上海海洋大学教授唐浩、胡夫祥团队，将人工智能（AI）技术应用于拖网网囊水动力性能的精准预测，为开发低能耗、高选择性、生态友好的下一代智能渔具奠定了科学基础。相关研究成果近日发表于《海洋工程与科学（英文）》。

拖网是全球最主要的海洋捕捞方式，其末端的网囊部件直接关系到捕捞效率、尺寸选择性和能源消耗。然而，传统网囊设计长期依赖耗时费力的物理模型试验，难以精准、高效地揭示其在复杂流动中的动态行为，已成为制约绿色、智能渔业装备发展的关键技术瓶颈。

研究团队构建了一套基于机器学习的数据驱动预测框架，设计制作了12种不同设计参数的网囊模型进行系统化的物理试验，建立了全面的拖网网囊水动力性能和振荡特性数据库。

在此基础上，研究团队系统地应用并评估了多种机器学习模型。评估结果显示，GBGAM与GPR模型算法能够高效映射网囊设计参数与其水动力性能之间复杂的非线性关系，实现对拖网网囊动态行为的可靠、高精度预测。

研究团队量化了各项关键渔具设计因子的影响，并发现拖网网囊阻力振荡主要由低频结构动力学主导。值得一提的是，将该预测模型应用于工程实践，可实现对网囊性能的快速“虚拟筛选”与智能化优化设计。

相关论文信息：https://doi.org/10.1016/j.joes.2026.01.005