件9。本发明的装置能够成功解决野生黄鳍金枪鱼幼鱼在室内养殖池内无法驯化养殖的技术问题。首次实现了黄鳍金枪鱼野生幼鱼室内驯化养殖。

摘要： 本发明公开了一种网箱养殖蓝鳍金枪鱼的方法。该养殖方法投入低，而且养殖获得的蓝鳍金枪鱼油脂含量高，经济价值高。其包括以下步骤：(1)养殖海区的选择；(2)网箱和人工渔樵的设置：投放人工渔樵，设置浮台型框架，并在其周围挂8～14个网箱；(3)鱼种投放：投放蓝鳍金枪鱼鱼种，饲养密度为0.2～0.8尾/立方米；(4)饲料投喂：实行周期性饥饿再投喂，即饥饿2天，再恢复投喂2天，投喂时间为下午2～5时，投喂配合饲料。

摘要： 本实用新型提供了一种黄鳍金枪鱼野生幼鱼室内驯化养殖装置，属于水产养殖技术领域，所述装置包括顶部开口的驯养池1；所述驯养池1的池底开设有排水口2；自排水口2开始，沿水循环的方向依次连通有排水管道3、水净化处理组件4、水泵5、位于驯养池1顶部的进水管道6和位于驯养池1内的紫外消毒组件7；所述驯养池1的上方设置有照明组件8；所述驯养池1的池底设置有增氧组件9。本实用新型的装置能够成功解决野生黄鳍金枪鱼幼鱼在室内养殖池内无法驯化养殖的技术问题。首次实现了黄鳍金枪鱼野生幼鱼室内驯化养殖。

摘要： 一种大目、蓝鳍、和长鳍金枪鱼生鱼片的鉴定方法，属于食品检测技术领域，包括以下步骤：金枪鱼生鱼片DNA的提取，以提取DNA为模板，以F1/F2为引物，PCR扩增cytb基因片段，电泳检测扩增片段，纯化后将PCR产物用限制性内切酶FokI和Stu I进行酶切，通过琼脂糖凝胶电泳分析酶切图谱对上述3种金枪鱼鱼片进行原料鱼真伪鉴别。本发明从分子水平上对金枪鱼生鱼片的来源鱼品种进行鉴定，能够准确区分金枪鱼生鱼片的来源，对规范金枪鱼生鱼片市场具有重要意义。