漁船定位捕撈與環(huán)境因子的關(guān)聯(lián)分析

王德興，羅靜靜，袁紅春

漁船定位捕撈與環(huán)境因子的關(guān)聯(lián)分析

王德興，羅靜靜，袁紅春

（上海海洋大學(xué)信息學(xué)院，上海 201306）

針對(duì)由于海洋環(huán)境數(shù)據(jù)及漁業(yè)作業(yè)數(shù)據(jù)急劇增長(zhǎng)，難以提取有效信息來(lái)定位漁船捕撈區(qū)域的問(wèn)題，提出捕撈量與環(huán)境因子關(guān)聯(lián)分析算法，算法根據(jù)各屬性值的支持度來(lái)分析環(huán)境因子的重要度：利用k-means算法，分別將海表溫度、海面鹽度、葉綠素濃度和捕撈量進(jìn)行聚類分析并量化加以標(biāo)記；然后將環(huán)境因子和捕撈量區(qū)間映射為單值屬性構(gòu)造相應(yīng)的概念格；最后利用概念格的外延量化值記錄漁船數(shù)量，分別得到以捕撈量高、中、低為決策屬性的哈斯圖，圖中可較清晰地顯示出捕撈量與環(huán)境因子之間的關(guān)聯(lián)關(guān)系。實(shí)驗(yàn)結(jié)果表明，在海表溫度為27.64~30.32oC、葉綠素濃度為0.0310~0.0479mg·m-3的區(qū)域，南太平洋長(zhǎng)鰭金槍魚捕撈量最高，且其屬性組合的重要度最高。該算法可對(duì)漁船合理定位捕撈區(qū)域提供參考。

長(zhǎng)鰭金槍魚；捕撈量；環(huán)境因子；概念格；關(guān)聯(lián)分析；漁船定位

0 引言

長(zhǎng)鰭金槍魚（thunnus alalunga）作為高度洄游的大洋性魚類，因其經(jīng)濟(jì)價(jià)值高，資源量較為豐富，已成為世界各個(gè)國(guó)家及沿岸地區(qū)的主要捕撈對(duì)象。中國(guó)遠(yuǎn)洋金槍魚延繩釣漁業(yè)經(jīng)過(guò)多年的發(fā)展歷程逐漸壯大[1]。長(zhǎng)鰭金槍魚作為南太平洋延繩釣漁業(yè)的重要捕撈物種之一，目前已成為我國(guó)遠(yuǎn)洋漁業(yè)的重要組成部分，迫切需要對(duì)其進(jìn)行可持續(xù)開發(fā)。在長(zhǎng)鰭金槍魚的實(shí)際生長(zhǎng)環(huán)境中，不同區(qū)域的環(huán)境因子對(duì)其捕撈量具有重要的影響。

文獻(xiàn)[2]以單位捕撈努力量漁獲量（catch per unit effort, CPUE）為輸出因子，建立6-4-1結(jié)構(gòu)的人工神經(jīng)網(wǎng)絡(luò)模型，對(duì)南太平洋長(zhǎng)鰭金槍魚的漁場(chǎng)位置進(jìn)行了準(zhǔn)確的預(yù)報(bào)。文獻(xiàn)[3]利用逐步回歸的方法建立釣鉤作業(yè)深度預(yù)測(cè)模型，通過(guò)統(tǒng)計(jì)和聚類分析的方法分析長(zhǎng)鰭金槍魚魚獲率與環(huán)境因子的關(guān)系。對(duì)于南太平洋長(zhǎng)鰭金槍捕撈量與環(huán)境因子關(guān)系的分析，大多數(shù)采用傳統(tǒng)數(shù)學(xué)分析方法、早期人工智能技術(shù)及地理信息系統(tǒng)（geographic information system, GIS）技術(shù)進(jìn)行定量漁情預(yù)測(cè)。

我國(guó)自主研發(fā)的北斗衛(wèi)星導(dǎo)航系統(tǒng)[4-5]（BeiDou navigation satellite system, BDS）具有定位精度高、自動(dòng)化、效益高等特點(diǎn)，為漁船捕撈提供了精確的導(dǎo)航定位手段。隨著科技的發(fā)展，魚類捕撈不再靠捕撈人員的經(jīng)驗(yàn)。根據(jù)環(huán)境因子與捕撈量進(jìn)行關(guān)聯(lián)分析，對(duì)漁船定位捕撈海域具有重要意義。關(guān)聯(lián)分析[6-7]旨在發(fā)現(xiàn)項(xiàng)目及之間有趣的關(guān)聯(lián)，是描述數(shù)據(jù)庫(kù)中數(shù)據(jù)項(xiàng)的屬性和變量之間潛在關(guān)系的一種知識(shí)表示形式。

本文提出捕撈量與環(huán)境因子關(guān)聯(lián)分析算法，對(duì)漁船定位捕撈與環(huán)境因子進(jìn)行關(guān)聯(lián)分析。采用概念格[8-9]作為數(shù)據(jù)分析工具，將長(zhǎng)鰭金槍魚捕撈量和環(huán)境因子作為屬性構(gòu)造相應(yīng)的概念格。將內(nèi)涵屬性捕撈量量化為高、中、低3種，在概念格以長(zhǎng)鰭金槍魚捕撈量為主屬性的哈斯圖中，可清晰地找到捕撈量與環(huán)境因子的概念節(jié)點(diǎn)，以此來(lái)分析各內(nèi)涵屬性之間的關(guān)聯(lián)關(guān)系，即南太平洋長(zhǎng)鰭金槍魚捕撈量與環(huán)境因子的關(guān)聯(lián)關(guān)系；最后根據(jù)各屬性的支持度，分析影響長(zhǎng)鰭金槍魚捕撈量的環(huán)境因子的重要度以及捕撈區(qū)域中合理的漁船數(shù)量，指導(dǎo)漁船合理定位捕撈區(qū)域。

1 概念格

有關(guān)概念格的知識(shí)可參閱文獻(xiàn)[10-11]。

概念格中最主要的2種構(gòu)造算法為批處理構(gòu)造算法和漸進(jìn)式構(gòu)造算法。目前Godin算法[12]是最為典型的漸進(jìn)式構(gòu)造算法。

2 捕撈量與環(huán)境因子關(guān)聯(lián)分析

2.1 概念格表示

將長(zhǎng)鰭金槍魚捕撈量和環(huán)境因子作為概念格的屬性并進(jìn)行符號(hào)化標(biāo)記。根據(jù)以上定義，采用漸進(jìn)式構(gòu)造算法，構(gòu)造長(zhǎng)鰭金槍魚捕撈量與環(huán)境因子的概念格。

在概念格中，概念（all,?)是最高層次的頂部概念節(jié)點(diǎn)，代表沒(méi)有具體特征、綜合性最強(qiáng)的概念，其中all是概念格中概念的所有外延，對(duì)應(yīng)每條船1個(gè)月的捕撈量，?表示概念內(nèi)涵為空，即所有公共環(huán)境因子與長(zhǎng)鰭金槍魚捕撈量為空。在長(zhǎng)鰭金槍魚實(shí)際生長(zhǎng)環(huán)境中，公共環(huán)境因子一般不為空。概念（?,all)是屬性最詳細(xì)的底部概念，具有所有屬性特征，其中?表示概念的外延為空，all表示概念格中所有的內(nèi)涵屬性。由于環(huán)境因子不是1個(gè)固定的值，所以沒(méi)有1個(gè)區(qū)域能夠表示所有環(huán)境因子的范圍。對(duì)于非頂點(diǎn)非底部概念節(jié)點(diǎn)，一般具有1個(gè)或1個(gè)以上的子（或超）概念節(jié)點(diǎn)，其概念節(jié)點(diǎn)的內(nèi)涵是其子概念節(jié)點(diǎn)內(nèi)涵中1組公共環(huán)境因子與長(zhǎng)鰭金槍魚捕撈量的屬性值。以此將不同的環(huán)境因子與捕撈量范圍表示在概念格上。

2.2 關(guān)聯(lián)分析算法

1）將環(huán)境因子海表溫度、海面鹽度、葉綠素濃度及和捕撈量等數(shù)據(jù)進(jìn)行聚類分析，將聚類的結(jié)果范圍以低、中、高升序排列，并采用符號(hào)標(biāo)記。

2）將已標(biāo)記的環(huán)境因子和捕撈量映射為概念格的單值屬性，采用漸進(jìn)式構(gòu)造算法，將待插入的對(duì)象和概念格中全部的概念節(jié)點(diǎn)進(jìn)行交運(yùn)算：如果原概念格內(nèi)節(jié)點(diǎn)內(nèi)涵包含在新對(duì)象內(nèi)涵之中，僅需要將其外延更新到包含新對(duì)象的原概念格內(nèi)節(jié)點(diǎn)即可；如果新節(jié)點(diǎn)對(duì)象的內(nèi)涵與概念格內(nèi)節(jié)點(diǎn)內(nèi)涵的交集沒(méi)有出現(xiàn)過(guò)，則需要在概念格內(nèi)新增概念節(jié)點(diǎn)；交集為空，不作任何修改，從而構(gòu)造海洋環(huán)境因子和捕撈量的概念格。

3）在環(huán)境因子與捕撈量的概念格中，每個(gè)概念結(jié)點(diǎn)中的外延量化值記錄了外延中對(duì)象的個(gè)數(shù)，首個(gè)記錄從1開始，該記錄對(duì)應(yīng)概念外延中的首個(gè)漁船，記錄依次加1遞增。概念外延中最大記錄對(duì)應(yīng)的環(huán)境因子與捕撈量的關(guān)聯(lián)分析支持度最大；介于最小記錄和最大記錄之間對(duì)應(yīng)的關(guān)聯(lián)分析，支持度的大小不同；最小記錄對(duì)應(yīng)的關(guān)聯(lián)分析支持度最小，環(huán)境因子的重要度最低。

4）根據(jù)用戶的興趣目標(biāo)，從概念格的頂部全概念開始從上往下作深度優(yōu)先搜索。從概念的第1個(gè)直接子概念開始進(jìn)行關(guān)聯(lián)分析，首先判斷該概念結(jié)點(diǎn)是否為空，如果該概念結(jié)點(diǎn)不為空，根據(jù)外延量化值記錄的漁船數(shù)量的支持度，開始分析該概念的外延與其內(nèi)涵屬性之間的關(guān)聯(lián)關(guān)系，即漁船數(shù)量及捕撈量與環(huán)境因子之間的關(guān)聯(lián)分析。

5）如果該概念結(jié)點(diǎn)為空，則繼續(xù)遍歷該概念結(jié)點(diǎn)的兄弟概念結(jié)點(diǎn)，再判斷此概念結(jié)點(diǎn)是否為空，如果不為空，則輸出該概念節(jié)點(diǎn)外延與其內(nèi)涵屬性之間的的關(guān)聯(lián)關(guān)系。以此類推，直到遍歷了整個(gè)概念格為止。在概念格的Hasse圖中，根據(jù)外延量化值的支持度大小，分析捕撈量與環(huán)境因子之間的關(guān)聯(lián)關(guān)系，得到環(huán)境因子對(duì)捕撈量的重要度，從而合理定位捕撈區(qū)域。

3 實(shí)驗(yàn)與結(jié)果分析

3.1 數(shù)據(jù)來(lái)源

以南太平洋長(zhǎng)鰭金槍魚漁業(yè)數(shù)據(jù)及海表溫度、海面鹽度和葉綠素濃度等環(huán)境數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)，選取的經(jīng)度在155oE~175oE之間。因數(shù)據(jù)眾多，本文為了簡(jiǎn)化實(shí)驗(yàn)，選取時(shí)間為2015年的數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)，如表1所示。南太平洋長(zhǎng)鰭金槍魚延繩釣漁業(yè)作業(yè)數(shù)據(jù)來(lái)源于中西太平洋漁業(yè)委員會(huì)（Western and Central Pacific Fisheries Commission, WCPFC），海洋環(huán)境數(shù)據(jù)來(lái)源于美國(guó)國(guó)家海洋和大氣管理局（National Oceanic and Atmospheric Administration, NOAA）環(huán)境數(shù)據(jù)庫(kù)?？臻g分辨率為5o×5o。生產(chǎn)數(shù)據(jù)主要包括作業(yè)日期、作業(yè)產(chǎn)量；環(huán)境數(shù)據(jù)主要包括海表溫度、海面鹽度、葉綠素濃度等數(shù)據(jù)。

表1 長(zhǎng)鰭金槍魚捕撈量及環(huán)境因子原始數(shù)據(jù)示例

3.2 數(shù)據(jù)處理

由于不同的環(huán)境因子與長(zhǎng)鰭金槍魚捕撈量有差異，其值的范圍是不確定的。利用MATLAB軟件將上述4個(gè)屬性值分別進(jìn)行k-means聚類分析為3類，其算法步驟如下：

1）在表1的每列數(shù)據(jù)集中，分別隨機(jī)選取3個(gè)元素作為初始聚類中心。

2）對(duì)于數(shù)據(jù)集中剩下的元素，用歐式距離分別計(jì)算它們到3個(gè)類中心的相異度，按距離最近的準(zhǔn)則將這些元素分別劃歸到距離它們最近的類。

3）根據(jù)聚類結(jié)果，再次計(jì)算3個(gè)類各自的中心，將每個(gè)類中所有元素對(duì)應(yīng)的算術(shù)平均數(shù)作為新的中心點(diǎn)。

4）不斷重復(fù)2）和3），直到這3個(gè)中心點(diǎn)不再變化。

將海表溫度、海面鹽度、葉綠素濃度和長(zhǎng)鰭金槍魚捕撈量分別劃分為3個(gè)區(qū)間，按照依次增大進(jìn)行量化分別以低、中、高加以符號(hào)標(biāo)記，如表2所示；根據(jù)表2將聚類結(jié)果加以符號(hào)標(biāo)記，如表3所示；根據(jù)表3，將原始數(shù)據(jù)在對(duì)應(yīng)的范圍以符號(hào)標(biāo)記，如表4所示。

表2 環(huán)境因子與長(zhǎng)鰭金槍魚捕撈量的量化表示

表3 環(huán)境因子與長(zhǎng)鰭金槍魚捕撈量的聚類結(jié)果量化表示

表4 環(huán)境因子與長(zhǎng)鰭金槍魚捕撈量對(duì)應(yīng)聚類范圍的顯示情況

3.3 構(gòu)造概念格

根據(jù)概念格的定義以及捕撈量與環(huán)境因子關(guān)聯(lián)分析算法，將每條船1個(gè)月捕撈量TID作為實(shí)驗(yàn)對(duì)象，將環(huán)境因子海表溫度、海面鹽度、葉綠素濃度及長(zhǎng)鰭金槍魚捕撈量作聚類分析處理并分別采用符號(hào)123123123123標(biāo)記作為實(shí)驗(yàn)屬性。根據(jù)表2構(gòu)造以123為決策屬性的海洋環(huán)境因子和長(zhǎng)鰭金金槍魚捕撈量的概念格。根據(jù)格中的每個(gè)概念統(tǒng)計(jì)外延中對(duì)象的個(gè)數(shù)，并將其量化值添加至原概念的外延中，此時(shí)外延表示漁船的數(shù)量，內(nèi)涵表示環(huán)境因子和捕撈量。因內(nèi)涵屬性眾多，概念格生成的哈斯圖較為復(fù)雜，為避免造成觀看混亂，分別將用戶感興趣的內(nèi)涵屬性123的概念節(jié)點(diǎn)形成3個(gè)單獨(dú)的哈斯圖，以便分析南太平洋長(zhǎng)鰭金槍魚捕撈量與環(huán)境因子的關(guān)聯(lián)關(guān)系。因此得到概念格分別以321為決策屬性的哈斯圖，如圖1、圖2和圖3所示。

圖1 表3對(duì)應(yīng)的概念格以H3為決策屬性的哈斯圖

圖2 表3對(duì)應(yīng)的概念格以H2為決策屬性的哈斯圖

圖3 表3對(duì)應(yīng)的概念格以H1為決策屬性的哈斯圖

在圖1中，針對(duì)決策屬性的長(zhǎng)鰭金槍魚最高捕撈量3，其表示范圍是401.48~669.42t，在概念格的哈斯圖中，最頂部全概念（all,?)節(jié)點(diǎn)包含全部漁船數(shù)量，而內(nèi)涵屬性為空，其內(nèi)部隱藏含義為不包含屬性捕撈量與環(huán)境因子，需從最頂部（all,?)節(jié)點(diǎn)開始向下遍歷所有節(jié)點(diǎn)來(lái)分析內(nèi)涵屬性之間的關(guān)聯(lián)關(guān)系，即長(zhǎng)鰭金槍魚捕撈量3與環(huán)境因子的關(guān)聯(lián)關(guān)系。南太平洋長(zhǎng)鰭金槍魚捕撈量3與環(huán)境因子的關(guān)聯(lián)分析如下：

第二層的概念節(jié)點(diǎn)按照外延的大小聚類分析可以分為3類。第一類，節(jié)點(diǎn)({15},{31})；第二類，節(jié)點(diǎn)({7},{21})和節(jié)點(diǎn)({8},{11})；第三類，節(jié)點(diǎn)({4},{31})和節(jié)點(diǎn)({4},{21})。

第一類節(jié)點(diǎn)({15},{31})表示捕魚的漁船數(shù)量最多，捕撈量最高，滿足條件海表溫度3(27.64~30.32℃)和條件葉綠素濃度1(0.031~0.0479 mg·m-3)時(shí)，捕撈量達(dá)到最高3(401.48~669.42)，即海表溫度最高、葉綠素濃度最低時(shí)長(zhǎng)鰭金槍魚捕撈量最高，支持度為15/200，表示屬性31的重要度最高。

第二類節(jié)點(diǎn)({7},{21})和節(jié)點(diǎn)({8},{11})表示捕魚的漁船數(shù)量相差不大，支持度分別為7/200、8/200。滿足條件葉綠素濃度都為1(0.031~0.0479mg·m-3)時(shí)，海面鹽度為2(34.75~35.13g·kg-1)和1(33.79~34.74 g·kg-1)對(duì)捕撈量的影響不大。與節(jié)點(diǎn)({4},{31})相比，在葉綠素濃度為1(0.031~0.0479mg·m-3)時(shí)，海面鹽度上升到3(35.14~35.74g·kg-1)時(shí)，漁船數(shù)量減少了近一半。表示在高產(chǎn)量區(qū)葉綠素濃度最低時(shí)，海面鹽度2和1對(duì)捕撈量的影響相差很大，表示屬性21和11的重要度次之。

第三類節(jié)點(diǎn)({4},{31})和節(jié)點(diǎn)({4},{21})表示漁船數(shù)量都為4，支持度為4/200，滿足條件葉綠素濃度都為1(0.031~0.0479mg·m-3)時(shí)漁船數(shù)量相等，表示屬性組合31和21的重要度最小。

第三層的概念為原始數(shù)據(jù)，其意義不大。

在圖2中，針對(duì)決策屬性長(zhǎng)鰭金槍魚中等捕撈量2，其表示范圍是164.88~379.69t，南太平洋長(zhǎng)鰭金槍魚捕撈量2與環(huán)境因子的關(guān)聯(lián)分析如下：

第二層的概念節(jié)點(diǎn)按照外延的大小通過(guò)聚類分析可以分為4類。第一類，節(jié)點(diǎn)({40},{1})；第二類，節(jié)點(diǎn)({28},{3})；第三類，節(jié)點(diǎn)({19},{2})；第四類，節(jié)點(diǎn)({11},{3})和節(jié)點(diǎn)({13},{2})。

第一類節(jié)點(diǎn)({40},{1})，表示捕魚的漁船數(shù)量最多，捕撈量最高，滿足條件葉綠素濃度1(0.031~0.0479mg·m-3)時(shí)，長(zhǎng)鰭金槍魚捕撈量為2(164.88~ 379.69)，即在葉綠素濃度最低1時(shí)長(zhǎng)鰭金槍魚捕撈量相對(duì)較高，支持度為40/200，說(shuō)明在中產(chǎn)量區(qū)葉綠素濃度對(duì)長(zhǎng)鰭金槍魚捕撈量影響最大，表示屬性1的重要度最高。

第二類節(jié)點(diǎn)({28},{3})表示有28條漁船進(jìn)行捕撈，滿足條件海表溫度3(27.64~30.32℃)時(shí)，長(zhǎng)鰭金槍魚捕撈量為2(164.88~379.69)，即在海表溫度最高3長(zhǎng)鰭金槍魚捕撈量中等2，支持度為28/200，與節(jié)點(diǎn)({13},{2})相比，海表溫度從3(27.64~30.32℃)降到2(23.81~27.56℃)，漁船數(shù)量減少了15，說(shuō)明海表溫度越高捕撈量越高，其屬性3的重要度次之。

第三類節(jié)點(diǎn)({19},{2})表示有19條漁船進(jìn)行捕撈，滿足條件海面鹽度2(34.75~35.13g·kg-1)時(shí)，長(zhǎng)鰭金槍魚捕撈量為2(164.88~379.69)，即在海面鹽度中等2時(shí)長(zhǎng)鰭金槍魚捕撈量中等，支持度為19/200，表示屬性2的重要度次之。

第四類節(jié)點(diǎn)({11},{3})和節(jié)點(diǎn)({13},{2})表示捕魚的漁船數(shù)量相差不大，滿足條件海面鹽度3(35.14~35.74g·kg-1)和條件海表溫度2(23.81~ 27.56℃)時(shí)，支持度分別為11/200、13/200，表示屬性3和2重要度最小。

第三層的概念節(jié)點(diǎn)按照外延的大小通過(guò)聚類分析可以分為4類。第一類，節(jié)點(diǎn)({27},{31})；第二類，節(jié)點(diǎn)({18},{21})；第三類，節(jié)點(diǎn)({10},{31})、({12},{11})和({12},{21})；第四類：節(jié)點(diǎn)({6},{33})和節(jié)點(diǎn)({7},{23})。

第一類節(jié)點(diǎn)({27},{31})表示捕魚的漁船數(shù)量最多，滿足條件海表溫度3(27.64~30.32℃)和條件葉綠素濃度1(0.031~0.0479mg·m-3)時(shí)，長(zhǎng)鰭金槍魚捕撈量為2(164.88~379.69)，即海表溫度最高3葉綠素濃度最低1時(shí)，長(zhǎng)鰭金槍魚捕撈量較高2，支持度為27/200，與高產(chǎn)區(qū)圖1中的第一類節(jié)點(diǎn)({15},{31})有共同的內(nèi)涵組合31，表示該組合在高產(chǎn)量區(qū)和中產(chǎn)量區(qū)海表溫度和葉綠素濃度對(duì)捕撈量的影響最大；海表溫度最高3葉綠素濃度最低1時(shí)，捕撈量較高，其支持度分別為15/200、27/200，表示屬性31的重要度最高。

第二類節(jié)點(diǎn)({18},{21})表示有18條漁船進(jìn)行捕撈，滿足條件葉綠素濃度都為1(0.031~0.0479mg·m-3)和條件海面鹽度為2(34.75~35.13 g·kg-1)時(shí)，長(zhǎng)鰭金槍魚捕撈量為2(164.88~379.69)，支持度為18/200，與節(jié)點(diǎn)({10},{31})相比，海面鹽度從2(34.75~35.13g·kg-1)上升到3(35.14~35.74g·kg-1)，而漁船數(shù)量減少了8，表示在中產(chǎn)量區(qū)葉綠素濃度最低時(shí)，海面鹽度2和3對(duì)捕撈量的影響相差很大，與高產(chǎn)量區(qū)圖1的節(jié)點(diǎn)({4},{31})和節(jié)點(diǎn)({8},{11})類似，其屬性21的重要度次之。

第三類節(jié)點(diǎn)({10},{31})、({12},{11})和({12},{21})表示捕魚的漁船數(shù)量相差不大，支持度分別為10/200,12/200,12/200，滿足條件葉綠素濃度都為1(0.031~0.0479mg·m-3)時(shí)，海面鹽度3(35.14~35.74g·kg-1)、1(33.79~34.74g·kg-1)和海表溫度2(23.81~27.56℃)對(duì)捕撈量的影響不大，與高產(chǎn)量區(qū)圖1的節(jié)點(diǎn)({4},{31})和節(jié)點(diǎn)({4},{21})類似，表示其屬性31、11和21的重要度次之。

第四類節(jié)點(diǎn)({6},{33})和節(jié)點(diǎn)({7},{23})表示捕魚的漁船數(shù)量相差不大，支持度分別為6/200、7/200，其屬性33和23的重要度最小。

第四層的概念為原始數(shù)據(jù)，其意義不大。

在圖3中：針對(duì)決策屬性長(zhǎng)鰭金槍魚最低捕撈量1，其表示范圍是0.167~159.23t，南太平洋長(zhǎng)鰭金槍魚捕撈量1與環(huán)境因子的關(guān)聯(lián)分析如下：

第二層的概念節(jié)點(diǎn)按照外延的大小通過(guò)聚類分析可以分為四類。第一類，節(jié)點(diǎn)({114},{1})；第二類，節(jié)點(diǎn)({66},{2})和節(jié)點(diǎn)({60},{2})；第三類，節(jié)點(diǎn)({41},{3})、({38},{1})和({46},{3})；第四類，節(jié)點(diǎn)({18},{2})和節(jié)點(diǎn)({27},{1})。

第一類節(jié)點(diǎn)({114},{1})表示捕魚的漁船數(shù)量最多，捕撈量最高，滿足條件葉綠素濃度1(0.031~ 0.0479mg·m-3)時(shí)，長(zhǎng)鰭金槍魚捕撈量為1(0.167~ 159.23)，支持度為114/200，與節(jié)點(diǎn)({18},{2})相比，葉綠素濃度從1(0.031~0.0479mg·m-3)增加到2(0.082~0.159mg·m-3)，其漁船數(shù)量也減少很多，表示葉綠素濃度越高其捕撈量越低，與圖2的第一層第一類節(jié)點(diǎn)({40},{1})有共同的特點(diǎn)，表示在中產(chǎn)量區(qū)和低產(chǎn)量區(qū)葉綠素濃度對(duì)捕撈量的影響最大，葉綠素濃度越低其捕撈量越高，其支持度分別為40/200、114/200，表示屬性1的重要度最高。

第二類節(jié)點(diǎn)({66},{2})、({60},{2})表示捕魚的漁船數(shù)量相差不大，支持度分別為66/200、60/200，海表溫度和海面鹽度分別為2(23.81~27.56℃)和2(34.75~35.13g·kg-1)，表示在低產(chǎn)量區(qū)海表溫度2和海面鹽度2對(duì)長(zhǎng)鰭金槍魚的捕撈量影響沒(méi)有葉綠素濃度1高，與中產(chǎn)區(qū)圖2的節(jié)點(diǎn)({28},{3})相似，表示屬性2和2的重要度次之。

第三類節(jié)點(diǎn)({41},{3})、({38},{1})、({46},{3})表示捕魚的漁船數(shù)量相差不大，支持度分別為41/200、38/200、46/200，說(shuō)明海面鹽度3(35.14~35.74g·kg-1)、1(33.79~34.74g·kg-1)和海表溫度3(27.64~30.32℃)，在低產(chǎn)量區(qū)對(duì)長(zhǎng)鰭金槍魚的捕撈量影響不大，與中產(chǎn)區(qū)圖2的第二層第三類節(jié)點(diǎn)({19},{2})相似，表示屬性3、1和3的重要度次之。

第四類節(jié)點(diǎn)({18},{2})和節(jié)點(diǎn)({27},{1})表示漁船數(shù)量分別為18、27，說(shuō)明葉綠素濃度2(0.082~0.159mg·m-3)和海表溫度1(17.42~23.31℃)，在低產(chǎn)量區(qū)對(duì)長(zhǎng)鰭金槍魚的捕撈量影響最小，與中產(chǎn)區(qū)圖2的節(jié)點(diǎn)({11},{3})和節(jié)點(diǎn)({13},{2})類似，表示其屬性的重要度最小。

第三層的概念節(jié)點(diǎn)按照外延的大小通過(guò)聚類分析可以分為7類。第一類，節(jié)點(diǎn)({62},{21})；第二類，節(jié)點(diǎn)({49},{21})和節(jié)點(diǎn)({45},{31})；第三類，節(jié)點(diǎn)({32},{31})和節(jié)點(diǎn)({32},{11})；第四類，({23},{23})；第五類，節(jié)點(diǎn)({13},{12})和節(jié)點(diǎn)({13},{12})；第六類，節(jié)點(diǎn)({10},{13})、({9},{31})、({8},{32})、({7},{13})和({7},{11})；第七類，({4},{11})。

第一類節(jié)點(diǎn)({62},{21})表示漁船數(shù)量最多，有62條漁船進(jìn)行捕撈，占總漁船數(shù)量的62/200，滿足條件海表溫度2(23.81~27.56℃)和條件葉綠素濃度1(0.031~0.0479mg·m-3)時(shí)，長(zhǎng)鰭金槍魚捕撈量為1(0.167~159.23)，表示在低產(chǎn)量區(qū)海表溫度中等葉綠素濃度最低時(shí)，長(zhǎng)鰭金槍魚捕撈量相對(duì)較高，支持度為62/200，與高產(chǎn)量區(qū)的節(jié)點(diǎn)({15},{31})和中產(chǎn)量區(qū)的節(jié)點(diǎn)({27},{31})相比，支持度分別為15/200、27/200、62/200，說(shuō)明海表溫度與葉綠素濃度的組合對(duì)捕撈量的影響最大，表示屬性的重要度最高。

第二類節(jié)點(diǎn)({49},{21})和節(jié)點(diǎn)({45},{31})表示漁船數(shù)量相差不大，支持度分別為49/200、45/200，滿足條件葉綠素濃度都為1(0.031~0.0479mg·m-3)時(shí)，海面鹽度2(34.75~35.13g·kg-1)和海表溫度3(27.64~30.32℃)對(duì)捕撈量的影響次之，與高產(chǎn)量區(qū)圖1的節(jié)點(diǎn)({7},{21})、({8},{11})和中產(chǎn)量區(qū)圖2的節(jié)點(diǎn)({18},{21})類似，表示其屬性的重要度次之。

第三類節(jié)點(diǎn)({32},{31})和節(jié)點(diǎn)({32},{11})表示漁船數(shù)量都為32，支持度為32/200，滿足條件葉綠素濃度都為1(0.031~0.0479mg·m-3)時(shí)，海面鹽度對(duì)捕撈量的影響不大，與中產(chǎn)量區(qū)圖2的節(jié)點(diǎn)({10},{31})、({12},{11})、({12},{21})類似，表示其屬性的重要度次之。依此類推，其余節(jié)點(diǎn)表示屬性重要度依次降低。

第四層的概念為原始數(shù)據(jù)，其意義不大。

3.4 結(jié)果分析

首先，通常高產(chǎn)量區(qū)少中產(chǎn)量區(qū)較多低產(chǎn)量區(qū)最多，在圖1長(zhǎng)鰭金槍魚捕撈量最高3中，第一類節(jié)點(diǎn)({15},{31})表示捕魚的漁船數(shù)量最多，屬性組合31的支持度為15/200，即在海表溫度為27.64~30.32℃、葉綠素濃度都為0.031~0.0479mg·m-3時(shí)長(zhǎng)鰭金槍魚捕撈量最高。在圖2長(zhǎng)鰭金槍魚捕撈量最高中，第一類節(jié)點(diǎn)({27},{31})表示捕魚的漁船數(shù)量最多3屬性組合31的支持度為27/200。在圖3長(zhǎng)鰭金槍魚捕撈量最高1中，第二層第一類節(jié)點(diǎn)節(jié)點(diǎn)({62},{21})表示捕魚的漁船數(shù)量最多，組合31的支持度為62/200，表示中高產(chǎn)量區(qū)海表溫度和葉綠素濃度的組合對(duì)長(zhǎng)鰭金槍魚捕撈量的影響最大，即海表溫度越高葉綠素濃度最低時(shí)捕撈量最高，表示屬性組合31重要度最高。另外，圖1的第一層第二類組屬性組合11支持度為8/200，圖2的第三層第二類屬性組合21支持度為18/200，圖3的第三層第二類屬性組合21支持度為49/200，表示屬性組合11、21重要度次之；依次類推，其余節(jié)點(diǎn)屬性重要度依次減少。

其次，圖2中第二層第一類節(jié)點(diǎn)({40},{1})表示捕魚的漁船數(shù)量最多，支持度為40/200，即在葉綠素濃度都為0.031~0.0479mg·m-3時(shí)長(zhǎng)鰭金槍魚捕撈量最高。圖3中第二層第一類節(jié)點(diǎn)({114},{1})表示捕魚的漁船數(shù)量最多，支持度為114/200，說(shuō)明在中低產(chǎn)區(qū)葉綠素濃度對(duì)長(zhǎng)鰭金槍魚捕撈量的影響最大，即葉綠素濃度最低時(shí)捕撈量最高，表示屬性1(0.031~0.0479mg·m-3)重要度最高。圖2的第三層第二類節(jié)點(diǎn)({28},{3})和圖3的第三層第二類節(jié)點(diǎn)({66},{2})次之，其支持度分別為28/200、66/200，表示屬性3(27.64~30.32 ℃)、2(23.81~27.56 ℃)重要度次之；依此類推，其余節(jié)點(diǎn)屬性重要度依次減少。

綜上，屬性組合31即在海表溫度為27.64~30.32℃、葉綠素濃度都為0.031~0.0479mg·m-3時(shí)長(zhǎng)鰭金槍魚捕撈量最高。屬性3即在海表溫度為27.64~30.32℃時(shí)長(zhǎng)鰭金槍魚捕撈量較高。海面鹽度對(duì)長(zhǎng)鰭金槍魚捕撈量的影響較小，可能是受溫度的影響，但在中產(chǎn)量區(qū)海面鹽度2(34.75~35.13g·kg-1)時(shí)也有一些影響，捕撈量較高。本文的研究利用概念格的哈斯圖展示環(huán)境因子與捕撈量之間的泛化和特化關(guān)系，根據(jù)各屬性值的支持度，分析了影響漁場(chǎng)分布的海洋環(huán)境因子的重要度；并實(shí)現(xiàn)了漁船定位捕撈與環(huán)境因子的關(guān)聯(lián)分析，以提高漁船的調(diào)度和捕撈效率。

4 結(jié)束語(yǔ)

本文提出了捕撈量與環(huán)境因子關(guān)聯(lián)分析算法，對(duì)漁船定位捕撈與環(huán)境因子進(jìn)行關(guān)聯(lián)分析。采用 k-means算法分別將各屬性值聚類，并構(gòu)造相應(yīng)的概念格。在概念格的哈斯圖中，能夠清晰地分析概念捕撈量與概念環(huán)境因子之間的關(guān)聯(lián)關(guān)系，并根據(jù)各內(nèi)涵屬性的支持度來(lái)分析環(huán)境因子的重要度。研究表明，海表溫度和葉綠素濃度是影響南太平洋長(zhǎng)鰭金槍魚捕撈量最重要因素。本文方法對(duì)北斗導(dǎo)航系統(tǒng)定位漁船的合理捕撈區(qū)域、對(duì)南太平洋的長(zhǎng)鰭金槍魚資源的合理開發(fā)提供了一種參考方法，能夠提高漁情分析的效率。

[1] 陳錦淘, 戴小杰, 谷兵. 中國(guó)南太平洋長(zhǎng)鰭金槍魚業(yè)發(fā)展對(duì)策的分析[J]. 中國(guó)漁業(yè)經(jīng)濟(jì), 2005(2): 49-51.

[2] 毛江美, 陳新軍, 余景. 基于神經(jīng)網(wǎng)絡(luò)的南太平洋長(zhǎng)鰭金槍魚漁場(chǎng)預(yù)報(bào)[J]. 海洋學(xué)報(bào), 2016, 38(10): 34-43.

[3] 宋利明, 謝凱, 趙海龍, 等. 庫(kù)克群島海域海洋環(huán)境因子對(duì)長(zhǎng)鰭金槍魚漁獲率的影響[J]. 海洋通報(bào), 2017, 36(1): 96-106.

[4] 楊元喜. 北斗衛(wèi)星導(dǎo)航系統(tǒng)的進(jìn)展、貢獻(xiàn)與挑戰(zhàn)[J]. 測(cè)繪學(xué)報(bào), 2010, 39(1): 1-6.

[5] 吳海玲, 高麗峰, 汪陶勝, 等. 北斗衛(wèi)星導(dǎo)航系統(tǒng)發(fā)展與應(yīng)用[J]. 導(dǎo)航定位學(xué)報(bào), 2015, 3(2): 1-6.

[6] 王德興, 胡學(xué)鋼, 劉曉平. 量化擴(kuò)展概念格的屬性歸納及多粒度規(guī)則挖掘[J]. 系統(tǒng)工程學(xué)報(bào), 2009, 24(1): 54-61.

[7] 孫金鑫. 數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則的研究[J]. 智能計(jì)算機(jī)與應(yīng)用, 2018, 8(3): 132-135.

[8] 王德興, 胡學(xué)鋼, 劉曉平, 等. 基于量化擴(kuò)展概念格的屬性歸納算法[J]. 模式識(shí)別與人工智能, 2007, 20(6): 843-848.

[9] 王德興, 杜潤(rùn)芝, 袁紅春, 等. 導(dǎo)航電子地圖中適宜比例尺的優(yōu)選[J]. 導(dǎo)航定位學(xué)報(bào), 2018, 6(2): 116-120.

[10] WILLE R. Restructuring lattice theory: an approach based on hierarchies of concepts, in ordered sets[M]. Dordrecht, Netherlands: Reidel, 1982: 445-470.

[11] WILLE R. Concept lattices and conceptual knowledge systems[J]. Computers and Mathematics with Applications, 1992, 23(6-9): 493-515.

[12] GODIN R, MISSAOUI R, ALAOUI H. Incremental concept formation algorithms based on Galois(concept) lattices[J]. Computational Intelligence, 1995, 11(2): 246-267.

Association analysis between fishing vessel positioning and environmental factors

WANG Dexing, LUO Jingjing, YUAN Hongchun

（College of Information Technology, Shanghai Ocean University, Shanghai 201306, China）

Aiming at the problem that it is difficult to extract effective information to locate fishing areas due to the rapid growth of marine environmental data and fishery operation data, the paper proposed an association analysis algorithm of catch and environmental factors which determines the importance of environmental factors according to the support of each attribute value: k-means algorithm was used to cluster and mark the sea surface temperature, sea surface salinity, chlorophyll a concentration and catch; and the intervals of environmental factors and catch were mapped into single-valued attributes to construct the corresponding concept lattice; then the extension quantified values were used to record the number of fishing vessels; finally, Hasse diagrams with the decision attributes of high, medium and low catch were obtained. The relationship of catch and environmental factors could be clearly viewed in the Hasse of concept lattice. Experimental result showed that the catch of the albacore tuna would be the highest when the sea surface temperature was ranged from 27.64 to 30.32oC and the Chl-a was varied from 0.0310 to 0.0479 mg·m-3, with the most importance of its attribute combination, which could provide a reference for reasonably locating the fishing areas for fishing vessels.

albacore tuna; catch; environmental factors; concept lattice; association analysis; fishing vessel positioning

P228

A

2095-4999(2019)04-0042-08

王德興，羅靜靜，袁紅春.漁船定位捕撈與環(huán)境因子的關(guān)聯(lián)分析[J].導(dǎo)航定位學(xué)報(bào),2019,7(4): 42-49.（WANG Dexing,LUO Jingjing,YUAN Hongchun.Association analysis between fishing vessel positioning and environmental factors[J].Journal of Navigation and Positioning,2019,7(4): 42-49.）

10.16547/j.cnki.10-1096.20190408.

2019-02-26

國(guó)家自然科學(xué)基金項(xiàng)目(41776142)；上海市科委科技支撐項(xiàng)目（14391901400）。

王德興（1968—），男，河北保定人，博士，副教授，研究方向?yàn)槿斯ぶ悄?、?shù)據(jù)挖掘等。

羅靜靜（1992—），女，江蘇淮安人，碩士生，研究方向?yàn)閿?shù)據(jù)挖掘。