迈向基于机器学习的鱼类种群评估
机器学习
2023-08-08 v1
摘要
鱼类种群的准确评估对可持续渔业管理至关重要。然而，现有统计种群评估模型对相关种群参数（如补充量或产卵群体生物量）的预报性能可能较低，尤其在因全球变暖与其他人为压力而变化的生态系统中。本文中，我们研究使用机器学习模型来改进此类种群参数的估计与预报。我们提出一种将经典统计种群评估模型与有监督 ML（具体为梯度提升树）相结合的混合模型。我们的混合模型利用经典模型提供的初始估计，并使用 ML 模型进行事后修正以提升精度。我们以五种不同种群进行实验，发现补充量与产卵群体生物量的预报精度在大多数情况下显著提升。
引用
@article{arxiv.2308.03403,
title = {Towards Machine Learning-based Fish Stock Assessment},
author = {Stefan Lüdtke and Maria E. Pierce},
journal= {arXiv preprint arXiv:2308.03403},
year = {2023}
}
备注
Accepted at Fragile Earth Workshop 2023