该研究开发了一种机器学习工作流程，以预测毒性浮游植物丰度变化，发现DoME模型最为有效。通过结合卫星数据和贝类毒素污染数据，提升了预测能力。同时，结合经典统计与机器学习模型，提高了鱼类资源参数的估计准确性，强调了数据驱动决策在水产养殖中的重要性。此外，研究还探讨了机器学习在食品安全中的应用及其面临的挑战。