摘要
本发明公开了养殖鱼类患病及生长趋势联合预测与评估方法，涉及智能化水产养殖技术领域，采集水质数据以及鱼类生长健康状态数据，并进行归一化与标准化处理；基于预处理后的数据，提取特征变量。本发明通过构建融合LSTM与软注意力机制的多任务学习模型，能够有效捕捉水质参数的时间序列特征，并动态聚焦于对鱼类生长和患病影响显著的关键时间点，相比传统单一任务模型或浅层学习方法，在处理非线性、时序性强、波动频繁的养殖环境数据时表现出更高的预测精度，同时，模型通过共享层提取通用特征，增强了不同任务之间的信息交互，提升了整体结构的稳定性与泛化能力，减少了过拟合风险，适用于多种养殖场景。
