【ECML-PKDD 2019】使用语义轨迹和机器学习来预测捕捞量（ Predicting Fishing Effort and Catch Using Semantic Trajectories and Machine Learning），Amilcar Soares，Fabio Pranovi，Stan Matwin

题目： Predicting Fishing Effort and Catch Using Semantic Trajectories and Machine Learning

简介：

在本文中，将探索了一个独特的、高价值的时空数据集，该数据集由三个数据源融合而成:来自渔船的轨迹(来自陆地自动识别系统，AIS，数据来源)、相应的鱼类捕捞报告以及有关的环境数据。这种融合的结果是一组语义轨迹，描述了过去两年中亚得里亚海西北部的捕鱼活动。我们展示了对这些语义轨迹的探索性分析的早期结果，以及使用机器学习的初始预测建模的结果。我们的目标是预测单位渔获量(CPUE)，这是对渔业管理有用的渔业资源开发指标。我们的预测结果是初步的时间数据视野，我们能够探索和有限的学习技术，用于这项任务。我们讨论了我们计划在不久的将来应用的几种方法，以便从这些对渔业管理有用的数据、证据和知识中学习。其他从事密集捕鱼活动的中心很可能拥有类似的数据，并可能使用与这里在其当地环境中提出的方法类似的方法。

邀请嘉宾：

Amilcar Soares目前是大数据分析研究所的博士后和Dalhousie大学的兼职教授,研究兴趣是轨迹分析，移动数据挖掘，流数据挖掘，数据科学。

Fabio Pranovi目前是威尼斯大学教授，研究重点是渔业生态学、生态系统方法、营养动态指标。

Stan Matwin目前是波兰科学院计算机科学研究所研究员，研究重点是人工智能，机器学习，数据挖掘，文本挖掘，数据隐私。