Collaborative Forecasting and Analysis of Fish Catch in Hokkaido From Multiple Scales by Using Neural Network and ARIMA Model

Abstract

Fishery catch forecasting is a crucial aspect of aquatic research because of its relevance to establishing effective fishery management and resource allocation systems. In this study, we aim to forecast and analyze fish catch by collaboratively processing data using methods at multiple scales. To this end, we propose two computational fishery catch forecasting models. A neural network model based on the multi-timescale features of a convolutional neural network and a long short-term memory neural network is proposed and implemented to forecast short-term measures for the daily catch in the eastern ports of Hokkaido, Japan. Similarly, we propose a long-term catch forecasting and analysis model combining the autoregressive integrated moving average (ARIMA) method and a neural network to explore short-term water temperature and long-term catch dependence in the case of sparse data; we implement this method to investigate the total monthly catch in Hokkaido. The experimental results demonstrate that the proposed methods were able to effectively forecast and analyze fishery catch based on different data scales, volumes, and other complex situations. This is also the first work in the field that considers multiple perspectives.INDEX TERMS ARIMA model, fishery catch forecasting, neural network.

Model Peramalan Jumlah Tangkapan Ikan Kakap Yang Didaratkan Di Ppi Oeba Kupang Nusa Tenggara Timur

“…pendaratan Ikan di pelabuhan perikanan merupakan elemen penting dalam pengelolaan stok perikanan karena dapat menginformasikan strategi pengembangan dan keputusan kebijakan yang diperlukan untuk mengatur manajemen yang efektif (Stergiou 1989). Hal yang sama dikemukakan oleh (Zhang et al 2022) bahwa peramalan perikanan tangkap merupakan aspek penting dari penelitian akuatik karena relevansinya untuk membangun sistem pengelolaan perikanan dan alokasi sumber daya yang efektif. Prakiraan jumlah tangkapan ikan yang akurat dapat membantu operator perikanan dalam merencanakan pekerjaan secara efisien dan membuat keputusan berbasis data.…”

Untitled

“…pendaratan Ikan di pelabuhan perikanan merupakan elemen penting dalam pengelolaan stok perikanan karena dapat menginformasikan strategi pengembangan dan keputusan kebijakan yang diperlukan untuk mengatur manajemen yang efektif (Stergiou 1989). Hal yang sama dikemukakan oleh (Zhang et al 2022) bahwa peramalan perikanan tangkap merupakan aspek penting dari penelitian akuatik karena relevansinya untuk membangun sistem pengelolaan perikanan dan alokasi sumber daya yang efektif. Prakiraan jumlah tangkapan ikan yang akurat dapat membantu operator perikanan dalam merencanakan pekerjaan secara efisien dan membuat keputusan berbasis data.…”