全隐式算法与虚拟神经晶格提升延绳钓动力学模型精准度

本文由张新峰、曹道梅和宋黎明三位作者合作完成，发表在中国科技论文在线上，标题为"Application of whole-implicit algorithm and virtual neural lattice in pelagic longline modeling"。该研究聚焦于延绳钓（pelagic longline）的动力学建模，这是一种在海洋捕捞中广泛使用的捕鱼技术，特别用于捕捉深海鱼类，如金枪鱼。 延绳钓的动力学模型是通过开发一种全隐式算法（whole-implicit algorithm）来构建的。全隐式算法在解决二阶微分方程组时，能够更有效地处理非线性和多步依赖性，这对于准确模拟复杂的动态行为至关重要。与传统的显式方法相比，全隐式方法可以避免稳定性问题，提高计算效率，并且在深层水层中钩子的稳定性表现优于中层水层，这反映出深度对延绳钓操作的影响。 虚拟神经网络（virtual neural lattice，VNL）作为另一种关键工具，被应用于模型中进行行为模拟。VNL是一种基于神经网络结构的数学模型，它能够模仿生物神经系统的工作原理，以理解和预测延绳钓装备在不同水层中的响应。这种融合了生物学和计算机科学的方法，有助于研究人员深入理解延绳钓设备在实际海洋环境中的运动规律，优化渔具设计，减少渔获过程中的能量损失，从而提高捕捞效率和可持续性。 论文的研究背景得到了高等教育博士专业基金的支持，包括2011年和2010年的专项基金，这体现了作者团队对前沿科研的重视和投入。张新峰博士主要负责数值模拟研究，而宋黎明博士不仅是论文的主要作者，也是博士生导师，专注于金枪鱼延绳钓渔业领域的研究，他的电子邮件lmsong@shou.edu.cn可供进一步交流。 这篇首发论文在延绳钓动力学建模方面做出了重要贡献，通过整合法则和虚拟神经网络技术，不仅提升了模型的精确度，还揭示了海洋环境因素对延绳钓性能的影响，为渔业科学和实践提供了有价值的数据和理论支持。