基于SPIN的HMSC模型自动检验方法

自动检测与验证HMSC(high-level message sequence chart)模型的正确性对保证文本需求被正确建模具有十分重要的意义,为此提出一种为HMSC模型进行自动检验的方法,并将其实现。利用转换规则为HMSC模型生成Promela检测语言,借助SPIN工具对需求进行验证。该方法不仅支持模型检测,同时通过对系统行为的动态模拟可以实现需求的合理性分析。从Promela实现到SPIN验证整个过程实现自动化操作。在该方法的基础上实现一个文本需求自动建模及检测分析的工具,通过一个实例展示其自动建模检测分析的效果,表明了其有效性和实用性。

基于HMSC模型分析山东近海夏季底层鱼类的环境适应性与种间关系

传统的物种分布模型很少将种间关系纳入建模框架中,妨碍了对物种栖息分布的准确预测。近年来联合物种分布模型(JSDMs)越来越受到关注,但在海洋领域实际应用仍较为缺乏。本研究根据2017年夏季山东近海底拖网调查数据,结合水深、底层水温和底层盐度等环境数据,采用物种群落层次模型(HMSC)方法研究了山东近海17种底层鱼类与环境因素之间的关系和种间相关性。本研究根据生物与环境之间的线性或非线性关系以及随机效应构建了5种HMSC,并利用广泛适用信息准则(WAIC)等指标以及交叉验证方法,评价了模型拟合程度和预测效果。结果表明,最优模型为包含随机效应的非线性模型(模型五),非线性模型优于线性模型,且在模型中考虑种间关系能明显地提高模型的拟合效果。温度是影响山东近海底层鱼类分布的主要因素,占平均可解释方差的51.4%,其次是水深和随机效应,分别占35.7%和12.8%。山东近海大部分底层鱼类与水深存在显著线性正相关关系,而与水温存在显著的非线性关系。底层鱼类种间具有显著相关性,按其相关性的正负可大致分为3组,表明种间关系在预测物种分布方面的作用不容忽视。本研究建议,在建模中应同时考虑非生物因素和生物之间的相互关系,研究结果为预测渔业资源栖息分布提供了重要参考。