Prediksjoner av vekt- og kvalitetsfordeling for slaktevolum i oppdrettsnæringen : en omfattende test av dyp læring og nevrale nettverk for prediktive formål i norsk akvakultur

I denne oppgaven undersøker vi om nevrale nettverk kan forbedre prediksjon av vekt- og kvalitetsfordeling for slaktevolumet for matfisk, og hva følgene vil kunne være av en slik implementering. Nevrale nettverk benyttes i dag i en rekke bransjer på et bredt spektrum av problemer, hvor prediksjoner er et analyseområde hvor metoden har vist vellykkede resultater. Vi ser derfor på mulighetene for anvendelse av metoden på et konkret prediksjonsproblem innen en av Norges største eksportnæringer. Oppbygging og anvendelse av prediksjonsmetoden er gjennomført med bakgrunn i teori og etablert praksis for fagfeltet maskinlæring. En mengde ulike nettverksstrukturer er utprøvd og validert, hvor strukturen med best resultat er benyttet for prediksjoner på usett data. Diskusjonsdelen i oppgaven tar for seg hovedfunnene for vårt nevrale nettverk, og hvordan vår modell gjør det sammenlignet med andre prediksjoner. Videre diskuteres mulige utbedringer, utvikling og påfølgende anvendelser av metoden. Oppgaven konkluderer med at et lite datagrunnlag i næringen per dags dato gjør at nevrale nettverk ikke vil forbedre eksisterende prediksjoner for vekt- og kvalitetsfordeling for matfisk. Vi konkluderer samtidig med at potensielle gevinster av en vellykket implementering vil kunne være store, både for salgs- og produksjonsleddet i verdikjeden. Oppgaven kommer også med konkrete forslag til hvordan næringen kan og bør opparbeide seg et tilstrekkelig datagrunnlag, og dermed muliggjøre implementering av modeller som nevrale nettverk