МУЛЬТИМОДЕЛЬНЫЙ ПОДХОД К ПРОГНОЗИРОВАНИЮ НЕКОТОРЫХ ЕДИНИЦ ЗАПАСА ВОДНЫХ БИОЛОГИЧЕСКИХ РЕСУРСОВ САХАЛИНО-КУРИЛЬСКОГО РЕГИОНА
Аннотация
Применение современных методов оценки и прогнозирования запасов водных биологических ресурсов (ВБР) диктуется как потребностями отечественного народного хозяйства, так и необходимостью вести промысел в соответствии с международными соглашениями. По этой причине в последние годы в практике определения допустимых объемов изъятия все более широкое применение находит математическое моделирование. Это, с одной стороны, приводит к тому, что часть специалистов испытывает сложности в выборе математических моделей и методов оценки их параметров. С другой стороны, при выборе одной модели отвергаются прочие, которые могут иметь определенные достоинства. Кроме того, разные хозяйствующие субъекты в целях управления промыслом могут использовать субъективно равнозначные модели, приводящие к существенно различающимся результатам. Из этого следует, что при принятии управляющих решений желательно учитывать разные сценарии. В представленной работе рассмотрены некоторые аспекты выбора модели и мультимодельного вывода на примере нескольких единиц запаса Сахалино-Курильского региона.
Об авторах
И. С. Черниенко
Тихоокеанский филиал Всероссийского научно-исследовательского института рыбного хозяйства и океанографии (ТИНРО)
Россия
Россия
Э. П. Черниенко
Тихоокеанский филиал Всероссийского научно-исследовательского института рыбного хозяйства и океанографии (ТИНРО)
Россия
Россия
Список литературы
1. Бабаян В. К. Предосторожный подход к оценке общего допустимого улова (ОДУ). М.: ВНИРО, 2000. 98 с.
2. Галанин, Д.А., Дегтерева Т. С. Ресурсы колючего краба (Paralithodes brevipes) восточного Сахалина по результатам сравнительной оценки ловушечных и водолазных уловов (Текст): отчет о НИР (промежуточ.): 11829 // Южно-Сахалинск: Сахалинский науч.-исслед. ин-т рыбного хоз-ва и океанографии, 2013. 60 с.
3. Де Гроот М. Оптимальные статистические решения. M.: Мир., 1974. 498 с.
4. Михеев А. А. Расчет оптимального изъятия донных беспозвоночных // Рыбн. хоз-во. 1999. С. 41-43.
5. Михеев А. А., Букин С. Д., Первеева Е. Р. и др. Оценка запасов беспозвоночных в Сахалино-Курильском районе на основе анализа временных рядов уловов с применением фильтра Калмана // Известия ТИНРО. 2012. Т. 168. С. 99-120.
6. Михеев А. А. Применение фильтра Калмана в когортной модели для корректировки оценок запаса при наличии неучтенного вылова // Вопр. рыболовства. 2016. Т. 17. № 1. С. 20-41.
7. Михеев А. А. К феноменологии популяционной динамики горбуши на примере Сахалино-Курильских стад // Вопр. рыболовства. 2018. Т. 19. № 1. С. 99-114.
8. Первеева Е.Р Распределение и биология стригуна опилио Chionoecetes opilio (Fabricius, 1788) в водах, прилегающих к острову Сахалин (Текст): автореф. дис. на соиск. учен. степ. канд. биол. наук (03.00.18)/ Первеева Екатерина Романовна; ФГУП«СахНИРО». Москва, 2005. 22 с.
9. Приказ Росрыболовства от 06.02.2015 № 104 (ред. от 04.04.2016) «О представлении материалов, обосновывающих общие допустимые уловы водных биологических ресурсов во внутренних водах Российской Федерации, а также в территориальном море Российской Федерации, на континентальном шельфе Российской Федерации и в исключительной экономической зоне Российской Федерации, в Азовском и Каспийском морях, а также внесении в них изменений».
10. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетичеcкие алгоритмы и нечеткие системы. 2-е изд. М.: Горячая Линия - Телеком, 2007. 425 с.
11. Сафронов С. Н. Экология дальневосточной наваги Eleginus gracilis Tilesius (Gadidae) шельфа Сахалина и Южных курильских островов. Автореф. дис. на соиск. учен. степ. канд. биол. наук (03.00.10) / Сафронов Сергей Никитич; СахТИНРО. Владивосток, 1986. 24 с.
12. ФАО. Кодекс ведения ответственного рыболовства. Рим: ФАО, 1995. 91 с.
13. Черниенко И. С. Моделирование динамики запаса колючего краба Paralithodes brevipes южных Курильских островов конечно-разностной моделью с запаздыванием // Известия ТИНРО. 2016. Т. 185. С. 102-111.
14. Шитиков В. К., Розенберг Г. С. Рандомизация и будстреп: статистический анализ в биологии и экологии с использованием R. Тольятти: «Кассандра», 2013. 289 с.
15. Auger-Méthé M., Field C., Albertsen C. M. et. al. State-space models’ dirty little secrets: even simple linear Gaussian models can have estimation problems // Sci. Rep. 2016. V. 6. № 1. P. 1-10.
16. Bordet C., Rivest L.- P. A stochastic Pella Tomlinson model and its maximum sustainable yield // J. Theor. Biol. 2014. V. 360. P. 46-53.
17. Burnham K. P., Anderson D. R. Model selection and multimodel inference: a practical information-theoretic approach. New York, NY: Springer, 2002. 488 p.
18. Claeskens G., Hjort N. L. Model selection and model averaging. Cambridge: Cambridge University Press, 2008. 320 p.
19. Chamberlin T. C. The Method of Multiple Working Hypotheses // Science. 1965. V. 148. № 3671. P. 754-759.
20. Gelissen S. R code for implementing the extended Kalman filter - R code, simulations, and modeling. URL: http://blogs2. datall-analyse.nl/2016/02/11/rcode_extended_kalman_filter/
21. Jiao Y., Reid K., Smith E. Model Selection Uncertainty and Bayesian Model Averaging in Fisheries Recruitment Modeling// The Future of Fisheries Science in North America / R. J. Beamish, B. J. Rothschild (Eds.). Dordrecht: Springer Netherlands, 2009. P. 505-524.
22. Kullback S., Leibler R. A. On Information and Sufficiency // Ann. Math. Stat. 1951. V. 22. № 1. P. 79-86.
23. Meinhold R. J., Singpurwalla N. D. Understanding the Kalman Filter // Am. Stat. 1983. V. 37. № 2. P. 123-127.
24. Meyer R., Millar R. B. Bayesian Stock Assessment using a State-Space Implementation of the Delay Difference Model // Can. J. Fish. Aquat. Sci. 1998. V. 56. P. 37-52.
25. Millar C. P., Jardim E., Scott F. et. al. Model averaging to streamline the stock assessment process // ICES J. Mar. Sci. 2015. Vol. 72. № 1. P. 93-98.
26. Newman K. B., Buckland S. T., Morgan B. J.T. et. al. Modelling population dynamics: model formulation, fitting and assessment using state-space methods. New York: Springer, 2014. 215 p.
27. Pedersen M. W., Berg C. W. A stochastic surplus production model in continuous time // Fish Fish. 2017. V. 18. № 2. P. 226-243.
28. Quinn T. J.I., Deriso R. B. Quantitative Fish Dynamics. New York; Oxford: Oxford University Press, 1999. 542 p.
29. Särkkä S. Bayesian filtering and smoothing. Cambridge: Cambridge Univ. Press, 2013. 232 р.
30. Schnute J. T. A General Theory for Analysis of Catch and Effort Data // Can. J. Fish. Aquat. Sci. 1985. V. 42. № 1970.P. 414-429.
31. Schnute J. T. A General Fishery Model for a Size-Structured Fish Population // Can. J. Fish. Aquat. Sci. 1987. V. 44. № 1980.P. 924-940.
32. Scrucca L. GA: A Package for Genetic Algorithms in R // J. Stat. Softw. 2013. V. 53.№ 4.
33. Thorson J. T. Forecast skill for predicting distribution shifts: A retrospective experiment for marine fishes in the Eastern Bering Sea // Fish and Fisheries. 2019. V. 20. № 1. P. 159-173
34. Tsagris M., Athineou G. Compositional: Compositional Data Analysis. URL: https://CRAN.R-project.org/ package=Compositional
35. Wan E. A., Merwe R. van der. TheUnscented Kalman Filter // Kalman Filtering and Neural Networks / by ed. S. Haykin. New York, USA: John Wiley & Sons, Inc., 2001. P. 221-280.
36. Wang G. On the latent state estimationof nonlinear population dynamics using Bayesian and non-Bayesian state-space models // Ecol. Model. 2007. V. 200. № 3-4. P.521-528.
Рецензия
Для цитирования:
Черниенко И.С., Черниенко Э.П. МУЛЬТИМОДЕЛЬНЫЙ ПОДХОД К ПРОГНОЗИРОВАНИЮ НЕКОТОРЫХ ЕДИНИЦ ЗАПАСА ВОДНЫХ БИОЛОГИЧЕСКИХ РЕСУРСОВ САХАЛИНО-КУРИЛЬСКОГО РЕГИОНА. Вопросы рыболовства. 2019;20(3):374-386.
For citation:
Chernienko I.S., Chernienko E.P. MULTI-MODEL APPROACH TO SOME MARINE BIOLOGICAL RESOURCES STOCK FORECAST IN SAKHALIN-KURIL REGION. Problems of Fisheries. 2019;20(3):374-386. (In Russ.)
Послать статью по эл. почте 