[发明专利]一种融合多种数据的海洋渔情预测方法

权利要求书

1.一种融合多种数据的海洋渔情预测方法，其特征在于所述的方法包括如下步骤：

a)海洋渔业数据的获取与更新：包括各类海洋水体环境数据,气候数据以及渔业捕捞产量数据的获取及更新；

b)数据特征的提取：数据特征提取主要运用统计方法来构建，把原数据域变换到其它数据域，使其具有更明显的变化趋势；

c)数据处理：在数据经过一系列的预处理之后,通过对以海洋浮游植物为基础的食物链，以及海洋流场、海水表面温度、海水盐度、pH值等海洋环境数据和各种海洋鱼类捕获量/上市量数据的深入研究，发掘它们之间的关系，为构建渔情预报的预测模型提供模型参数；

d)预测模型的建立：根据数据的完整程度以及丰盈情况，采取融合多种挖掘技术来构建模型，并通过调节不同数据挖掘方法的预测结果的比重参数大小，来调节各种挖掘方法在整个模型中的比重，从而实现最终渔情预测模型对不同鱼类数据处理的鲁棒性和可靠性；

e)实现一套完整的、实用的渔情预报系统，将地理信息系统(GIS)和全球定位系统(GPS)融入到渔业渔情分析中去，完成具有自主知识产权的渔情预报软件系统，实现预报系统的智能化和可视化，最终搭建起集多种服务于一体的渔情预报服务平台。

2.根据权利要求1所述的融合多种数据的海洋渔情预测方法，其特征在于：

所述的步骤b)中，数据特征的提取是整个预测模型构建中很基础但却是最关键的一步，一般生产实践过程中获取的数据不完整或数据特征不明显，运用数据预处理：包括数据清洗、集成和特征提取来改善数据的这些问题；

所述的步骤d)中，建立渔情预测模型上，即按可调比重地融合多种数据挖掘模型的预测模型，M＝ω₁m₁+ω₂m₂+…+ω_Nm_N,M是最终的预测结果，m₁，m₂，…，m_N是各个模型的预测结果，比重系数满足的条件。