基于HABs长期监测数据的Adriatic Sea海洋生物毒性预测的可解释机器学习
机器学习
2026-03-12 v2 人工智能
摘要
在本研究中，我们应用可解释机器学习技术预测因有害蓝藻 Blooms (HABs) 引发的Adriatic Sea Gulf of Trieste鸦鹃贝(M. galloprovincialis)毒性。通过分析一个新建的28年数据集，其中包含有毒蓝藻在牡蛎养殖区的记录以及贝体中的毒素浓度，我们训练和评估了各种机器学习模型，以准确预测致腹泻贝类中毒(DSP)事件。以F1分数衡量，随机森林模型提供了对阳性毒性结果的最佳预测。解释性方法如置换重要性和SHAP识别出关键物种(Dinophysis fortii和D. caudata)和环境因素(盐度、河流径流和降雨)为DSP爆发的最佳预测因子。这些发现对于改进早期预警系统和支持可持续养殖实践具有重要意义。
关键词
引用
@article{arxiv.2405.04372,
title = {Explainable machine learning for predicting shellfish toxicity in the Adriatic Sea using long-term monitoring data of HABs},
author = {Martin Marzidovšek and Janja Francé and Vid Podpečan and Stanka Vadnjal and Jožica Dolenc and Patricija Mozetič},
journal= {arXiv preprint arXiv:2405.04372},
year = {2026}
}