对虾养殖的深度学习：预测与异常检测
机器学习
2022-05-16 v1
摘要
我们提出了一个用于管理对虾池塘水质的决策支持系统。该系统以新颖的方式利用多源数据和深度学习模型，提供水质参数的24小时预测与异常检测。它为对虾养殖户提供了主动避免不良生长环境的工具，从而优化生长并降低减产风险。这对于被迫通过被动纠正不良水质状况来管理池塘的养殖户而言是一个重大转变。据我们所知，我们首次将 Transformer 用作异常检测模型，也是首次将异常检测总体应用于该水产养殖问题。我们的技术贡献包括将 ForecastNet 改造用于多元数据，以及改造 Transformer 和 Attention 模型以将天气预报数据纳入其解码器。我们的溶解氧预测平均绝对百分比误差为12%，并展示了两个异常检测案例研究。该系统已在商业对虾养殖场成功部署运行至第二年。
引用
@article{arxiv.2205.06359,
title = {Deep Learning for Prawn Farming: Forecasting and Anomaly Detection},
author = {Joel Janek Dabrowski and Ashfaqur Rahman and Andrew Hellicar and Mashud Rana and Stuart Arnold},
journal= {arXiv preprint arXiv:2205.06359},
year = {2022}
}