近日，上海海洋大学海洋生物质源与不息学院唐浩老师团队在远洋渔具工程智能化界限获取紧迫阐扬。团队见效将东谈主工智能技巧期骗于拖网网囊水能源性能的精确掂量，酌量筹商后果《A method for predicting the hydrodynamic characteristics of trawl codend based on machine learning models》发表于中科院一区Top期刊、海洋工程界限顶级期刊《Journal of Ocean Engineering and Science》（影响因子IF=11.8）。上海海洋大学为论文第一完成单元，唐浩老师为第一作家。

图1 论文首页

拖网是大师最主要的海洋捕捞状貌，其结尾的网囊部件胜利关系到捕捞遵守、尺寸选拔性和能源徒然。然则，传统网囊野心永久依赖耗时辛苦的物理模子考验，难以精确、高效地揭示其在复杂流动中的动态活动，已成为制约绿色、智能渔业装备发展的关节技巧瓶颈。

为攻克这一可贵，筹商团队创举性地构建了一套基于机器学习的数据运行掂量框架，野心制作了12种不同野心参数（网目尺寸、网线直径、网线材料、网目类型、结节类型、网囊长度等）的网囊模子进行系统化的物理考验（考验场合：上海海洋大学国度远洋渔业工程技巧筹商中心动水槽），确立了全面的拖网网囊水能源性能和回荡特质数据库。在此基础上，初次系统性地期骗并评估了多种前沿机器学习模子。

筹商发现，GBGAM与GPR模子算法省略高效映射网囊野心参数与其水能源性能之间复杂的非线性关系，杀青对拖网网囊动态活动的可靠、高精度掂量。该筹商不仅量化了各项关节渔具野心因子的影响，ag百家乐官网更从机理上揭示了如T90网目能有用进步选拔性的内在规则。将该掂量模子期骗于工程实施，可杀青对网囊性能的快速“捏造筛选”与智能化优化野心。该筹商还明确了拖网网囊阻力回荡主要由低频结构能源学主导，为通过通顺调控减少非目的渔获提供了表面依据，为设备愚顽耗、高选拔性、生态友好的下一代智能渔具奠定了坚实的科学基础。

该筹商得到了国度当然科学基金面上神态、上海市当然科学基金面上神态、上海市东方英才酌量及国度重心研发酌量等神态的搭救。

图1 MLP模子各层结构暗意图

图2 基于GBGAM模子对教师集、测试集及合座样本数据集的网囊阻力(a)、最大x目的位移(b)和最大z目的位移(c)的骨子值与掂量值对比

图3基于GBGAM掂量模子的拖网网囊阻力掂量值随渔具野心参数及流速的变化关系：(a)网目尺寸，(b)网线直径，(c)网囊长度，(d)网线材料，(e)网目数目，(f)网目类型，(g)结节类型。

比年来，以唐浩老师和NYATCHOUBA NSANGUE BRUNO THIERRY（祯祥）博士为中枢的科研团队，在海洋工程、流膂力学与渔业界限合手续产出高水平后果，已在《Marine Structures》、《Journal of Fluids and Structures》、《Ocean Engineering》、《Aquacultural Engineering》等多个海外泰斗期刊发表系列论文，筹商内容涵盖南极磷虾拖网、刺网、围网等多种渔具的水能源特质、流固耦合分析及智能优化野心，展现了团队在渔具水能源界限的致密积存与海外影响力。

起首：上海海洋大学