文献类型： 中文期刊

作者： 苏冰 ¹ ; 何瑞麟 ¹ ; 赵国庆 ² ; 蒋沛雯 ² ; 李阳 ¹ ; 商宸 ³ ; 韩海斌 ³ ; 沈烈 ¹ ; 张衡 ³ ;

作者机构： 1.大连海洋大学航海与船舶工程学院

2.中国水产科学研究院东海水产研究所

3.青岛海洋科技中心崂山实验室

关键词： 南极磷虾;船位数据;作业状态;深度学习

期刊名称： 海洋渔业

ISSN： 1004-2490

年卷期： 2025 年 47 卷 005 期

页码： 650-661

收录情况： 北大核心 ; CSCD

摘要： 为研究基于船位数据的南极磷虾中层拖网船的作业状态特征提取方法，选取2021年福荣海、龙腾和龙发等3艘中国南极磷虾中层拖网船的VMS船位数据，采用航速、航向的阈值综合判别方法初步判断渔船作业状态(分为捕捞、航行和漂流),并与渔捞日志数据进行对比验证，确定渔船实际作业状态。依据船位数据中的航速、航向、时间区间、经纬度等特征，构建了基于深度学习网络的船位状态识别算法，并将数据集按照8∶2的比例分为训练集和验证集代入训练，提取渔船的作业天数、作业日期以及对应的作业位置信息，并与实际填写的渔捞日志数据进行对比验证。结果表明：提取的结果和实际记录的结果误差较小，其中，作业天数每月差值为0～2 d,平均准确率为93.88%;作业位置距离差值较小，距离差值在20 km以内的占比94%;与k近邻、逻辑回归、贝叶斯和决策树等传统机器学习算法相比，基于深度学习模型的南极磷虾拖网船作业状态特征提取正确率最高，达87.04%。研究结果对识别南极磷虾拖网渔船作业状态、捕捞行为和渔业管理具有一定的参考价值。