1.一种短时海洋鱼群和鱼量的预测方法，其特征在于，包括以下步骤：步骤1：选取海洋中要预测的区域，获得该区域的所有渔船轨迹数据并进行预处理；

步骤2：利用3D-DBSCAN聚类算法对预处理后的渔船轨迹数据进行聚类获得捕鱼点，将捕鱼点投影到栅格矩阵进行数据的格式转换；

步骤3：搭建残差网络模型，将转换后的栅格矩阵数据分为训练集和测试集，将训练集送入残差网络模型进行模型的训练；

步骤4：测试集送入训练好的残差网络模型进行验证，最终得到短时海洋鱼群和鱼量的预测模型。

2.根据权利要求1所述的一种短时海洋鱼群和鱼量的预测方法，其特征在于，步骤1中的所有渔船轨迹数据为所有渔船完整的轨迹数据。

3.根据权利要求1所述的一种短时海洋鱼群和鱼量的预测方法，其特征在于，3D-DBSCAN聚类算法对预处理后的渔船轨迹数据进行聚类获得捕鱼点的具体过程为：步骤2.1：设定3D-DBSCAN聚类算法用参数：eps、minPts和t，其中，eps为扫描半径，minPts为最小包含点数，t为扫描最小时间间隔；

步骤2.2：对一条渔船在单位时间长度内的渔船轨迹数据进行聚类，任选一个未被访问的点为出发点，找出与出发点距离在小于等于eps之内的所有附近点，如果附近点的数量≥minPts，且附近点与出发点的时间间隔小于t，则出发点与其附近点形成一个簇，并且出发点被标记为已访问，然后递归，以相同的方法处理该簇内所有未被标记为已访问的点，从而对簇进行扩展；如果簇充分地被扩展，即簇内的所有点被标记为已访问，然后用同样的算法去处理簇外未被访问的点，最终形成多个有用簇；

步骤2.3：对所有渔船在单位时间长度内的渔船轨迹数据利用步骤2.2进行聚类，得到所有渔船轨迹数据聚类后的有用簇，有用簇内的点即为捕鱼点。

4.根据权利要求3所述的一种短时海洋鱼群和鱼量的预测方法，其特征在于，将预测的区域划分为(i×j)个栅格，将获得的捕鱼点在(i×j)个栅格中进行投影，求得在第T天在第(i×j)栅格区域内渔船捕鱼的总时间 间接代表栅格区域内的鱼量多少；进而得到在第T天所有栅格区域的鱼量多少情况XT；

进而得到总天数内的栅格区域的鱼量多少情况(X1,X2,…,XT)。

5.根据权利要求4所述的一种短时海洋鱼群和鱼量的预测方法，其特征在于，步骤3具备包括以下步骤：步骤3.1：将总天数内的栅格区域的鱼量多少情况(X1,X2,…,XT)进行划分，每连续k天为一组，用每连续k天为一组的数据输入残差网络模型预测出接下来一天的数据，这样就能得到总的数据集为[T-k,k,i,j]，其中选取80％作为训练集，20％作为测试集，将数据归一化到[-1,1]区间；

步骤3.2：设定残差网络模型的输入，残差网络模型的输入包括训练集和外部因素数据，外部因素数据包括海洋的温、盐数据；用 代表训练集中连续k天为一组的数据， 输入残差网络模型的第一层卷积层后变为：其中，*为卷积操作，W(1)和b(1)表示在第一层卷积中的权重和偏置系数；

外部因素获取：

由于只能获得每个栅格区域的四个角坐标点处的温、盐数据，所以将每个栅格的四个角坐标点处的温、盐数据经过一层均值池化层，得到四个角坐标中温、盐数据的平均值，用平均值来表示对应栅格区域的温、盐数据值；

E表示外部因素的输入，即栅格区域的温、盐数据值；

则经过均值池化层与卷积层后变为：

E(1)＝f卷积(f均值池化(E))

步骤3.3：再将 与E(1)在一层卷积层进行融合，得到融合后的数据Y0，Y0作为残差块的输入：步骤3.4：由于残差学习单元允许原始输入的信息直接传输到后层的执行机构，因此可以搭建深层网络；在这项工作中，每个残差块由卷积层和线性整流单元组成，第l个残差块的输出为：Yl＝f残差(Yl-1；θl)+Yl-1,l＝1,…,L

l

其中f残差为残差函数，表示为两个线性整流单元和两个卷积层的叠加，θ表示第l个残差块的所有可训练参数，L为残差块的个数。Yl-1与Yl分别表示第l个残差块的输入与输出；

Yl在经过只有一个卷积核的卷积层，最后再通过Tanh激活层将结果映射到[-1,1]，这样就得到了连续k天后接下来一天的鱼量预测的结果采用均方误差MSE来衡量预测值与真实值之间的差距；

其中，N为栅格区域的总个数，g(i,j)为通过渔船轨迹所获取的(i,j)区域的真实值，为(i,j)区域的预测值；

步骤3.5：利用训练集和外部因素数据一直训练残差网络模型，直到残差网络模型中的参数达到最优，均方误差MSE得到的预测值与真实值之间的差距最小。

6.根据权利要求5所述的一种短时海洋鱼群和鱼量的预测方法，其特征在于，步骤4具体包括：将测试集送入训练好的模型进行测试，测试完成后就能得到短时海洋鱼群和鱼量的预测模型：其中，模型中的参数均已通过训练求得最优；

通过短时海洋鱼群和鱼量的预测模型就能在输入要预测天之前的连续k天的栅格区域的鱼量多少情况下，得到要预测天的栅格区域中的鱼量分布情况。