本发明涉及智慧海洋数据挖掘处理，特别涉及基于大数据分析渔区资源的方法。
背景技术：
1、当前渔业资源统计大多采用渔船采样、市场调查获取渔业资源统计结果，往往需要的人力物力较大，数据采集不及时，还存在无法精准定位渔区、渔业资源，以及资源统计有偏差等问题，随着信息化社会的不断发展，对渔业资源的保护、监控提出了更严格的要求。
技术实现思路
1、本发明目的是提供基于大数据分析渔区资源的方法，通过大数据建模，打破多源异构数据孤岛，解决上述技术问题。
2、具体技术方案是基于大数据分析渔区资源的方法，分为历史数据模型训练和实时数据模型应用两部分，
3、历史数据模型训练部分包括：
4、基于渔船多源融合定位数据及渔船基本信息进行渔船作业区域、行为识别，
5、基于渔业品类和分布数据、渔业资源产出数据以及气象数据，并关联渔船作业区域、行为识别信息，识别渔区、渔船、作业季节关系，
6、基于渔港视频数据识别渔船进出港、渔获视频识别数据，
7、基于渔船动力学模型和实验数据、多源实时渔船融合数据以及渔港视频数据识别，识别渔船特定区域、行为，粗估渔船载重，并与历史渔获数据进行关联，建立有效渔船渔获等级识别模型，
8、基于上述数据，建立渔船、渔获识别、渔获等级、渔船作业区域、渔船作业行为以及渔业资源区域分布等多维关联，并基于深度学习bigru模型训练学习模型关系，预估渔业资源等级；
9、实时数据模型应用部分，基于历史数据训练数据模型，实时监测每船次渔业资源，预测作业区域的资源等级、渔业资源等级。
10、优选地，实时数据的数据流转模型，根据渔船多源融合定位数据及渔船基本信息进行渔船作业区域、行为识别后，数据可同时进入到渔区、渔船、作业季节关系模型以及渔获和渔获等级识别模型中，最终进入渔区渔获资源关系模型。
11、优选地，基于hadoop进行数据存储，spark进行数据清洗、模型训练作业调度，基于python进行实际模型训练，实时部分基于flink进行实时模型加载使用。
12、与现有技术相比，本发明有益效果如下：通过大数据建模，打破多源异构数据孤岛，进行联邦学习计算，挖掘各类数据关系，解决渔业资源分布、产出的实时监测及预测问题；本发明基于大数据挖掘，可按每日、每周、每月，实时渔区划分等细粒度识别渔区和渔获资源等级，实现大部分模型自动化运行，提供监测、预测，较传统预估方式省时省力，实时性高、细粒度高，具有开创性成果。
1.基于大数据分析渔区资源的方法，其特征在于，分为历史数据模型训练和实时数据模型应用两部分，
2.根据权利要求1所述的基于大数据分析渔区资源的方法，其特征在于，实时数据的数据流转模型，根据渔船多源融合定位数据及渔船基本信息进行渔船作业区域、行为识别后，数据可同时进入到渔区、渔船、作业季节关系模型以及渔获和渔获等级识别模型中，最终进入渔区渔获资源关系模型。
3.根据权利要求1或者2所述的基于大数据分析渔区资源的方法，其特征在于，基于hadoop进行数据存储，spark进行数据清洗、模型训练作业调度，基于python进行实际模型训练，实时部分基于flink进行实时模型加载使用。
