ПРОГНОЗИРОВАНИЕ ПОДХОДОВ ЛОСОСЕВЫХ (НА ПРИМЕРЕ КИЖУЧА ЗАПАДНОЙ КАМЧАТКИ) С ИСПОЛЬЗОВАНИЕМ МОДЕЛЕЙ ЭКСТРАПОЛЯЦИИ ВРЕМЕННЫХ РЯДОВ И МОДЕЛЕЙ «ЗАПАС-ПОПОЛНЕНИЕ»

В данной работе рассматривается проблема прогнозирования подходов тихоокеанских лососей. В качестве модельной популяции взято стадо кижуча Oncorhynchus kisutch Западной Камчатки. В регрессионном анализе использовались и сравнивались модели двух классов: модели временных рядов и модели зависимости по...

Full description

Bibliographic Details
Main Authors: Фельдман, М., Шевляков, Е., Зорбиди, Ж.
Format: Text
Language:unknown
Published: Федеральное государственное унитарное предприятие «Камчатский научно-исследовательский институт рыбного хозяйства и океанографии» 2014
Subjects:
Online Access:http://cyberleninka.ru/article/n/prognozirovanie-podhodov-lososevyh-na-primere-kizhucha-zapadnoy-kamchatki-s-ispolzovaniem-modeley-ekstrapolyatsii-vremennyh-ryadov-i
http://cyberleninka.ru/article_covers/15653231.png
Description
Summary:В данной работе рассматривается проблема прогнозирования подходов тихоокеанских лососей. В качестве модельной популяции взято стадо кижуча Oncorhynchus kisutch Западной Камчатки. В регрессионном анализе использовались и сравнивались модели двух классов: модели временных рядов и модели зависимости пополнения популяции от нерестового запаса. Предлагается представлять прогноз либо в виде произведения плотностей вероятности прогнозов по различным моделям, либо как средневзвешенный результат плотностных прогнозов из нескольких регрессионных моделей. The paper provides analysis of the issues of forecasting runs of Pacific salmon. The stock used as a basis in simulation was the West Kamchatkan stock of coho salmon Oncorhynchus kisutch. Simulations of two classes were compared and used in regression analysis: of time series and of the relationship between the spawning stock and the recruitment. It is suggested to perform the forecast either as a product of probability density of forecasts of different models or as an average weighted result of density-based forecasts of several regression models.