WIPO logo
Mobile | Deutsch | Español | Français | 日本語 | 한국어 | Português | Русский | 中文 | العربية |
PATENTSCOPE

Search International and National Patent Collections
World Intellectual Property Organization
Search
 
Browse
 
Translate
 
Options
 
News
 
Login
 
Help
 
Machine translation
1. (WO2018001338) GREY SYSTEM-BASED PELAGIC SQUID RESOURCE RICHNESS FORECASTING METHOD
Latest bibliographic data on file with the International Bureau    Submit observation

Pub. No.: WO/2018/001338 International Application No.: PCT/CN2017/090934
Publication Date: 04.01.2018 International Filing Date: 29.06.2017
IPC:
G06Q 10/04 (2012.01) ,G06Q 50/02 (2012.01)
Applicants: SHANGHAI OCEAN UNIVERSITY[CN/CN]; No.999, Huchenghuan Rd Pudong New District Shanghai 201306, CN
Inventors: CHEN, Xinjun; CN
WANG, Jintao; CN
LEI, Lin; CN
YU, Wei; CN
Agent: SHANGHAI WITS&WIN PATENT LAW OFFICE; Room 1208, Sun Building No.3553, North Zhongshan Road Shanghai 200062, CN
Priority Data:
201610505768.330.06.2016CN
Title (EN) GREY SYSTEM-BASED PELAGIC SQUID RESOURCE RICHNESS FORECASTING METHOD
(FR) PROCÉDÉ DE PRÉVISION DE LA RICHESSE DE RESSOURCES EN CALMAR PÉLAGIQUE BASÉ SUR UN SYSTÈME GRIS
(ZH) 基于灰色系统的大洋性鱿鱼类资源丰度预测方法
Abstract: front page image
(EN) A grey system-based pelagic squid resource richness forecasting method, characterized in comprising the following steps: step one: utilizing a method for grey relational analysis, calculating to acquire the grey correlation magnitudes of impact factors of pelagic squid resource richness; step two: selecting an impact factor having a high grey correlation as a factor for a resource richness forecast model; step three: utilizing a discrete GM model, employing the factor selected in step two to establish pelagic squid resource richness forecast models; step four: performing an effectiveness analysis with respect to the forecast models of step three, the effectiveness analysis comprising relative error and correlation coefficient analyses, and selecting the model of least relative error and greatest correlation coefficient as the most suitable forecast model. The method employs a grey system for forecasting squid resource richness to achieve an accuracy of 90% or more, and provides a reference value for fishery production practices and scientific management.
(FR) Procédé de prévision de la richesse de ressources en calmar pélagique basé sur un système gris, caractérisé en ce qu'il comporte les étapes suivantes: étape un: en utilisant un procédé d'analyse relationnelle grise, acquérir par calcul les amplitudes de corrélation grise de facteurs d'impact de richesse de ressources en calmar pélagique; étape deux: sélectionner un facteur d'impact présentant une corrélation grise élevée en tant que facteur pour un modèle de prévision de richesse de ressources; étape trois: en utilisant un model GM discret, employer le facteur sélectionné à l'étape deux pour établir des modèles de prévision de richesse de ressources en calmar pélagique; étape quatre: effectuer une analyse d'efficacité par rapport aux modèles de prévision de l'étape trois, l'analyse d'efficacité comportant des analyses erreur relative et coefficient de corrélation, et sélectionner le modèle présentant la plus petite erreur relative et le plus grand coefficient de corrélation en tant que modèle de prévision le plus approprié. Le procédé emploie un système gris pour prévoir la richesse de ressources en calmar afin d'atteindre une exactitude de 90% ou plus, et fournit une valeur de référence pour les pratiques de production de la pêche et la gestion scientifique.
(ZH) 一种基于灰色系统的大洋性鱿鱼类资源丰度预测方法,其特征在于包括以下步骤:步骤一:利用灰色关联分析的方法,计算得到大洋性鱿鱼类资源丰度的影响因子的灰色关联度大小;步骤二:选取灰色关联度大的影响因子作为资源丰度预测模型的因子;步骤三:利用离散GM模型,采用步骤二选取的因子建立大洋性鱿鱼类资源丰度预测模型;步骤四:对步骤三的预测模型进行有效性分析,有效性分析包括相对误差和相关系数分析,选取相对误差最小和相关系数最大的模型为最合适的预测模型。所述方法采用灰色系统对鱿鱼类资源丰度预测精度达到90%以上,为渔业生产实践和科学管理提供了参考价值。
Designated States: AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JO, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
African Regional Intellectual Property Organization (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Eurasian Patent Office (AM, AZ, BY, KG, KZ, RU, TJ, TM)
European Patent Office (EPO) (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
African Intellectual Property Organization (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Publication Language: Chinese (ZH)
Filing Language: Chinese (ZH)