基于动态与数据驱动模型的拖网渔船缆绳张力海试研究：智能渔业的关键突破

为解决拖网渔船作业中缆绳张力预测精度不足和智能化控制需求，研究人员通过海试数据采集，结合集总质量法建立动态模型，并训练CNN、MLP、DT和RF四种数据驱动模型。结果表明RF模型预测性能最优（R2 =0.86），提出结合动态模型与数据驱动的速度区间优选方法，构建多海况作业数据库，显著提升实时状态评估与未知海况预测能力，推动智能拖网渔船发展。

　　

在海洋渔业智能化发展的浪潮中，拖网渔船作业效率与安全性长期受制于缆绳张力预测的精度瓶颈。传统仿真模型多在可控水池环境中验证，难以反映真实海况；而人工智能技术在渔业装备中的应用尚处探索阶段，动态模型与数据驱动的融合更是鲜有研究。这一领域亟待突破，以实现拖网系统的实时状态监控与自主决策。

针对这一挑战，中国水产科学研究院的研究团队在《Applied Ocean Research》发表了创新性成果。研究通过海上实测获取缆绳张力数据，采用集总质量法构建包含网板和渔网边界条件的动态模型，同时利用海试数据集训练了CNN、MLP、DT和RF四种数据驱动模型。关键技术包括：1）基于力学平衡的缆绳微元体建模；2）四阶龙格-库塔法求解非线性偏微分方程；3）RF模型的超参数优化与OOB验证；4）动态模型与数据驱动模型的协同验证框架。

数据收集
研究团队自主研发的"带异常判断功能的绞车收放装置"实现了缆绳长度与张力同步测量，在70米水深、80-160米缆长、2.0-4.5节拖速条件下采集了8400组数据。通过AIS航迹图与时间域参数分析，筛选出2.6-3.3节稳定拖速段的3600组数据用于建模。

动态模型与数据驱动模型
建立的缆绳微元平衡方程（式1）包含重力G、张力T、浮力B和流体阻力F。通过将网板（质量m_b
=850kg，面积S_b
=6.9m²
）和渔网（阻力F_z
=78.4·(d_z
/a_z
)·L_z
·C_z
·w_z
²
）作为边界条件，模型B的缆绳末端深度误差仅±3%，显著优于自由端模型A的140-349%误差。

结果与讨论
RF模型在测试集上表现最优（RMSE=6.4±0.2，MAE=32.3±1.6），其R²
达0.8612。动态模型在2.6-3.0节低速段更准确，而RF在3.0-3.3节高速段误差降低85.07kg。研究创新性地提出按速度区间选择模型：低速用动态模型，高速用RF预测，形成互补优势。

这项研究通过"物理机理+数据驱动"的双轮驱动模式，将缆绳张力预测误差从传统模型的63.1%降至2.92%，建立的作业数据库可覆盖多变海况。成果不仅为拖网渔船智能控制系统提供核心算法，更开创了渔业装备数字化研发的新范式。未来研究将扩展至极端海况验证，并引入LSTM等时序模型捕捉张力动态特性，进一步推动智慧渔业的发展。