基于深度学习的深远海养殖网箱动态响应预测方法研究.pdf

基于深度学习的深远海养殖网箱动态响应预测方法研究

摘要

随着全球渔业的不断发展，近海渔业养殖已经无法满足人们日益增长的需求。为

应对过度捕捞和环境污染带来的双重危机，海洋牧场向深远海发展已成为必然。因此，

网箱结构变形、浮架运动变化、系泊受力监测等方面的研究也愈发得到重视。面对深

海恶劣的海洋环境，网箱结构稳定性和安全遭受严重威胁的同时，网箱的运动和系泊

力数据监测也面临巨大的挑战。本文基于深度学习方法对深海网箱及系泊系统的运动

响应和系泊缆绳受力进行研究，并分别给出网箱运动响应快速预报策略和系泊受力快

速预报策略。

本文首先对深海网箱浮架系统、网衣系统和系泊系统的水动力理论进行介绍，利

用牛顿第二定律、欧拉方程、莫里森方程等理论方法对深海网箱的运动和系泊受力进

行分析，并以此为深度学习预报模型提供网箱的响应数据集。从回归和时间序列预测

角度出发，分别对神经网络和长短期记忆网络算法进行推导，并对网箱的响应数据集

进行数据划分和预处理操作，以便于开展后续的模型预报工作。

其次，基于长短期记忆神经网络对网箱运动响应预报模型进行搭建，特征输入为

波浪的历时曲线，结果输出为网箱的运动响应历时曲线。本文还对预报模型的超参数

进行调节，研究结果表明，为了进一步提高模型预报性能，应选取Tanh函数作为激活

函数；Adam优化器作为优化方法。根据该模型预报运动响应的不同，还分别对不同学

习率、训练量、输入特征和时间窗步长情况进行测试和分析，以适应不同的网箱运动

响应预报。

此外，本文根据不同的网箱数据获取情况针对性的给出不同时间段的深海网箱系

泊受力预报策略。集成基于直方图的梯度增强回归树算法和反向传播算法建立系泊受

力回归预报模型，以研究运动响应和系泊受力间的非线性映射关系；系泊受力时序预

报模型则是以运动响应作为主要特征输入，基于长短期记忆网络算法对深海网箱的未

来系泊受力进行预测；本文还尝试通过混合模型的方式，建立仅以波浪信息作为输入

的系泊受力联合预报模型来获取深海网箱不同侧的系泊受力。通过对模型评估指标的

分析，验证了不同特征输入的系泊受力预报策略适用性。

最后，通过卷积和注意力机制算法对联合预报模型进行优化。该模型还与门控循

环网络、单向长短期记忆网络和双向长短期记忆网络模型进行比较，研究发现该优化

模型在预报提前量为40时仍能对网箱不同侧系泊受力稳定预报。本文还测试了该模型

哈尔滨工程大学专业学位硕士学位论文

在不同海况条件和网箱水深布置下的预报性能，结果显示该模型在网箱不同侧仍取得

较好的预报效果，验证了上述预报策略的有效性和可行性。

关键词：动态响应；网箱；注意力机制；卷积；联合预测

基于深度学习的深远海养殖网箱动态响应预测方法研究

Abstract

Withthedevelopmentofglobalfisheries,offshorefisherieshavebeenunabletomeetthe

growingneedsofpeople.Inordertodealwiththedoublecrisiscausedbyoverfishingand

environmentalpollution,ithasbecomeinevitableformarineranchtomovetothedeepsea.

Therefore,theresearchofcagestructuredeformation,thechangeoffloatingmotion,mooring

forcemonitoringhavebeenpaidmoreandmoreattention.Inthefaceoftheharshmarine

environmentindeepsea,thestabilityandsafetyofthecageareseriouslythreatened.The

monitoringoft