Machine Learning in management of precautionary closures caused by lipophilic biotoxins

要約

ムール貝の養殖は最も重要な水産養殖産業の 1 つです。
ムール貝の養殖に対する主なリスクは有害な藻類ブルーム (HAB) であり、人間の消費にリスクをもたらします。
スペインの養殖ムール貝の主要生産地であるガリシアでは、生産地の開閉は監視プログラムによって管理されている。
法的閾値を超える毒性の存在による閉鎖に加えて、確認のためのサンプリングが行われず、危険因子が存在する場合には、予防的閉鎖が適用される場合があります。
これらの決定は、その根拠となる経験のサポートや正式化なしに専門家によって行われます。
したがって、この研究では、予防的閉鎖の適用をサポートできる予測モデルを提案します。
kNN アルゴリズムは、感度、精度、カッパ指数の値としてそれぞれ 97.34%、91.83%、0.75 を達成し、最良の結果をもたらしました。
これにより、予測エラーがより一般的になる複雑な状況を支援できるシステムの作成が可能になります。

要約(オリジナル)

Mussel farming is one of the most important aquaculture industries. The main risk to mussel farming is harmful algal blooms (HABs), which pose a risk to human consumption. In Galicia, the Spanish main producer of cultivated mussels, the opening and closing of the production areas is controlled by a monitoring program. In addition to the closures resulting from the presence of toxicity exceeding the legal threshold, in the absence of a confirmatory sampling and the existence of risk factors, precautionary closures may be applied. These decisions are made by experts without the support or formalisation of the experience on which they are based. Therefore, this work proposes a predictive model capable of supporting the application of precautionary closures. Achieving sensitivity, accuracy and kappa index values of 97.34%, 91.83% and 0.75 respectively, the kNN algorithm has provided the best results. This allows the creation of a system capable of helping in complex situations where forecast errors are more common.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google