12.2. Общая характеристика прогнозирования

12.2.1. Прогнозирование является одной из важных задач управления рыболовством. Прогнозирование рыболовства связано с большими сложностями из-за влияния на оценку запасов и управление запасами большого числа случайных факторов, необходимостью иметь значительный объем биологический, промысловой, океанологической и другой информации за предшествующие годы.

О сложности проблем прогнозирования рыболовства свидетельствует, в частности, современная методика прогнозирования состояния запасов и общего допустимого улова (ОДУ) методами предосторожного подхода к проблемам рыболовства (см. гл. 13). Такой подход включает ретроспективный анализ запаса, обоснование ориентиров управления рыболовством, прогнозирование запаса и общего допустимого улова, обоснование рекомендуемого ОДУ.

Практически невозможно и нецелесообразно иметь один универсальный метод прогнозирования показателей рыболовства. Условия рыболовства, специфика состояния запасов, характер исходной информации, особенности динамики прогнозируемых показателей, характер задачи прогнозирования и т.д. требуют индивидуального подхода к прогнозированию и комплексного применения методов.

С другой стороны, задача прогнозирования рыболовства иногда облегчается значительной общностью прогнозирования различных процессов и явлений, появлением современной вычислительной техники, облегчающей математическое моделирование прогнозов.

Прогнозированию запасов и рыболовства в ряде случаев способствует налаженная система контроля запасов и состояния рыболовства, сбора исходных данных для прогнозирования.

12.2.2. Различают прогнозирование детерминированных и вероятностных процессов.

В общем, процессы рыболовства относятся к случайным процессам. Однако во многих случаях, выделив основные детерминированные составляющие процесса и зная результат действия каждого из них, можно рассчитать неслучайный результат. О возможности прогнозирования рыболовства как детерминированного процесса свидетельствует успешное применение детерминированных математических моделей для оценки многих параметров рыболовства, рассмотренных в предыдущих главах.

Иногда прогнозирование рыболовства как детерминированного процесса отличается независимостью точности прогноза от времени.

12.2.3. Прогнозирование запасов и управления рыболовством как случайного процесса часто связано с постепенной потерей точности при увеличении времени упреждения. При таком прогнозировании полезно выделить детерминированную и вероятностную часть, оценить примерное соотношение между ними.

В процессах прогнозирования рыболовства детерминированной частью считают взаимосвязи, определяющие, например, структуру многих выражений для определения параметров кривой селективности и основных уравнений селективности, оценки запаса, улова на промысловое усилие или на единицу пополнения промыслового стада, которые рассмотрены в предыдущих главах. Вероятностную часть выявляют по результатам наблюдений. Она связана со случайными колебаниями численности запаса, условий внешней среды, биометрических характеристик тела рыбы, деформации ячеи, улова, состава рыбы в водоеме, распределения в водоеме объекта лова и промысла и т.д.

По мере изучения орудий лова, промысла и рыболовства «чисто случайная» часть показателя постепенно уменьшается, а точность прогнозирования увеличивается.

12.2.4. Для прогнозирования рыболовства важно знать, является ли изменение изучаемых показателей случайным стационарным или нестационарным процессом. Стационарность процесса изменения показателя существенно облегчает прогнозирование. Из-за сложности изучения случайных нестационарных процессов при прогнозировании рыболовства нестационарный процесс, как показано выше, полезно разбить на периоды стационарности и изучать показатели рыболовства в пределах этих периодов.

12.2.5. Для прогнозирования процессов рыболовства большое значение имеет коррелированность процессов. Взаимосвязь процессов позволяет наблюдать за другими процессами, связанными с интересующим нас процессом. Например, часто состояние запасов изучают путем оценки улова на промысловое усилие. Долю рыб, уходящих из сетного мешка можно определить через прилов рыб непромысловых размеров.

12.2.6. В зависимости от характера процессов рыболовства и прогнозируемого показателя применяют различные методы прогнозирования. Например, для предсказания детерминированных процессов рыболовства можно использовать методы интерполирования и экстраполяции. Эти методы используют также и при изучении случайных процессов. Для этого случайные функции формально аппроксимируют функцией динамики средних значений показателя процесса.

Задачи интерполирования и экстраполяции возникают при оценке величины улова, запаса, улова на промысловое усилие, в зависимости от различных факторов, многих показателей селективности, при изучении распределения рыб в водоеме при оценке селективности промысла и т.д.

При интерполировании и экстраполяции показателей часто известен вид функции. Прогнозируемые показатели, связанные с рыболовством, обычно характеризуют линейной, логистической, логарифмической, параболической или экспоненциальной функцией.

Если показатель прогнозируют по экспериментальным данным в виде ряда точек, то вид функции часто определяют подбором аппроксимирующего многочлена. Однако и в этом случае необходимо пытаться установить вид функции с учетом биологической или физической сущности протекающих процессов.

12.2.7. В предсказании случайных процессов рыболовства важное место должны занимать методы прогнозирования случайных стационарных процессов и случайных нестационарных процессов.

При прогнозировании случайных процессов определяют значения функции показателя внутри или вне отрезка наблюдения, а некоторой аппроксимирующей функции, которая в среднем наименее отличается от исходной функции или от положения некоторого множества точек, которые эту исходную функцию представляют. При этом критерием оптимальности обычно считают минимум среднеквадратичной ошибки отклонения рассматриваемых функций.

Среди методов предсказания случайных стационарных последовательностей и процессов наиболее перспективны метод и формула А.H. Колмогорова, метод экспоненциального сглаживания, метод Винера и его более поздние обобщения, метод Боде и Шеннона.

Этими методами можно прогнозировать, например, близкие к стационарным процессам межгодовые изменения биометрических показателей тела рыбы, прилова рыб непромысловых размеров, ухода через ячею рыб промысловых размеров, оптимального размер ячеи и т.д.

Если показатели рассматривают внутри года или межгодовые изменения нельзя считать стационарным процессом, то применяют методы прогнозирования случайных нестационарных процессов, например, метод характеристических составляющих, комбинированные методы предсказания.

12.2.8. Для изучения стационарных и нестационарных процессов из общенаучных методов можно использовать также методы группового учета аргументов, анализа временных рядов.

Из методов теории рыболовства для этой цели применяют когортный анализ и продукционные модели, прогнозирование с учетом состояния запасов и величины пополнения и т.д.

Все методы, перечисленные в 12.2.7, известны и применяются для прогнозирования случайных нестационарных процессов в различных областях науки и техники. Они достаточно сложны, поэтому далее рассмотрим методы, указанные только в 12.2.8.