【摘要】为预报池塘养殖凡纳滨对虾急性肝胰腺坏死病(AHPND)的发生，自2020年开始，笔者对凡纳滨对虾(Penaeus vannamei)养殖区开展了连续监测工作，包括与疾病发生相关的环境理化因子、微生物因子、虾体自身健康状况等18个候选预警因子指标，通过数据标准化处理后分析病原、宿主与环境之间的相关性关系，对候选预警因子进行筛选，基于Python语言编程结合Deep Forest、LightGBM、XGBoost算法进行数据建模和预测性能评判，仿真环境为Python2.7，以预警因子指标作为输入样本(即警兆)，以对虾是否发病指标作为输出结果(即警情)，根据输入样本和输出结果各自建立输入数据矩阵和目标数据矩阵，利用原始数据矩阵对输入样本进行初始化，结合函数方程进行拟合，拟合的源代码能利用已知环境、病原及对虾免疫指标数据对目标警情的预测。最终建立了基于Deep Forest算法的虾体(肝胰腺内)细菌总数、虾体弧菌(Vibrio)占比、水体细菌总数、盐度的4维向量预警预报模型，准确率达89.00%。本研究利用人工智能算法应用到对虾AHPND发生的预测预报，相关研究结果为对虾AHPND疾病预警预报建立了预警数学模型，并为对虾健康养殖和疾病防控提供了技术支撑和有力保障。