论文部分内容阅读
随着世界经济的发展，海洋在全球范围内的战略地位日益突出，丰富的海洋资源促使着世界各国将海洋经济作为新的发展领域与发展方向。近些年来，我国的海洋经济正处于稳步发展的阶段，而海洋渔业作为其中重要的一项产业，虽然其生产总值不断上升，但在海洋主要产业的生产总值中所占比例却出现了缓慢下降的趋势;同时，我国渔业生产总值在大农业中所占比重也起伏不定，这充分说明我国的渔业发展尚有较大的发展空间。目前，世界各国都着眼于将卫星遥感技术与计算机建模技术应用于海洋渔业的科学管理上，提高捕捞效率，扩大产业收益，通过科学管理实现产业的可持续发展。 本文将卫星遥感数据与计算机建模技术应用到海洋渔情预测领域，从遥感数据中获取到海洋环境信息，并结合印度洋海域的捕捞数据，通过数据清洗、数据提取、数据合并与数据导入的操作，获得训练样本集;同时选取了机器学习领域应用较为广泛的逻辑回归模型、朴素贝叶斯模型、J48决策树模型进行分析对比，并将后两者相结合生成贝叶斯决策树模型，将上述四类模型应用于渔场预测;最后，通过对比各个模型在不同特征的数据集上的表现，对其在渔场预测方面的适用性进行分析与研究。 结果表明，决策树模型在准确率方面表现较好，其中贝叶斯决策树模型更适用于属性值残缺的训练集，而朴素贝叶斯模型在准确率与算法效率间比较均衡，预测效果更为稳定，属性的相关性对模型准确率影响较大，同时，逻辑回归模型对线性关系解释较好，算法易于理解，适用于增量型训练集。