利用1973-2016年日本西海水产研究所提供的日本鲐(Scomber Japanicus)对马群系的资源量与渔获量数据,结合产卵场1(SG1, 26°～31°N,122°～127°E)、产卵场2(SG2, 30°～35°N,128°～131°E)、索饵场(FG, 35°～38°N,127°～138°E)的海表面温度、太平洋年代际振荡指数(PDO)和Nino3.4区海表温距平值(SSTA),建立基于灰色系统的日本鲐对马群系资源丰度预测模型。灰色关联和相关系数分析结果显示:选择产卵场2的4月、9月海表面温度和索饵场4月海表面温度作为日本鲐资源丰度关键影响因子。建立的模型有:分别包含产卵场2的4月、9月和索饵场4月的海表面温度3个因子的GM(1,2),GM(1,3),GM(1,4)的7种模型。这7种模型的相对残差Q检验值分别为:0.131 0,0.140 2,0.145 9,0.149 3,0.176 7,0.140 3和0.173 5。结果表明,基于产卵场2的4月海表面温度所建立的GM(1,2)模型是对日本鲐对马群系资源丰度最优预测模型。

本文研究水资源配置与分配决策模型与方法。针对全球水资源日益紧张的挑战，分析了水资源配置与分配现状，发现传统方法存在局限性。基于系统优化、灰色系统理论、人工智能等理论基础，提出了多目标优化和人工智能算法等新方法。这些研究对于推动水资源管理与决策的可持续发展具有重要意义。