一种政策与机器学习相结合的方法来评估陷阱网的选择性:以横滨伪长鳍鳕(Pseudopleuronectes yokohamae)为案例研究
《Journal of Marine Science and Engineering》:A Policy–Machine Learning Hybrid Approach to Evaluate Trap Mesh Selectivity: A Case Study on Pseudopleuronectes yokohamae
【字体:
大
中
小
】
时间:2025年12月25日
来源:Journal of Marine Science and Engineering 2.8
编辑推荐:
摘要
本文开发了一个基于机器学习的政策-效用框架,用于评估大理石扇贝渔业中陷阱网眼的尺寸(35–80毫米),并将传统的选择性分析转化为以政策为导向的决策背景。该效用函数结合了单位努力捕获量(CPUE)、未成熟鱼的比例和副
摘要
本文开发了一个基于机器学习的政策-效用框架,用于评估大理石扇贝渔业中陷阱网眼的尺寸(35–80毫米),并将传统的选择性分析转化为以政策为导向的决策背景。该效用函数结合了单位努力捕获量(CPUE)、未成熟鱼的比例和副渔获率,这些数据来自2015–2016年的实验。在2016年的数据上训练的梯度提升模型,并用2015年的数据进行验证,显示出很强的预测准确性。经过实证优化的权重组合(α* = 0.79, β* = 2.36, γ* = 0.79)使得预测效用与实际效用之间的吻合度很高(均方根误差约为0.22;相关系数r = 0.901)。变量重要性分析表明,未成熟鱼的比例是效用变化的主要驱动因素;副渔获率和单位努力捕获量的贡献较小。基于情景的模拟显示,最佳网眼尺寸从2015年的65毫米变为2016年的80毫米,这反映了种群规模结构和副渔获组成年的变化。政策遗憾分析(比较65毫米和80毫米的捕捞方案)表明遗憾值较低(ΔU ≈ 0.12–0.15),相对遗憾值(<80%)。这一综合的效用-遗憾框架为将陷阱选择性信息与管理目标联系起来提供了一个动态的、与政策相关的工具。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号