一、基于BP模型的渔业资源可持续利用综合动态评价（论文文献综述）
鲁泉,方舟,陈新军[1]（2021）在《印度洋渔业资源可持续利用灰色关联评价》文中研究表明【目的】对1980年以来印度洋海洋渔业资源可持续利用状况进行评价。【方法】根据1980-2018年西印度洋和东印度洋FAO的渔获生产统计数据,利用灰色关联方法,评价其渔业资源可持续利用水平及其状态。【结果】1980年以来,东印度洋和西印度洋的渔获量均呈现稳定增长的趋势。1980-2018年东印度洋渔获量为218.89～697.56万t,平均为466.78万t,前20位种类的渔获量占总渔获量比重仅28.95%,所占比重在2%以上的种类为云鲥Tenualosa ilisha、鲱科Clupeoids nei、印度鲭Rastrelliger kanagurta;西印度洋渔获量为182.97～553.80万t,平均值为379.41万t,前20位种类的渔获量占总渔获量比重为53.03%,所占比重在2%以上的种类为长头沙丁鱼Sardina longiceps、鲣Katsuwonus pelamis、黄鳍金枪鱼Thunnus albacores、犬牙石首鱼属Cynoscion、龙头鱼Harpadon nehereus、羽鳃鲐Rastrelliger kanagurta、斑节对虾Penaeus japonicus和带鱼Trichiurus lepturus。【结论】近10年来,西印度洋和东印度洋的灰色关联度均在0.7以上,属于高强度开发状态;2018年出现灰色关联度在0.9以上,说明目前其资源状况处于接近充分开发状态,进一步开发的潜力和空间比较有限。建议各国在印度洋发展海洋捕捞业应践行"海洋命运共同体"理念,共同养护印度洋公海渔业资源;加强印度洋远洋捕捞作业管理;积极开展国际渔业合作等对策。
程懿麒,张俊波,汪金涛,雷林[2]（2021）在《基于神经网络的印度洋长鳍金枪鱼（Thunnus alalunga）时空分布与海洋环境关系研究》文中研究说明长鳍金枪鱼（Thunnusalalunga）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（meansquareerror,MSE）、平均相对方差（averagerelativevariance,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着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。
耿和清[3]（2021）在《基于Hadoop架构的海洋牧场大数据平台设计研究》文中认为海洋牧场是我国渔业重要的组成部分,其健康发展有助于修复海洋生态环境、恢复海洋渔业资源和维护海洋渔业的可持续发展。随着现代信息技术的发展,海洋牧场产生的各种数据正在以肉眼可见的速度快速增长,导致数据不能及时有效的进行存储,出现数据存储不全,不能及时发现数据之间的关系,并且对于已存储的数据没有完全开发利用它们潜在的价值。近几年,由于大数据的飞速发展,为解决数据存储“碎片化”、数据价值利用率低、数据“孤岛”等问题提供了有效的方法。本文基于Hadoop分布式基础架构,研究设计了海洋牧场大数据平台,解决了海洋牧场海量数据存储问题、数据价值利用率低、数据“孤岛”等问题,有效提高了海洋牧场数据管理的能力和信息化水平。首先,介绍了海洋牧场和大数据在国内外的发展现状和存在的问题,其次详细阐述了有关海洋牧场大数据平台构建的关键技术,包括Hadoop生态体系、人工神经网络以及果蝇优化算法原理和详细的改进过程,为构建海洋牧场大数据平台的设计研究奠定基础。然后,通过分析海洋牧场的数据来源、实际需求以及大数据标准化体系,设计实现了海洋牧场大数据平台的整体架构、标准体系以及整体框架。为了研究海洋牧场水质要素之间的非线性关系,本文提出了利用改进的果蝇优化算法（IFOA）优化BP神经网络算法并建立了海洋牧场溶解氧的预测分析模型（IFOA-BP）,通过山东省张家楼海洋牧场养殖数据实例分析验证了模型的预测精度;利用Hadoop分布式架构中的MapReduce研究设计了BP神经网络详细的并行化计算过程,实现并行化BP神经网络的运算,解决了海洋牧场海量数据的分析处理,并通过海洋牧场水质数据实例分析了神经网络并行化算法的分类精度和效率。最后,根据海洋牧场数据特点和实际需求设计了海洋牧场大数据平台的目标、业务功能、数据库、和数据处理流程,实现了海洋牧场数据采集、数据存储管理、数据分析计算和数据应用的海洋牧场大数据平台,解决了海洋牧场数据“碎片化”、数据价值利用率低、数据“孤岛”等问题。
解钦[4]（2021）在《基于人工智能的渔船航行数据挖掘研究》文中研究表明海上船舶通过船舶自动识别系统（Automatic Identification System,AIS）终端将海量的船舶定位数据通过卫星通讯、地面基站等方式传输至AIS数据中心,其中,AIS终端可以实现海上船舶之间的数据交换。AIS数据中心对渔船定位数据处理之后,以结构化的方式存储在数据库中。船舶轨迹数据通过船舶监控系统（Vessel Monitoring System,VMS）和船舶交通服务（Vessel Traffic Services,VTS）,可实现船舶轨迹预测、碰撞检测和进出港口航行安全等。此外,通过大数据和机器学习技术处理后的船舶定位数据可用于分析渔业资源时空分布,渔船作业行为识别、渔船违禁作业等。本文通过数据预处理、机器学习、深度神经网络等技术,对海量的渔船AIS数据进行了研究,并对算法进行验证,保证了研究在实际生产活动中的意义。本文的主要工作内容及创新点如下:1.设计渔船AIS数据的预处理算法。本文使用的数据来自于浙江省海洋与渔业局和阿里天池2020数字中国创新大赛。其中,浙江省海洋与渔业局提供的数据为2015年、2016年3月到5月的渔船AIS数据,提供数据的渔船均在浙江登记。本文通过Hadoop的分布式计算方法,将全部渔船AIS数据分为按照时间排序的单艘渔船全部轨迹数据。为了寻找渔区热点及其变化的规律,将渔船AIS数据按照年份、月份单独划分。其次,对异常、错误或者不符合经纬度范围的数据进行分析和清理。最后,针对提取的渔船轨迹数据,使用线性插值的方法填补缺失数据。2.设计渔船轨迹预测模型。针对渔船轨迹数据多特征的特点以及对轨迹预测的准确度和动态性的要求,首先将所有渔船轨迹数据进行可视化,再通过ORB（Oriented FAST and Rotated BRIEF）的特征检测和BF（Brute-Force）匹配来计算图像相似度用于划分渔船轨迹类型,紧接着构造多特征的时序性轨迹数据,然后使用了一种基于循环神经网络的变体模型Bi-LSTM,把处理过的浙江省渔船轨迹数据用于模型的训练,并使用该模型进行轨迹的预测。最后,根据神经网络的参数选择,讨论了预测结果,并且与其他方法进行了实验对比。3.设计渔船作业方式识别算法。渔船作业方式识别是利用大数据和机器学习技术对海量渔船定位数据进行分析,统计速度、方向、作业空间、作业时间等数据的常规特征、众数特征、特殊状态,构建多维度的特征工程,然后使用Light GBM这种集成学习算法来判断其作业方式。从海量的渔船轨迹中利用机器学习等技术自动识别渔船作业方式,可以发现违规改变作业方式的渔船,同时,可以进一步了解某类渔船在特定时间和特定海域的作业情况,并推算该海域渔业资源变化情况,加强渔业资源的管理。4.设计渔区热点发现算法。首先绘制渔区热点在一个星期、一个月和一年的时间间隔下的热力图,分析了渔区热点的变化情况。然后,提出了两次K-Means聚类来识别捕鱼热点的算法,该算法使用K-Means聚类算法选出每一条渔船的聚类中心,然后将所有聚类的中心再次使用K-Means聚类获取最终的渔区热点,该算法将有效的获取在特定时间下的捕鱼热点。
俞锦辰[5]（2020）在《海州湾海洋牧场水环境承载力研究》文中研究说明目前我国正在掀起海洋牧场建设热潮,各沿海省市也出台了相关支持政策,开展了我国近海区域以海洋牧场建设为主要形式的海洋生物资源养护、改善海域生态环境和调整渔业产业结构,推动了海洋生态文明建设和海洋经济的产业升级。随着我国现代化海洋牧场建设规模日益扩大,经济效益、生态效益和社会效益日益显着,但是缺乏科学系统的评估、预测和管理海洋牧场相关体制机制。虽然海洋牧场有改善生态环境的作用,但是如果长期超出极限的开发利用,势必引起生态环境的恶化,最终导致渔业资源衰退。为保障海洋牧场可持续健康发展,必须对海洋牧场生态环境进行长期监测,确保其生态环境安全,还需评估其环境承载力,用来测度海洋牧场生态环境健康,对不当的人为开发活动提出预警并进行科学调控,将各类开发活动限制在环境承载能力之内,从而促进经济、资源、环境达到均衡。本文通过分析历年来海州湾海洋牧场环境监测数据,研究各水环境因子时空变化特征及其有机污染、富营养状况,通过主成分分析法、频数分布法构建水环境承载力评价体系,借助BP神经网络模型对海州湾海洋牧场水环境承载力进行评价,并通过与浮游生物群落多样性进行相关性分析,阐述水环境承载力和浮游生物指标之间的响应关系。得到以下结论:（1）海州湾海洋牧场区域溶氧饱和度较高,属于富氧区;COD浓度受内源污染影响较大,满足功能区水质要求,但存在上升趋势;活性磷酸盐和活性硅酸盐浓度受河流径流影响较大;无机氮主要以硝酸盐氮的形态存在,少部分季度污染较重,处于第四类水质;叶绿素a浓度在不同季度波动较大,鱼礁区初级生产力明显高于对照区。（2）研究区域富营养化水平大部分时间内处于良好状态,部分春季和秋季出现轻度富营养化;该区域受有机污染较重,大部分季度出现不同程度的有机污染,其中对有机污染指数贡献最大是DIN、其次是COD。（3）构建水环境承载力评价体系,运用主成分分析法筛选出客观、合理的水环境承载力评价指标DO、CODMn、BOD5、SiO32-–Si、PO43-–P、DIN,结合海水水质标准和频数分布法确定各指标区间阈值,划分承载力等级。利用MATLAB软件建立BP神经网络的海州湾海洋牧场水环境承载力模型,结果表明BP神经网络模型拟合较好,具有一定的可信度,可应用于海洋牧场水环境承载力的研究。（4）使用BP神经网络模型对2009年至2015年、2017年间对海州湾海洋牧场进行评价。结果表明,水环境承载力指数有下降的趋势,总体上看在可承载范畴内,满足增养殖区功能需求。2013年春季、2014年夏季和秋季属于轻度超载状态,DIN、BOD、COD浓度过大是导致超载的主要原因;近岸对照区和海洋牧场区均出现过不同程度的轻度超载,这和陆源污染、养殖活动造成的内源污染有关。（5）将2017年间水环境承载力指数与浮游生物指标进行相关性分析结果表明,春季WECCI与浮游植物多样性指标有显着相关性,夏季WECCI与浮游动物生物量和丰度出现显着相关,秋季WECCI与浮游生物多样性指教间没有相关性。说明WECCI对浮游生物指标有一定响应关系,但季节差异较明显。水产养殖区中浮游生物多样性、丰富度等指数是受多因素影响的,因此不能单纯依靠指数的大小来判别水质状况。本文在水环境承载力理论的基础上,结合海州湾海洋牧场的实际情况,使用BP神经网络模型进行水环境承载力评价,为海洋牧场可持续开发利用和生态环境保护提供了科学依据,为其他海域的水环境承载力研究提供了可行的技术方法和示范案例。
肖启华[6]（2020）在《气候变化背景下东南太平洋智利竹筴鱼资源评估模型研究》文中进行了进一步梳理长期以来,受气候变化影响而产生的低频气候变化现象（如厄尔尼诺-南方涛动、太平洋年代际涛动、北大西洋涛动等）通过对鱼类个体的直接作用或生态系统食物链传递的间接作用影响着海洋鱼类。研究显示,近半个世纪以来,气候系统增加的净能量中有60%以上储存在海洋上层,中上层鱼类首当其冲地受到了气候变化的严重冲击。东南太平洋智利竹筴鱼（Chilean jack mackerel,Trachurus murphyi）是东南太平洋上一种重要的中上层经济鱼类,是秘鲁和智利两国围网渔业的捕捞对象、也是我国及其他远洋渔业国家大型拖网加工船的目标鱼种。以东南太平洋智利竹筴鱼为对象,研究气候变化变化背景下的资源评估模型,有助于建立具有气候变化适应性的、有效的渔业资源管理方法,为气候变化背景下渔业资源的可持续性开发提供科学参考。本研究首先利用智利竹筴鱼渔获量（Catch）、单位捕捞努力量渔获量（CPUE）,以及表征气候变化的厄尔尼诺（El Ni?o）、南方涛动（SO）、大西洋涛动（NAO）、太平洋年代际涛动（PDO）等低频气候变化现象以及全球海气温度异常指标（dT）数据,运用相关性分析和神经网络模型建立了东南太平洋智利竹筴鱼渔获量预测模型、并在此基础上利用因子敏感性分析法识别了各气候变化表征因子对智利竹筴鱼渔获量的影响程度;然后,在剩余产量模型的基础上建立了智利竹筴鱼资源评估气候融合模型,以评估气候变化背景下东南太平洋智利竹筴鱼资源现状、构建使得渔业资源可持续发展的管理策略。主要研究结论如下:（1）通过相关性分析与互相关分析确定了相对独立的气候变化表征因子集{NINO、NAO、SOI、d T、PDO、NPI}以及各个因子的滞后阶数,并以此作为输入变量、智利竹筴鱼渔获量作为输出变量,建立了包含一个隐含层的三层神经网络模型。设定隐含层节点数m分别为3、4……13、制定了11套模型运行方案,运行模型,得到模型结果。利用预测标准差、效率系数、赤池信息准则等5个评价指标对各个方案进行评价,得到了最优的智利竹筴鱼渔获量预测模型。最优模型拟合结果显示:模型的Catch拟合值与观测值有基本一致的变化趋势、Catch观测值与拟合值散点图中散点基本聚集在直线y（28）1.071x左右,拟合效果良好。最后,对神经网络模型中的气候变化表征因子进行了因子敏感性分析,分析表明:模型的6个输入变量对智利竹筴鱼渔获量的影响大小从高到低分别为:NAO,PDO、NPI、NINO、d T以及SOI。（2）利用1986～2016年南太平洋渔业组织智利竹筴鱼渔获量和CPUE数据,建立了智利竹筴鱼剩余产量评估模型。设定模型参数内禀自然增长率r分别为均匀分布、正态分布和对数正态分布;环境容纳量K和可捕系数q为无信息先验分布（均匀分布）形成三个模拟方案,运行模型得到评估结果。模型结果显示:三个方案下参数的后验分布都与其先验概率分布差异很大,说明数据对参数的后验概率分布提供了足够的信息。三种方案的偏差信息准则值（DIC）显示均匀分布方案的拟合效果略胜一筹。三种方案下,各个生物学参考点指标:BMSY、BMSY/4、B2016,F0.1、FMSY、F2016估算值比较接近。当前资源分析表明:三种方案下均显示智利竹筴鱼资源处于低于目标参考点但高于且非常贴近限制参考点的状态,这说明智利竹筴鱼资源还未出现过度捕捞（overfished）。但因为利竹筴鱼死亡系数小于死亡系数目标参考点,所以捕捞强度上,智利竹筴鱼目前还没到处于过度捕捞状态（overfishing）。（3）将NAO,PDO、NPI、NINO、d T和SOI共六个气候变化表征因子逐个加入资源评估剩余产量模型,得到六个气候融合模型。设定六个模型的参数先验分布均为均匀分布,运用贝叶斯分析法求解各模型,利用偏差信息准则值（DIC）从六个模型中挑选出拟合效果更好的两个模型:包含因子NAO以及包含PDO的气候融合模型。模型结果显示:两个模型的参数r、K以及q的后验分布都与其先验概率分布差异很大,说明数据对参数的后验概率分布提供了足够的信息。当前资源状态显示:两个模型下、当前资源量都处于目标参考点和限制参考点之间的,需要密切监控资源状态;但因为利竹筴鱼死亡系数小于死亡系数目标参考点,所以捕捞强度上,模型显示智利竹筴鱼目前还没到出现过度捕捞（overfishing）。（4）最后对普通资源评估模型的基准方案（均匀分布）以及资源评估气候融合模型一（含因子NAO）、模型二（含因子PDO）关于评估结果和决策分析结果方面进行了对比分析。通过对比三个模型的CPUE拟合值与真实值之间的误差,以及比较三个模型的偏差信息准则值（DIC）,得到结论:包含因子NAO的气候融合模型的拟合效果最好。计算显示:三个模型的各个生物学参考点相关指标值存在一定的差异,总体来说,两个气候融合模型在生物学参考点指标BMSY、BMSY/4、B2016的值上比较接近,且与普通评估模型有一定的差距。从当前资源状态看,三个模型都显示:智利竹筴鱼资源处于低于目标参考点但高于限制参考点的状态,说明资源还未出现过度捕捞状态（overfished）;但气候融合模型显示的资源状态略好于普通资源评估模型。而在捕捞强度上,三个模型均显示智利竹筴鱼目前还没出现过度捕捞（overfishing）。设定模拟评估管理策略实施期限为2017～2026年、设定风险评估指标,分析对比三个模型下智利竹筴鱼的资源管理策略。分析显示:三个模型取到最高可捕量时的渔获率分别为0.16、0.22和0.18。三个模型可以取得的最高可捕量存在一定的差异,最高的是包含因子PDO的气候融合模型、为356.16万吨,最低的为普通资源评估模型的249.91万吨。三模型都达到最高可捕量时,管理措施实施后资源量的恢复情况以及资源恢复到健康水平的概率都比较低;但三个模型资源崩溃的风险有所不一,其中,普通资源评估模型最大、接近50%,而气候融合模型相对较小。根据“期望收益最大化风险最小化”原则,同时兼顾考虑管理措施实施后资源恢复到健康水平因素、资源崩溃的风险,调整得到三个模型的―最佳管理策略‖。可以发现:与普通资源评估模型比较,资源评估气候变化融合模型的渔获率稍高、为0.17～0.18,可捕量也相对较高;且普通资源评估模型的各项风险指标值与气候变化融合模型差异较大,从风险指标的角度看,气候融合模型比普通模型相对乐观,其资源崩溃的风险更小。
仓萍萍[7]（2019）在《环境友好视角下大菱鲆养殖模式转型的经济研究》文中研究表明自1992年中国开创“温室大棚+深井海水”工厂化养殖以来,大菱鲆工厂化养殖北到辽宁省南到福建省,尤其在黄渤海地区有了大规模养殖,其中山东、辽宁两省集聚程度较高。2018年山东、辽宁两省大菱鲆养殖年产量4.17万吨,占养殖总产量83.73%。大菱鲆工厂化养殖以流水养殖为主,养殖水体占养殖总水体99%,养殖产量占总养殖量94.5%,循环水养殖不足1%,养殖产量占总养殖量5.5%。工厂化流水养殖和循环水养殖主要区别表现为两个方面:第一是污染排放方面。基于物料平衡法,养殖一千克大菱鲆,流水养殖的氮排放量为0.136千克,磷排放量为0.018千克。以2018年山东、辽宁两省大菱鲆年养殖量4.17万吨计,氮磷量排放量分别5660吨和749吨。该估算结果基于全程投喂配合饵料的假设。实际情况是冰鲜饵料投喂量是配合饵料的3.5倍左右,故上述氮磷排放的估算值小于实际值。冰鲜饵料能导致更高的“二次污染”。2019年2月经国务院同意,农业农村部会同生态环境部、自然资源部、国家发展改革委等十部联合印发了《关于加快推进水产养殖业绿色发展的若干意见》。《意见》明确提出配合饲料替代冰鲜杂鱼,严格限制冰鲜杂鱼等直接投喂。大菱鲆循环水养殖全程投喂配合饲料,虽然目前多数循环水养殖水处理设备性能还不太完善,不能做到完全“零排放”,但污染物排放低。第二是资源消耗方面。流水养殖资源消耗大。山东、辽宁两省大菱鲆流水养殖,水资源消耗分别30立方米/千克和17立方米/千克。2018年山东、辽宁两省大菱鲆流水养殖年用水量8.29×108立方米。假设采用循环水养殖,用水总量2.52×107立方米,水资源耗用前者是后者33倍。随着竞争加剧,养殖规模扩大,工厂化流水养殖对环境造成的负外部性主要表现为:（1）资源高开采低使用。地下水资源无序开采,土地和水资源利用效率低;（2）污染高排放低治理。养殖尾水排放缺乏标准,集约化大规模养殖造成局部水域氮磷污染超标,“二次污染”的水源对养殖产生严重危害。大菱鲆流水养殖属于高投入、高消耗、高污染、高排放的线性养殖,产业发展前景堪忧。鉴于此,本文以大菱鲆养殖可持续发展为切入点,选择“环境友好视角下大菱鲆养殖模式转型的经济研究”为研究课题。采用完全成本法、数据包络法分析大菱鲆流水养殖负外性的内部和外部因素;之后用生态足迹指数法论讨流水养殖和循环水养殖对生态造成的影响及发展的可持续性;在此基础上采用实物期权定价理论验证生态足迹指数法的研究结论,为管理者的决策提供参考;最后根据上述研究结论,总结并提出转型机制和进一步研究方向。全文共分八章,各章内容安排如下:第一章绪论。主要阐述选题背景、研究意义、研究内容、研究方法、研究思路,技术路线,论文的观点和创新点等。第二章文献述评。国内外相关研究的梳理及评价启示。第三章相关概念及理论基础。相关概念的界定,基础理论和经济模型。第四章中国大菱鲆养殖业发展现状。阐述中国大菱鲆养殖业发展具备的优势,养殖规模布局及主要问题,环境友好型大菱鲆养殖模式推广存在的主要障碍。第五章中国大菱鲆流水养殖环境负外部性原因分析。从两个角度展开分析。其一,负外部性外因分析,核算体系需优化,资源环境要素未纳入传统成本核算体系,水产品价格未体现所有要素的价值,低估成本高估收益,不利于资源节约和环境保护;其二,负外部性内因分析,大菱鲆流水养殖效率需提高,饵料、人工、设备等要素投入过多,降低了经济效益,饵料过度投入会加重“二次污染”。第六章中国大菱鲆不同养殖模式的环境效益比较分析。采用生态足迹指数法对中国大菱鲆循环水养殖和流水养殖的可持续性展开评价,结论认为循环水养殖环境压力相对较小,为弱可持续发展,流水养殖已超出生物容量,环境压力较大,表现为生态赤字。在此基础上用实物期权定价理论验证上述结论,结论一致。本章节研究为养殖模式转型提供理论依据,为管理者的决策提供参考。完全成本和效率问题的研究旨在说明流水养殖的不足和转型的必要,定性说明流水养殖不利于可持续发展,接着用生态足迹指数法定量研究,说明流水养殖环境压力较大,呈生态赤字,不可持续,大菱鲆流水养殖转型势在必行,之后基于实物期权定价理论,进行数值模拟仿真,进一步验证上述研究结论,结论一致,循环水养殖是未来养殖业发展的主要方向。第七章转型机制与主要结论。归纳总结上述章节研究的主要结论,对大菱鲆养殖模式的转型机制提出思路。第八章总结与展望。总结当前中国水产养殖业发展面临的主要问题,对后续科学研究提出设想和展望。本文主要研究结论如下:（1）不同地域养殖优势存在差异。电力成本方面:辽宁省4.45元/千克,山东省6.00元/千克,辽宁是山东的74.17%;水资源耗用方面:辽宁省17立方米/千克,山东省30立方米/千克,辽宁是山东56.67%,辽宁省资源使用效率高于山东省。山东、辽宁两省地下水资源价值分别:0.08 RMB/m3,0.11 RMB/m3,资源价值不等,体现了资源稀缺性。按传统成本核算,大菱鲆流水养殖成本山东省略低于辽宁省,纳入资源环境因素之后,大菱鲆流水养殖成本山东省比辽宁省高2.35元/千克。说明:考虑资源环境要素后,辽宁省大菱鲆养殖存在较强优势。（2）不同养殖模式资源消耗存在差异。工厂化半封闭循环水养殖一千克大菱鲆水资源耗用量2.52立方米,工厂化全封闭循环水养殖一千克大菱鲆水养殖耗用量0.6立方米。工厂化流水养殖一千克大菱鲆水资源耗用量17立方米以上。不同养殖模式水资源耗用差异较大,流水养殖是半封闭循环水养殖用水量近7倍,是全封闭循环水养殖用水量近30倍。半封闭循环水是全封闭循环水养殖用水量4倍。（3）流水养殖规模不经济。虽然有些养殖户生产规模较大,但距规模经济仍有差距。诸多资源利用不充分,如,流水养殖面积均值4116平方米,有效养殖面积3636平方米,养殖水域投入过度,饵料过度投放、人工使用不足、固定资产部分闲置,距离帕累托最优有一定差距,有较大改进空间。（4）循环水养殖优势逐步显着。随着对养殖资源环境逐步重视,水土资源成本和污染处理成本不可回避,当外部成本引入成本核算体系后水产养殖成本会有显着提高。另外,随着科技进步,工艺完善,工厂化循环水养殖运营成本与目前相比会进一步下降。两者成本差距逐步缩小,工厂化循环水养殖优势逐步突显。循环水养殖优势主要表现为:一是资产使用率高。养殖周期缩短,各项资产周转速度快;二是养殖风险低。盈亏平衡结果显示,大菱鲆循环水养殖安全边际率39.23%,流水养殖安全边际率26.27%,说明循环水养殖经营风险低于流水养殖。因为水质稳定,管理科学,鱼病发生率低,养殖风险得到有效控制;三是食品安全性高。科学监控养殖环境,严格消毒、清池等环节,产品质量达标品质好,食品安全风险降低;四是有利于产业可持续发展资源低消耗,环境低污染,符合国家生态文明建设战略要求,有利于产业的可持续发展;五是平衡水产养殖结构。工厂化循环水养殖较少受自然资源约束,可以平衡水产养殖结构性问题,满足消费者需求。（5）中国大菱鲆循环水养殖属环境友好型养殖模式。循环水养殖生态足迹指数（EFI=13%）,属于弱可持续养殖。饲料、能源、基建生态足迹指数贡献最大,循环水养殖能有效降低饵料系数,既降低养殖经济成本又降低生态足迹,提高经济效益和生态效益,是一种环境友好型养殖模式。本文的创新点如下:（1）大菱鲆不同规模养殖效率的对比研究未有涉及,本研究丰富了这方面的研究内容。大菱鲆产业经济研究相对较少,近年来随着大菱鲆养殖业的发展,研究内容、研究方法等方面取得了较丰硕成果。研究内容集中在大菱鲆产业发展战略研究、市场贸易研究、消费者行为研究、经济收益及效率研究等方面。对不同规模养殖效率的对比研究未有涉及。（2）养殖水资源的价值研究鲜有涉及,本研究丰富和拓展了养殖水资源的定价问题研究。资源定价研究主要集中在煤、石油、天然气、矿石等自然资源,水资源作为水产养殖重要的生产要素有必要纳入成本核算体系,促进资源有效利用。（3）大菱鲆流水养殖和循环水养殖环境压力的定量研究未有涉及,本研究丰富了生态足迹小尺度领域研究。2011年,近十年前有学者倡议大菱鲆养殖转型,但没有展开这方面的定量研究。大菱鲆流水养殖和循环水养殖的环境压力有多大?有没有超出生态承载范围?有没有可持续性?可持续性达到什么程度?尚未有定量研究。
吴晓祥[8]（2019）在《东海区海洋渔业产业国际竞争力评价研究》文中提出截止2018年,我国水产品产量已连续28年居世界第一,占全球水产品产量的三分之一以上,全世界养殖产量的四分之三来自我国。海洋渔业是重要的海洋产业,是我国海洋经济的重要组成部分,海洋渔业在我国国际外交和海洋权益维护方面发挥着重要作用,增强海洋渔业产业国际竞争力对于加快海洋经济发展、提升我国渔业在国际上的话语权意义重大。“十二五”期间,渔业已成为我国的国家战略产业,初步建成了现代渔业产业体系。渔业“十三五”规划提出实施渔业供给侧结构性改革,在推动渔业转变发展方式、调整结构的同时,实现渔业转型升级。如今,我国已成为世界第一渔业生产大国和主要远洋渔业国家,然而多年来海洋渔业增长的粗放性,导致了海洋渔业生态环境恶化、渔业资源枯竭,发展空间越来越受到限制,海洋渔业产业面临的国际竞争压力加大。如何提高我国海洋渔业产业国际竞争力,提升海洋渔业产业在国际上的话语权,成为影响我国海洋渔业发展的关键问题。东海区三省一市（江苏、上海、浙江、福建）经济基础好、国际交流密切,三省一市国际贸易状况是我国海洋渔业产业实力的重要体现,本研究以我国东海区三省一市为对象,试图通过海洋渔业产业国际竞争力分析,为我国海洋渔业产业发展提供理论依据。本文在系统梳理产业国际竞争力理论的基础上,借鉴产业国际竞争力概念定义方法,首次对海洋渔业产业国际竞争力概念作出界定,解析其概念内涵;在总结产业国际竞争力影响因素理论的基础上,结合海洋渔业产业特征,系统分析研究影响海洋渔业产业国际竞争力的各要素;全面总结回顾了近十年东海区三省一市海洋渔业发展现状,包括海洋渔业产量变化情况、生产要素状况等。在计算资源禀赋指数、国际市场占有率指数、显示性比较优势指数的基础上,分析东海区三省一市海洋渔业产业资源禀赋状况、国际市场竞争状况、比较优势情况;结合东海区三省一市海洋渔业产业发展实际,设计出一套评价海洋渔业产业国际竞争力的指标体系,包括4个一级指标:海洋渔业竞争实力、海洋渔业竞争潜力、海洋渔业竞争环境、海洋渔业竞争态势,12个二级指标,以及30个三级指标;运用层次分析法,对二、三级评价指标进行赋权;运用模糊综合评价方法,对东海区海洋渔业产业国际竞争力做出评价。评价结果显示:我国东海区海洋渔业产业国际竞争力总体属于“较好”等级,表明我国东海区三省一市海洋渔业产业国际竞争力总体较好,仍存在进一步提升的空间。一级指标评价结果分别对应为:海洋渔业产业竞争实力——“一般”,海洋渔业产业竞争潜力——“较好”,海洋渔业产业竞争环境——“很好”,海洋渔业产业竞争态势——“较差”。在总结评价结果的基础上,分析得出存在以下影响东海区海洋渔业产业发展和国际竞争力提升的主要因素:第一,海洋生态环境恶化,自然渔业资源劣势影响产业发展所需基础;第二,低级生产要素占主流,产业技术含量不高;第三,产业协同效应未能显现,影响产业国际竞争力;第四,区域协作网络尚未建立,资源整合利用不够;第五,缺乏知名渔业品牌,整体竞争力不强。针对以上因素,提出五个方面的政策建议:一是深入实施陆海统筹战略,改善海洋生态环境;二是提高产业科技创新应用水平,打造智慧海洋渔业;三是更加注重产业协同,提升海洋渔业产业重要地位;四是建设海洋渔业产业协会,加强区域渔业资源整合利用;五是加强重点企业建设扶持力度,打造世界一流海洋渔业品牌。
杨旖祎[9]（2019）在《基于海洋健康的资源环境承载能力预警阈值研究 ——以乐清湾为例》文中进行了进一步梳理海洋是我国的蓝色国土,是发展海洋经济,建设海洋强国,落实海洋生态文明战略部署的重要战略空间。随着改革开放,经济不断发展,海洋环境受到了较为严重的污染,海洋健康水平遭到了破坏。开展海洋资源环境承载能力监测与预警工作是优化海洋保护与开发海洋空间格局的重要管理手段,也是全国资源环境承载能力监测与预警工作的重要组成部分。为全面推进生态文明体制建设、保障海洋健康水平、遵循可持续发展理念,应当加强对海洋资源环境承载能力相关理论、技术方法和试点海域的研究,并形成一套科学有效的预警机制体系,是推进建设海洋资源环境承载能力预警长效机制的基础和保障。基于上述的问题,本文对预警的确定方法及案例进行了探讨研究。预警的方法主要有四种,分别是单项预警、状态预警、过程预警及目标预警。根据多个预警案例的解析,可知预警模型的建立离不开预警基准值的确定,即阈值的确定。阈值在各个方面得到了广泛应用,本次研究的重点是生态阈值。生态阈值的类型主要分为两种,分别是生态阈值点和生态阈值带。生态阈值的确定方法有三种,分别是野外观测法、统计分析法和模型模拟法,其中模型模拟方法中包含高斯模型法,该方法是本研究的重要理论依据。乐清湾作为我国最具重要意义的海湾之一,以乐清湾为例作为研究海域具有现实意义,希望通过对乐清湾海域的研究为海洋资源环境承载能力预警阈值提供一定的参考价值。本文选取了乐清湾海域的三个研究案例,分别是乐清湾浮游植物在盐度环境梯度下的生态阈值研究、乐清湾海域真刺唇角水蚤在盐度环境梯度下的生态阈值研究和乐清湾N、P水质基准确定及应用。其中前两个案例是从乐清湾海域的生物角度进行研究,选取乐清湾浮游植物生物量和浮游动物中作为优势种的真刺唇角水蚤的生物量作为生物指标,盐度作为环境因子,运用高斯模型法进行曲线拟合,得到在盐度环境梯度下浮游植物的生态阈值和真刺唇角水蚤的生态阈值。通过高斯模型的方法可以得到最适阈值点（u）,同时还可以获得最适的生态阈值区间（[u-t,u+t]）以及生态阈值区间（[u-2t,u+2t]）,其中u是当生物指标达到最大值时环境梯度的数值,t表示环境梯度数值的一个耐度,将预警分为四个等级,分别是环境因子值在最适生态阈值范围之内是蓝色预警;环境因子值在生态阈值范围之内且最适生态阈值范围之外是黄色预警;环境因子值在生态阈值范围之外且未达到死亡线范围是橙色预警;环境因子值在死亡线之外则是红色预警。如乐清湾浮游植物在盐度环境梯度下生态阈值研究案例中,生态阈值与预警等级对应的结果为盐度值在[25.24,27.00]之内时预警等级是蓝色;盐度值在[25.24,27.00]之外且在[24.36,27.88]之内时预警等级是黄色;盐度值小于24.36或大于27.88且未达到死亡线时预警等级是橙色;盐度值在死亡线之外时预警等级是红色。另一个案例是对乐清湾海域水质因子进行基准值的确定,从而进行了水质等级的划分。基准值可以认为是阈值。以上三个案例都进行了阈值的求取,虽然所用的方法不同。随后进行了预警等级划分,分别是根据建立高斯模型和已有标准作为依据进行预警等级划分。但本研究中主要探讨的是基于高斯模型建立了单项指标的资源承载能力的预警阈值确定方法,并以浮游植物（细胞密度）和浮游动物（真刺唇角水蚤生物量）为例开展乐清湾具体案例的应用。希望将高斯模型法运用到海洋资源环境承载能力预警阈值的关键内容中,包括阈值的确定以及对预警等级的划分,本文从理论上,根据预警阈值对资源环境承载能力预警等级进行划分,划分为四个等级,以乐清湾为例进行了具体应用。虽然这一方法的权威性还有待更深入的研究。通过对海洋资源环境承载能力的监测预警实现对海洋健康的实时评估,从而及时找出问题并解决问题,对海洋生态修复起到很好的指导作用,保证海洋生态系统的可持续发展。
马千惠[10]（2019）在《基于BP的浙江省海洋生态环境安全的评价》文中进行了进一步梳理近几年来,世界各国在海洋生态环境安全方面给予了较高的关注,我国也在十九大提出了加快建设海洋强国的道路。浙江省虽然整体面积占全国比重不大,但海域辽阔,海岸线长度约占全国1/3位居首位,滩涂资源为全国第三。依靠以上独特的地理环境和优沃的海洋资源,浙江省海洋生产总值在2017年突破7600亿元,与此同时,对海洋生态环境安全也提出了新的发展要求。尤其在“十三五”规划提出加快海洋经济发展方式转变,推动地区经济社会与海洋生态环境相协调以来,更加凸显了对浙江省海洋生态环境安全评价的必要性与意义。浙江省海洋生态环境安全的评价以浙江省行政划分区域内的海域为研究对象,选取2007-2017年十年的海洋相关数据,利用ISM解释结构模型和海洋生态学相关理论对影响海洋生态环境安全的相关因素进行筛选与界定。从海洋生态承载力、生态足迹、和干扰因素三个方面选取了30个基础指标构建浙江省海洋生态环境安全评价指标体系。运用层次分析法和熵权法结合的综合指数评价法对指标权重进行计算,并利用BP人工神经网络模型对浙江省海洋生态环境安全进行评价,得到2007-2017年浙江省海洋生态环境安全处于安全范围内的三级安全级别,且近期内安全等级变化良好,距离二级安全等级仅为0.022。但若除去干扰因素的影响,海洋承载能力则快接近“饱和”状态,需要引起人们对海洋生态环境安全的关注。并在以上结果的基础上,结合浙江省的实际情况,提出了以防止海洋污染,恢复海洋生态,健全海洋预警机制,优化海洋产业结构为主的切实可行的对策和建议。
二、基于BP模型的渔业资源可持续利用综合动态评价（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于BP模型的渔业资源可持续利用综合动态评价（论文提纲范文）
（1）印度洋渔业资源可持续利用灰色关联评价（论文提纲范文）
| 1 材料和方法 |
| 1.1 数据来源 |
| 1.2 研究方法 |
| 2 结果 |
| 2.1 印度洋渔获量 |
| 2.2 基于各类类别的渔业资源可持续利用评价 |
| 2.3 基于主要鱼种的渔业资源可持续利用评价 |
| 3 分析与讨论 |
| 3.1 印度洋海洋渔获量分析 |
| 3.2 可持续利用评价及其资源状况分析 |
| 3.3 印度洋渔业可持续发展建议 |
（2）基于神经网络的印度洋长鳍金枪鱼（Thunnus alalunga）时空分布与海洋环境关系研究（论文提纲范文）
| 1 材料与方法 |
| 1.1 材料来源 |
| 1.2 神经网络空间分布模型 |
| 1.3 模型解释 |
| 1.4 空间分布模式图绘制 |
| 2 研究结果 |
| 2.1 神经网络空间分布模型精度 |
| 2.2 长鳍金枪鱼时空分布影响因子 |
| 2.3 长鳍金枪鱼时空分布与海洋环境的关系敏感性分析 |
| 2.4 长鳍金枪鱼时空分布模式 |
| 3 讨论 |
| 3.1 神经网络模型渔场预测结果 |
| 3.2 长鳍金枪鱼时空分布与环境因子关系 |
| 3.3 长鳍金枪鱼时空分布规律 |
| 4 结论 |
| 电子附件材料: |
（3）基于Hadoop架构的海洋牧场大数据平台设计研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 海洋牧场背景 |
| 1.1.2 大数据技术背景 |
| 1.1.3 课题研究意义 |
| 1.2 国内外发展现状 |
| 1.2.1 国内外海洋牧场发展现状 |
| 1.2.2 国内外大数据发展现状 |
| 1.3 本文的主要工作 |
| 第2章 海洋牧场大数据平台关键技术原理综述 |
| 2.1 Hadoop生态技术介绍 |
| 2.1.1 Hadoop分布式基础架构 |
| 2.1.2 HDFS分布式文件系统 |
| 2.1.3 MapReduce分布式运算编程框架 |
| 2.1.4 HBase分布式数据库 |
| 2.2 人工神经网络 |
| 2.2.1 人工神经网络简介 |
| 2.2.2 BP神经网络 |
| 2.3 果蝇优化算法 |
| 2.3.1 果蝇优化算法 |
| 2.3.2 IFOA果蝇优化算法 |
| 2.4 本章小结 |
| 第3章 海洋牧场大数据平台框架设计 |
| 3.1 平台总体架构及标准体系设计 |
| 3.1.1 海洋牧场大数据平台架构设计 |
| 3.1.2 海洋牧场大数据标准体系设计 |
| 3.2 海洋牧场数据来源分析 |
| 3.2.1 海洋牧场观测网 |
| 3.2.2 渔业数据库 |
| 3.2.3 互联网数据 |
| 3.2.4 物联网数据 |
| 3.3 平台整体框架设计 |
| 3.4 本章小结 |
| 第4章 海洋牧场大数据分析模型设计 |
| 4.1 基于BP神经网络的水体溶解氧的预测分析模型 |
| 4.2 IFOA-BP模型在海洋牧场溶解氧的预测应用 |
| 4.2.1 数据与方法 |
| 4.2.2 神经网络性能指标 |
| 4.2.3 IFOA-BP模型参数 |
| 4.2.4 模型评价 |
| 4.3 基于MapReduce的 BP神经网络并行化分析模型 |
| 4.4.1 MapReduce编程模型基本思想 |
| 4.4.2 BP神经网络并行化思想 |
| 4.4.3 BP神经网络的并行化流程 |
| 4.4 BP神经网络并行化算法在海洋牧场水质分类的应用 |
| 4.4.1 数据来源及预处理 |
| 4.4.2 实验结果及分析 |
| 4.5 本章小结 |
| 第5章 海洋牧场大数据平台设计与实现 |
| 5.1 海洋牧场大数据平台设计 |
| 5.1.1 平台目标 |
| 5.1.2 平台业务功能设计 |
| 5.1.3 平台技术方案设计 |
| 5.1.4 平台数据库设计 |
| 5.1.5 平台数据处理流程设计 |
| 5.2 海洋牧场大数据平台集群实现 |
| 5.2.1 平台基础环境 |
| 5.2.2 平台Hadoop集群搭建 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 参考文献 |
| 致谢 |
| 在学期间主要科研成果 |
| 一、发表的学术论文 |
| 二、其他科研成果 |
（4）基于人工智能的渔船航行数据挖掘研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 研究的背景和意义 |
| 1.2.1 研究背景 |
| 1.2.2 研究意义 |
| 1.3 国内外相关研究综述 |
| 1.3.1 船舶定位数据及获取研究现状 |
| 1.3.2 渔船轨迹相似度计算研究现状 |
| 1.3.3 海上渔船轨迹预测研究现状 |
| 1.3.4 海上渔船捕捞热点研究现状 |
| 1.3.5 渔船作业方式识别研究现状 |
| 1.4 本文研究内容 |
| 1.5 论文创新点 |
| 1.6 本文组织结构 |
| 第2章 数据获取和预处理算法 |
| 2.1 引言 |
| 2.2 渔船定位数据的来源和介绍 |
| 2.3 AIS数据的预处理 |
| 2.3.1 AIS数据的切分 |
| 2.3.2 AIS数据转换处理 |
| 2.3.3 合法性校验 |
| 2.4 渔船轨迹数据的预处理 |
| 2.4.1 渔船轨迹基本模型 |
| 2.4.2 渔船轨迹数据提取算法 |
| 2.4.3 轨迹数据缺失值处理 |
| 2.4.4 轨迹数据异常值处理 |
| 2.5 本章小结 |
| 第3章 海上渔船轨迹预测 |
| 3.1 引言 |
| 3.2 渔船轨迹图像相似度计算 |
| 3.2.1 图像检测与描述相关概念 |
| 3.2.2 渔船轨迹图像相似度算法 |
| 3.2.3 算法实验结果 |
| 3.3 渔船轨迹预测模型 |
| 3.3.1 长短期神经网络 |
| 3.3.2 轨迹预测模型实验方案及评价指标 |
| 3.3.3 模型参数分析 |
| 3.4 轨迹预测模型实验结果及分析 |
| 3.5 本章小结 |
| 第4章 渔船作业方式识别 |
| 4.1 引言 |
| 4.2 渔船作业方式介绍 |
| 4.2.1 拖网作业 |
| 4.2.2 围网作业 |
| 4.2.3 刺网作业 |
| 4.3 渔船轨迹数据分析和特征构建 |
| 4.3.1 渔船轨迹的统计可视化研究 |
| 4.3.2 轨迹数据的速度和转向角度分析 |
| 4.3.3 轨迹数据的经纬度分析 |
| 4.3.4 特征构建 |
| 4.4 渔船作业方式识别模型 |
| 4.4.1 Boosting模型 |
| 4.4.2 评价指标 |
| 4.4.3 模型分类结果 |
| 4.5 本章小结 |
| 第5章 渔船作业热点发现 |
| 5.1 引言 |
| 5.2 作业热点时空变化规律 |
| 5.3 渔船作业热点发现算法 |
| 5.3.1 K-Means算法 |
| 5.3.2 算法概述 |
| 5.3.3 实验结果 |
| 5.4 本章小结 |
| 第6章 总结 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间发表的论文 |
（5）海州湾海洋牧场水环境承载力研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 承载力的概念及其发展 |
| 1.2.2 水环境承载力研究现状 |
| 1.2.3 水环境承载力量化方法 |
| 1.3 研究区域概况 |
| 1.4 研究内容 |
| 1.5 技术路线 |
| 第二章 海州湾海洋牧场水环境特征 |
| 2.1 材料与方法 |
| 2.1.1 调查站位布设 |
| 2.1.2 采样与分析方法 |
| 2.1.3 研究方法 |
| 2.2 结果与讨论 |
| 2.2.1 海州湾海洋牧场水环境特征 |
| 2.2.2 水质评价 |
| 2.3 本章小结 |
| 第三章 海州湾海洋牧场水环境承载力研究 |
| 3.1 研究技术思路 |
| 3.2 研究方法 |
| 3.2.1 主成分分析 |
| 3.2.2 BP神经网络模型 |
| 3.3 水环境承载力指标体系的构建 |
| 3.3.1 水环境承载力评价指标选取 |
| 3.3.2 水环境承载力指标阈值 |
| 3.3.3 BP神经网络模型构建 |
| 3.4 结果与讨论 |
| 3.4.1 水环境承载力指数年际变化特征 |
| 3.4.2 水环境承载力指数空间变化特征 |
| 3.5 本章小结 |
| 第四章 水环境承载力和浮游生物群落响应关系 |
| 4.1 引言 |
| 4.2 材料与方法 |
| 4.2.1 采样与分析方法 |
| 4.2.2 研究方法 |
| 4.3 结果与讨论 |
| 4.3.1 浮游植物的组成 |
| 4.3.2 浮游动物的组成 |
| 4.3.3 水环境承载力和浮游生物指标之间的响应关系 |
| 4.4 本章小结 |
| 第五章 结论、创新性和展望 |
| 5.1 研究结论 |
| 5.2 论文的创新性 |
| 5.3 建议与展望 |
| 参考文献 |
| 致谢 |
| 硕士期间发表论文、参加会议及参与课题项目 |
（6）气候变化背景下东南太平洋智利竹筴鱼资源评估模型研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 引言 |
| 1.1 研究背景 |
| 1.2 国内外研究现状及存在问题 |
| 1.2.1 气候变化对海洋渔业资源量影响研究现状 |
| 1.2.2 气候变化对海洋渔业资源分布影响研究现状 |
| 1.2.3 气候变化对渔业资源管理影响研究现状 |
| 1.2.4 智利竹筴鱼生物学特性 |
| 1.2.5 智利竹筴鱼研究现状及存在的问题 |
| 1.3 研究内容和技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 第二章 气候变化表征因子 |
| 2.1 厄尔尼诺—南方涛动(ENSO) |
| 2.2 北大西洋涛动(NAO) |
| 2.3 太平洋年代际涛动(PDO) |
| 2.4 北太平洋指数(NPI) |
| 2.5 海气温度变化异常指标(dT) |
| 2.6 指标数据 |
| 第三章 模型与方法 |
| 3.1 相关性分析 |
| 3.1.1 相关系数 |
| 3.1.2 互相关分析 |
| 3.2 人工神经网络模型 |
| 3.2.1 BP神经网络模型结构 |
| 3.2.2 BP神经网络模型 |
| 3.2.3 BP模型学习算法 |
| 3.2.4 BP模型的评价 |
| 3.3 变量敏感性分析 |
| 3.4 渔业资源评估的剩余产量模型 |
| 3.4.1 剩余产量模型 |
| 3.4.2 资源管理生物学参考点相关指标 |
| 3.4.3 模型计算与诊断 |
| 3.4.4 备选管理策略 |
| 3.4.5 资源管理实施效果评价 |
| 3.5 渔业资源评估的剩余产量气候融合模型 |
| 3.5.1 气候融合模型 |
| 3.5.2 模型计算与诊断 |
| 3.5.3 资源管理生物学参考点相关指标 |
| 3.5.4 备选管理策略 |
| 3.5.5 资源管理实施效果评价 |
| 第四章 智利竹筴鱼渔获量受气候变化影响研究 |
| 4.1 数据及数据预处理 |
| 4.2 指标相关性分析 |
| 4.2.1 气候变化表征因子相关性分析 |
| 4.2.2 因子与渔获量相关性分析 |
| 4.2.3 气候变化因子与渔获量互相关分析 |
| 4.3 智利竹筴鱼渔获量预测模型BP神经网络结构及实现方法 |
| 4.4 最优模型选择 |
| 4.4.1 隐含层节点数设置 |
| 4.4.2 模型选择方法 |
| 4.5 神经网络拟合结果与分析 |
| 4.5.1 每套运行方案的最佳模型 |
| 4.5.2 全局最优模型选择 |
| 4.6 分析与小结 |
| 4.6.1 模型拟合效果分析 |
| 4.6.2 最优模型气候变化表征因子敏感性分析 |
| 4.6.3 小结 |
| 第五章 东南太平洋智利竹筴鱼资源评估模型 |
| 5.1 数据及数据来源 |
| 5.2 智利竹筴鱼资源评估模型设定 |
| 5.2.1 参数的初值 |
| 5.2.2 参数的先验分布 |
| 5.2.3 边际后验概率计算方法 |
| 5.3 结果与分析 |
| 5.3.1 模型收敛情况 |
| 5.3.2 参数后验分布 |
| 5.3.3 模型拟合效果 |
| 5.3.4 当前资源状况 |
| 5.3.5 管理决策分析 |
| 5.4 小结 |
| 第六章 东南太平洋智利竹筴鱼资源评估气候融合模型 |
| 6.1 数据及数据处理 |
| 6.2 剩余产量气候融合模型设定 |
| 6.2.1 参数的初值 |
| 6.2.2 模型参数先验分布 |
| 6.2.3 边际后验概率计算方法 |
| 6.3 模型设定 |
| 6.3.1 模型方案 |
| 6.3.2 模型挑选 |
| 6.4 结果与分析 |
| 6.4.1 参数后验分布 |
| 6.4.2 当前资源状况 |
| 6.4.3 管理决策分析 |
| 6.5 小结 |
| 6.6 资源评估普通模型与气候融合模型对比分析 |
| 6.6.1 模型拟合效果比较 |
| 6.6.2 智利竹筴鱼资源状况 |
| 6.6.3 智利竹筴鱼资源管理 |
| 第七章 主要结论与展望 |
| 7.1 主要结论 |
| 7.1.1 东南太平洋智利竹筴鱼渔获量预测模型 |
| 7.1.2 东南太平洋智利竹筴鱼资源评估气候融合模型 |
| 7.2 管理建议 |
| 7.3 研究的创新点 |
| 7.4 存在的问题与展望 |
| 参考文献 |
| 附件一、气候变化表征因子原始数据 |
| 附件二、预处理后的气候变化表征因子数据 |
| 附件三、智利竹筴鱼渔获量预测神经网络模型各运行方案(m=3,5,..,13)的评价指标值表 |
| 致谢 |
（7）环境友好视角下大菱鲆养殖模式转型的经济研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 选题背景及意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.1.3 研究内容 |
| 1.1.4 研究方法 |
| 1.2 研究思路及结构 |
| 1.2.1 研究思路 |
| 1.2.2 研究结构 |
| 1.3 论文观点及创新 |
| 1.3.1 论文观点 |
| 1.3.2 论文创新 |
| 第2章 文献述评 |
| 2.1 文献回顾 |
| 2.1.1 水产养殖成本收益研究 |
| 2.1.2 水产养殖生产效率研究 |
| 2.1.3 水产养殖生态经济研究 |
| 2.2 评价与启示 |
| 第3章 相关概念及理论基础 |
| 3.1 相关概念 |
| 3.2 基础理论 |
| 3.2.1 农业循环经济理论 |
| 3.2.2 农业生态系统理论 |
| 3.2.3 农业可持续发展理论 |
| 3.3 经济模型 |
| 3.3.1 自然资源定价理论及运用 |
| 3.3.2 生产效率理论及运用 |
| 3.3.3 生态足迹理论及运用 |
| 3.3.4 实物期权定价理论及运用 |
| 第4章 中国大菱鲆养殖业发展现状 |
| 4.1 大菱鲆养殖业发展具备的优势 |
| 4.2 大菱鲆养殖规模布局及主要问题 |
| 4.2.1 规模布局 |
| 4.2.2 主要问题 |
| 4.3 环境友好型大菱鲆养殖的障碍 |
| 4.4 本章结语 |
| 第5章 大菱鲆流水养殖环境负外部性原因分析 |
| 5.1 环境负外部性外因分析-基于完全成本分析 |
| 5.1.1 数据来源及其说明 |
| 5.1.2 研究方法 |
| 5.1.3 研究结果 |
| 5.1.4 研究结论 |
| 5.1.5 讨论 |
| 5.2 环境负外部性内因分析-基于DEA分析 |
| 5.2.1 数据来源及研究方法 |
| 5.2.2 研究结果 |
| 5.2.3 研究结论 |
| 5.2.4 讨论 |
| 5.3 本章结语 |
| 第6章 大菱鲆不同养殖模式的环境效益比较分析 |
| 6.1 数据来源及研究方法 |
| 6.1.1 数据来源 |
| 6.1.2 研究方法 |
| 6.2 研究结果 |
| 6.3 研究结论及验证 |
| 6.3.1 研究结论 |
| 6.3.2 结论验证 |
| 6.4 本章结语 |
| 第7章 主要结论与转型机制 |
| 7.1 主要结论 |
| 7.2 转型机制 |
| 7.3 本章结语 |
| 第8章 总结与展望 |
| 8.1 总结 |
| 8.2 研究展望 |
| 附件 读博期间科研成果 |
| 致谢 |
| 参考文献 |
（8）东海区海洋渔业产业国际竞争力评价研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 引言 |
| 1.1 研究背景与研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外相关研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究方法与文章结构 |
| 1.3.1 研究方法 |
| 1.3.2 文章结构 |
| 1.4 文章创新点 |
| 第二章 海洋渔业产业国际竞争力相关理论 |
| 2.1 产业国际竞争力相关理论 |
| 2.1.1 比较优势理论 |
| 2.1.2 产业生命周期理论 |
| 2.1.3 国家竞争优势理论 |
| 2.2 产业国际竞争力的概念、影响因素、评价方法 |
| 2.2.1 产业国际竞争力的概念 |
| 2.2.2 产业国际竞争力的影响因素 |
| 2.2.3 产业国际竞争力的评价方法 |
| 2.3 本章小结 |
| 第三章 东海区三省一市海洋渔业产业发展现状 |
| 3.1 海洋渔业生产现状分析 |
| 3.2 基于钻石模型的分析 |
| 3.2.1 要素条件 |
| 3.2.2 市场需求 |
| 3.2.3 相关支持性产业 |
| 3.2.4 企业战略结构与竞争 |
| 3.2.5 政府和机遇 |
| 3.3 本章小结 |
| 第四章 海洋渔业国际竞争力指标构建及综合评价 |
| 4.1 海洋渔业国际竞争力评价指标系统构建 |
| 4.1.1 指标体系设计原则 |
| 4.1.2 指标体系的内容 |
| 4.2 基于AHP方法指标权重的设定 |
| 4.3 海洋渔业产业国际竞争力模糊综合评价 |
| 4.3.1 数学建模 |
| 4.3.2 计算过程 |
| 4.3.3 研究结果及说明 |
| 4.4 本章小结 |
| 第五章 海洋渔业产业国际贸易指数分析 |
| 5.1 海洋渔业贸易竞争力指数分析 |
| 5.1.1 资源禀赋指数(EF) |
| 5.1.2 国际市场占有率(IMS) |
| 5.1.3 显示性比较优势指数(RCA) |
| 5.2 本章小结 |
| 第六章 研究结论与政策建议 |
| 6.1 研究结论及分析 |
| 6.2 政策建议 |
| 6.2.1 深入实施陆海统筹战略,改善海洋生态环境 |
| 6.2.2 提高产业科技创新应用水平,打造智慧海洋渔业 |
| 6.2.3 更加注重产业协同,提升海洋渔业产业重要地位 |
| 6.2.4 建设海洋渔业产业协会,加强区域渔业资源整合利用 |
| 6.2.5 加强重点企业建设扶持力度,打造世界一流海洋渔业品牌 |
| 参考文献 |
| 致谢 |
（9）基于海洋健康的资源环境承载能力预警阈值研究 ——以乐清湾为例（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 引言 |
| 1.1 研究背景 |
| 1.2 研究进展 |
| 1.2.1 海洋资源环境承载能力研究进展 |
| 1.2.2 预警阈值研究方法进展 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 研究技术路线 |
| 1.4 创新点 |
| 1.5 研究目的与意义 |
| 第二章 海洋资源环境承载能力与预警概况 |
| 2.1 海洋资源环境承载能力概念与内涵 |
| 2.1.1 承载能力的理论基础 |
| 2.1.2 资源环境承载能力的提出 |
| 2.1.3 海洋资源环境承载能力的内涵 |
| 2.2 预警的方法与案例剖析 |
| 2.2.1 预警的方法分类 |
| 2.2.2 预警的流程 |
| 2.2.3 预警案例解析 |
| 2.2.2.1 灾害预警:赤潮预警 |
| 2.2.2.2 疾病预警 |
| 2.2.2.3 天气预警 |
| 2.2.2.4 水资源预警 |
| 2.2.2.5 渔业资源预警 |
| 2.3 小结 |
| 第三章 阈值的概念及其在预警中的应用 |
| 3.1 阈值的概念与类型 |
| 3.1.1 阈值的概念 |
| 3.1.2 生态阈值的类型 |
| 3.2 阈值的确定方法 |
| 3.2.1 野外观察与实验验证 |
| 3.2.2 统计分析 |
| 3.2.3 模型模拟 |
| 3.3 预警阈值的确定方法案例分析 |
| 3.3.1 传染病预警阈值研究-甘肃省为例 |
| 3.3.2 泥石流预警阈值研究-北京山区为例 |
| 3.3.3 可见水华污染预警阈值研究-典型地表缓流为例 |
| 3.4 小结 |
| 第四章 乐清湾生态阈值研究 |
| 4.1 浮游植物在盐度环境梯度下生态阈值研究 |
| 4.1.1 研究区域概况 |
| 4.1.2 数据来源与处理 |
| 4.1.2.1 数据来源 |
| 4.1.2.2 数据处理方法 |
| 4.1.3 结果与分析 |
| 4.1.3.1 浮游植物生长的水质环境因子之间的相关性分析 |
| 4.1.3.2 乐清湾三个区域浮游植物细胞密度及盐度环境条件的比较 |
| 4.1.3.3 盐度环境梯度下浮游植物细胞密度的生态阈值 |
| 4.2 真刺唇角水蚤在盐度梯度下的生态阈值研究 |
| 4.2.1 结果与分析 |
| 4.2.1.1 主要桡足类浮游动物分布及其优势度 |
| 4.2.1.2 主要桡足类浮游动物丰度与水环境因子相关性分析 |
| 4.2.1.3 盐度梯度下真刺唇角水蚤的生态阈值 |
| 4.3 N、P水质基准确定及应用 |
| 4.3.1 研究方法 |
| 4.3.2 结果与分析 |
| 4.3.2.1 基准年的确定 |
| 4.3.2.2 基准值的确定 |
| 4.3.2.3 N、P水质评价等级的划分 |
| 4.4 小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间学术论文发表情况 |
（10）基于BP的浙江省海洋生态环境安全的评价（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题背景 |
| 1.2 选题意义 |
| 1.3 相关文献综述 |
| 1.3.1 国外研究综述 |
| 1.3.2 国内研究综述 |
| 1.4 研究内容、方法和技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.4.3 研究路线 |
| 第二章 研究对象及相关理论 |
| 2.1 研究对象确定 |
| 2.2 研究区域确定 |
| 2.3 相关理论基础 |
| 2.3.1 生态安全理论 |
| 2.3.2 海洋生态系统理论 |
| 2.3.3 海洋生态安全理论 |
| 2.3.4 生态预警理论 |
| 2.3.5 耗散结构理论 |
| 2.4 海洋生态环境安全研究方法 |
| 2.4.1 ISM解释结构 |
| 2.4.2 熵权法 |
| 2.4.3 层次分析法 |
| 2.4.4 综合指数评价 |
| 2.4.5 BP神经网络 |
| 第三章 浙江省海洋生态环境现状 |
| 3.1 海洋生态环境现状 |
| 3.1.1 海洋自然概况 |
| 3.1.2 海洋生态环境概况 |
| 3.1.3 海洋经济发展概况 |
| 3.2 海洋生态环境的问题 |
| 3.2.1 生物生存环境恶化 |
| 3.2.2 海洋沉积物增多 |
| 3.2.3 海水富营养化严重 |
| 3.2.4 贝类质量下降 |
| 3.2.5 赤潮危害 |
| 3.3 ISM模型海洋生态环境影响因素分析 |
| 3.3.1 影响浙江海洋生态安全因素 |
| 3.3.2 影响因素有向连接图及构造矩阵的构建 |
| 3.3.3 影响因素的可达矩阵 |
| 3.3.4 多级递阶结构示意图 |
| 3.3.5 影响因素的确定 |
| 3.3.6 小结 |
| 第四章 浙江省海洋生态环境安全研究及分析 |
| 4.1 浙江省海洋生态环境安全研究指标体系构建 |
| 4.1.1 指标体系构建原则 |
| 4.1.2 指标体系 |
| 4.2 综合指数评价模型的指标体系权重计算 |
| 4.2.1 层次分析法权重指标的确定 |
| 4.2.2 熵权法指标权重的确定 |
| 4.2.3 综合指标权重的确定 |
| 4.3 小结 |
| 第五章 基于BP神经网络的浙江海洋生态环境安全评价 |
| 5.1 BP神经网络海洋生态环境安全评价体系 |
| 5.2 海洋生态环境安全等级划分及指标阈值确定 |
| 5.2.1 海洋生态环境安全等级划分 |
| 5.2.2 海洋生态环境安全指标阈值确定 |
| 5.3 BP神经网络设计 |
| 5.3.1 神经网络层数确定 |
| 5.3.2 隐含层神经元数量确定 |
| 5.3.3 无量纲化处理 |
| 5.3.4 BP神经网络训练 |
| 5.4 海洋生态环境安全等级确定 |
| 5.5 安全等级评价与分析 |
| 5.6 结论与对策 |
| 结论与不足 |
| 参考文献 |
四、基于BP模型的渔业资源可持续利用综合动态评价（论文参考文献）
- [1]印度洋渔业资源可持续利用灰色关联评价[J]. 鲁泉,方舟,陈新军. 广东海洋大学学报, 2021(05)
- [2]基于神经网络的印度洋长鳍金枪鱼（Thunnus alalunga）时空分布与海洋环境关系研究[J]. 程懿麒,张俊波,汪金涛,雷林. 海洋与湖沼, 2021(04)
- [3]基于Hadoop架构的海洋牧场大数据平台设计研究[D]. 耿和清. 齐鲁工业大学, 2021(10)
- [4]基于人工智能的渔船航行数据挖掘研究[D]. 解钦. 青岛科技大学, 2021(01)
- [5]海州湾海洋牧场水环境承载力研究[D]. 俞锦辰. 上海海洋大学, 2020(02)
- [6]气候变化背景下东南太平洋智利竹筴鱼资源评估模型研究[D]. 肖启华. 上海海洋大学, 2020(01)
- [7]环境友好视角下大菱鲆养殖模式转型的经济研究[D]. 仓萍萍. 上海海洋大学, 2019(03)
- [8]东海区海洋渔业产业国际竞争力评价研究[D]. 吴晓祥. 上海海洋大学, 2019(03)
- [9]基于海洋健康的资源环境承载能力预警阈值研究 ——以乐清湾为例[D]. 杨旖祎. 上海海洋大学, 2019(03)
- [10]基于BP的浙江省海洋生态环境安全的评价[D]. 马千惠. 浙江海洋大学, 2019(02)