Predictive Mortality at Anomaly Detection Models

Gumagamit ang mga predictive mortality model ng makasaysayang datos ng kalidad ng tubig, pagpapakain, at mortality upang tukuyin ang mga batch o sistema na may mataas na panganib ng malapit na termino ng pagkamatay bago magsimula ang nakikitang pagkalipol, karaniwang sa pamamagitan ng pagkatuto kung aling kombinasyon ng mga kondisyon, partikular na trajectory ng dissolved oxygen, pagbaba ng feeding-rate, o pagbabago ng temperatura, ang sa kasaysayan ay nauuna sa mga spike ng mortality sa sariling nakaraang datos ng bukid, sa halip na umasa sa isang solong nakapirming threshold na hindi isinasaalang-alang kung paano nagte-trend o nakikipag-interact ang mga kondisyon. Ang anomaly detection ay isang kaugnay ngunit natatanging teknik: sa halip na hulaan ang isang tiyak na kilalang pattern ng panganib, tinutukoy nito kung kailan ang kasalukuyang mga pagbasa ay labis na lumilihis mula sa sariling itinatag na normal na saklaw ng sistema, na nahuhuli ang mga problema na hindi kailanman partikular na nakasentro sa system na nakabase sa patakaran, tulad ng isang hindi pangkaraniwang pattern ng tugon ng feeding-camera na nauuna sa isang outbreak ng sakit ilang araw bago tumaas ang mortality mismo. Ang kalidad ng modelo ay nakadepende nang lubos sa pagkakaroon ng sapat na malinis, maayos na naka-tag na kasaysayang datos ng mortalidad at sanhi, na siyang dahilan kung bakit ang pare-parehong pag-log ng mga insidente ng mortalidad at disiplina sa pag-tag sa maagang bahagi ng data pipeline ng isang bukid ay direktang tumutukoy kung ang mga predictive na tampok na bubuuin sa kalaunan ay talagang gumagana o nagbubunga ng hindi mapagkakatiwalaan, mababang kumpiyansang mga alerto na natutunan ng mga tauhan na balewalain. Kapag naipatupad nang responsable, ang mga modelong ito ay itinatakda bilang isang paunang-babala na katuwang sa desisyon para sa mga bihasang tauhan na magsiyasat, hindi bilang isang ganap na autonomosong diagnosis, sapagkat ang mga maling positibo at maling negatibo ay parehong may tunay na gastusing operasyonal kung ang antas ng kumpiyansa ng modelo ay hindi tapat na naipapaalam kasabay ng alerto nito.