CNN-XGBoost融合モデルに基づく海洋漁業資源動態予測

科学分野:

• 海洋生態学と資源管理
• 計算知能とデータサイエンス

背景:

• 従来の統計的手法は、漁業予測のための複雑で非線形な海洋環境データの扱いに苦労している。
• 正確な海洋漁業資源予測は、持続可能な管理と生態系の保全にとって不可欠である。

研究 の 目的:

• 海洋漁業資源予測を強化するための新しい畳み込みニューラルネットワーク（CNN）-勾配ブースティング（XGBoost）融合モデルを開発・評価する。
• 海洋環境データの時間的依存関係および非線形関係を捉える上での既存手法の限界を改善する。

主な方法:

• 階層的な2段階CNN-XGBoost融合モデルを開発した。
• CNNコンポーネントは、マルチソース海洋環境データから高レベルの時間的特徴量を抽出した。
• XGBoostモジュールは、抽出された特徴量とエンジニアリングされた変数を使用して最終予測を行った。

主要な成果:

• CNN-XGBoost融合モデルは、単独のCNN、XGBoost、ARIMAモデルと比較して優れた性能を示した。
• 二乗平均平方根誤差（RMSE）で19.1%の改善を達成し、すべての評価指標で大幅な向上が見られた。
• 最適な融合重みは、CNN特徴量に40%、XGBoost特徴量に60%を割り当て、RMSE 2.847、MAE 2.184、R² 0.846を達成した。

結論:

• 提案されたCNN-XGBoost融合モデルは、海洋漁業資源予測のための堅牢で正確なアプローチを提供する。
• このモデルは、季節変動を効果的に処理し、適応的管理に不可欠な極端な豊度イベントを予測する。
• 本研究の結果は、持続可能な海洋資源利用を確保するための政策立案者および資源管理者にとって貴重なツールを提供する。