- •А.В. Мельников, в.Н. Мельников Управление запасами промысловых рыб и охрана природы
- •Управление запасами промысловых рыб и охрана природы
- •Оглавление
- •Раздел 1. Основные проблемы, понятия и показатели теории запасов и управления рыболовством 15
- •Глава 1. Общие проблемы оценки запасов и управления запасами промысловых рыб 15
- •Глава 2. Оценка воспроизводства, роста, естественной и промысловой смертности рыб 69
- •Глава 3.Управление селективностью рыболовства 102
- •Глава 4. Промысловое усилие. Интненсивность промысла 141
- •Раздел II. Методы и математические модели теории рыболовства 175
- •Глава 5. Эмпирические методы теории рыболовства 175
- •Глава 6. Методы биопромысловой статистики 191
- •Глава 7. Статические модели и методы теории рыболовства 217
- •Глава 8. Динамические модели и методы теории рыболовства 241
- •Глава 9. Методы и модели теории рыболовства с учетом неопределенности 256
- •Глава 10. Промыслово-экономические методы и модели теории рыболовства 284
- •Глава 11. Применение контрольных карт и метода последовательного анализа в теории рыболовства 298
- •Глава 12. Контроль и прогнозирование запасов и рыболовства 321
- •Глава 13. Методы предосторожного подхода 344
- •Глава 14. Экосистемные методы теории рыболовства 365
- •Глава 15. Методы и модели управления рыболовством с применением показателей надежности систем 390
- •Глава 16. Методы и модели управления рыболовством с применение теории управления сложными системами и исследования операций 448
- •Раздел IV. Охрана природы 525
- •Глава 17. Основы охраны природы 525
- •Введение
- •Раздел 1. Основные проблемы, понятия и показатели теории запасов и управления рыболовством глава 1. Общие проблемы оценки запасов и управления запасами промысловых рыб
- •1.1. Состояние исследований запасов и управления запасами промысловых рыб
- •1.2. Основные проблемы и функции управления запасами и промышленным рыболовством
- •1.3. Основные факторы, влияющие на запасы промысловых рыб
- •1.4. Основные причины и закономерности колебаний запасов промысловых рыб
- •1.5. Основные пути сохранения и увеличения запасов промысловых рыб
- •1.6. Популяция рыб как динамическая система с элементами саморегулирования
- •1.7. Общая характеристика и классификация методов, способов и моделей теории рыболовства
- •1.8. Показатели и критерии рыболовства
- •1.9. Общая характеристика основных видов математических моделей теории рыболовства
- •1.10. Общая характеристика методов математического моделирования процесса лова рыбы
- •1.11. Оценка качества математического моделирования лова и рыболовства
- •1.12. Контрольные вопросы к главе 1
- •Глава 2. Оценка воспроизводства, роста, естественной и промысловой смертности рыб
- •2.1. Общие особенности количественной оценки воспроизводства запасов и пополнения промыслового стада
- •2.2. Общая характеристика кривых пополнения промыслового стада
- •2.3. Статистические методы оценки пополнения промыслового стада
- •2.4. Оценка доли пополнения в улове методом Аллена
- •2.5. Оценка роста рыб
- •2.6. Способы количественной оценки смертности рыб
- •2.7. Определение естественной смертности рыб
- •2.8. Оценка общей смертности рыб
- •2.9. Определение промысловой смертности рыб
- •2.10. Применение показателей промысловой смертности для оценки общего допустимого улова
- •2.11. Контрольные вопросы к гл. 2
- •Глава 3.Управление селективностью рыболовства
- •3.1. Общая характеристика селективности лова, промысла и рыболовства
- •3.2. Селективность лова при отцеживании рыбы сетным полотном
- •3.3. Селективность лова при объячеивании рыбы сетным полотном
- •3.4. Биомеханическая и биофизическая селективность лова
- •3.5. Селективность промысла и рыболовства
- •3.6. Основные проблемы и особенности управления селективностью рыболовства
- •3.7. Организация работ по управлению селективностью рыболовства
- •3.8. Особенности применения показателей селективности в теории рыболовства
- •3.9. Контрольные вопросы к главе 3
- •Глава 4. Промысловое усилие. Интненсивность промысла
- •4.1 Общие требования к промысловому усилию. Классификация показателей промыслового усилия
- •4.2. Область применения промыслового усилия в промышленном рыболовстве
- •4.3. Количественная оценка показателей промыслового усилия
- •4.4. Определение показателей промыслового усилия для орудий лова различных видов
- •4.5. Рекомендуемые показатели промыслового усилия для решения различных задач промышленного рыболовства
- •4.6. Контрольные вопросы к главе 4
- •Разделii. Методы и математические модели теории рыболовства глава 5. Эмпирические методы теории рыболовства
- •5.1. Оценка относительной величины запасов по уловам и уловам и на промысловое усилие
- •5.2. Оценка запасов методом учетных и промысловых съемок
- •5.3. Оценка запасов методом гидроакустических и промыслово-акустических съемок
- •5.4. Оценка запасов с применением съемок и математических моделей лова
- •5.5. Оценка запасов на основе анализа миграций проходных и полупроходных рыб в реках и в прибрежных районах моря
- •5.6. Оценка запасов с учетом улова и предельного возраста рыбы
- •5.7. Оценка запасов методом мечения
- •5.8. Оценка запасов по результатам наблюдений
- •5.9. Контрольные вопросы к главе 5
- •Глава 6. Методы биопромысловой статистики
- •6.1. Биостатистические методы оценки и анализа запасов
- •6.2. Методы контрольных карт и последовательного анализа
- •6.3. Методы оценки запасов по уловам на промысловое усилие
- •6.4. Оценка допустимой интенсивности вылова с учетом предельного возраста рыбы и интенсивности промысла (метод ф.И. Баранова)
- •6.5. Оценка допустимой интенсивности вылова и допустимого улова с учетом распределения величины запаса и предельного возраста рыбы
- •6.6. Определение допустимой интенсивности вылова с учетом общей убыли поколения промыслового стада
- •6.7. Определение допустимой интенсивности вылова с учетом допустимого прилова рыб непромысловых размеров
- •6.9. Контрольные вопросы к главе 6
- •Глава 7. Статические модели и методы теории рыболовства
- •7.1. Модели улова на единицу пополнения промыслового стада в непрерывной форме
- •7.2. Модели улова на единицу пополнения промыслового стада в дискретной форме
- •7.3. Модели для оценки использования биомассы поколения промысловых рыб
- •7.4. Продукционные модели
- •7.5. Модели запас-пополнение
- •7.6. Комбинированные модели на основе аналитических и продукционных моделей, моделей запас-промысел
- •7.7. Комбинированные модели на основе взаимосвязи интенсивности и селективности рыболовства
- •7.8. Контрольные вопросы к главе 7
- •Глава 8. Динамические модели и методы теории рыболовства
- •8.1. Дискретные модели с переменным пополнением
- •8.2. Методы когортного анализа
- •8.3. Динамические продукционные модели
- •8.4. Комбинированные динамические модели
- •8.5. Методы интерполирования и экстраполяции временных рядов
- •8.6. Применение контрольных карт для анализа динамики и регулирования рыболовства
- •8.7. Контрольные вопросы к главе 8.
- •Глава 9. Методы и модели теории рыболовства с учетом неопределенности
- •9.1. Общая характеристика задач теории рыболовства с учетом неопределенности
- •9.2. Особенности сбора и обработки экспериментального и статистического материала
- •9.3. Определение расчетного периода времени и расчетных размеров промыслового участка
- •9.4. Особенности применения дисперсионного, корреляционного и регрессионного анализа, методов планирования экспериментов
- •9.5. Оценка точности экспериментальных значений показателей, объема экспериментального и статистического материала
- •9.6. Особенности объединения экспериментального и статистического материала.
- •9.7. Вероятностная оценка допустимого улова при стационарном и квазистационарном состоянии запаса и промысла
- •9.8. Возможная точность оценки запасов и других показателей теории рыболовства
- •9.9. Замена случайных величин детерминированными величинами
- •9.10. Оценка вероятности расположения показателя рыболовства в допустимых пределах
- •9.11. Сравнение средних значений показателей рыболовства с нормативными показателями
- •9.12. Особенности методов и моделей динамических процессов рыболовства в условиях стохастической неопределенности
- •9. 13. Особенности решения задач в условиях нестохастической неопределенности
- •9.14. Контрольные вопросы к главе 9
- •Глава 10. Промыслово-экономические методы и модели теории рыболовства
- •10.1 Общая характеристика экономических показателей промышленного рыболовства
- •10.2. Оценка экономической эффективности с учетом производительности и селективности лова
- •10.3. Особенности оценки экономической эффективности рыболовства с учетом рационального использования запасов рыб
- •10.4. Учет экономических показателей при оценке допустимого улова
- •10.5. Контрольные вопросы к главе 10
- •Глава 11. Применение контрольных карт и метода последовательного анализа в теории рыболовства
- •11.1. Общая характеристика применения контрольных карт и последовательного анализа для управления рыболовством
- •11.2. Общая характеристика метода контрольных карт
- •11.3. Общие особенности применения контрольных карт
- •11.4. Общая характеристика метода последовательного анализа
- •11.5. Последовательный анализ при исследовании среднего значения показателя рыболовства
- •11.6. Последовательный анализ при исследовании показателя рыболовства по альтернативному признаку
- •11.7. Последовательный анализ при исследовании колебаний показателя рыболовства
- •11.8. Регулирование времени наблюдений при последовательном анализе
- •11.9. Последовательный анализ при управлении селективностью рыболовства
- •11.9. Контрольные вопросы к главе 11.
- •Глава 12. Контроль и прогнозирование запасов и рыболовства
- •12.1. Общая характеристика контроля
- •12.2. Общая характеристика прогнозирования
- •12.3. Характеристика прогнозирования с применением метода группового учета аргументов (мгуа)
- •12.4. Прогнозирование с применением временных рядов
- •12.5. Прогнозирование с применением когортных моделей
- •12.6. Прогнозирование с применением продукционных моделей.
- •12.7. Прогнозирование с применением уравнений запас-пополнение
- •12.8. Контрольные вопросы к главе 12
- •Глава 13. Методы предосторожного подхода
- •13.1. Общая характеристика методов
- •13.2. Ориентиры управления
- •13.3. Правила регулирования рыболовства при предосторожном подходе
- •13.4 Обоснование оду при предосторожном подходе
- •13.5. Влияние информационного обеспечения на выбор процедуры оценки и прогнозирования оду
- •13.6. Математическое обеспечение предосторожного подхода
- •13.7. Контрольные вопросы к главе 13
- •Глава 14. Экосистемные методы теории рыболовства
- •14.1. Общая характеристика экосистемных методов
- •14.2. Общие особенности моделирования экологических систем
- •14.3. Обобщенная математическая модель биологических систем в водоемах
- •14.4. Моделирование водных сообществ
- •14.5 Общая характеристика промысловых экологических систем
- •14.6. Квотирование уловов при совместном использовании запасов
- •14.7. Контрольные вопросы к гл. 14
- •Глава 15. Методы и модели управления рыболовством с применением показателей надежности систем
- •15.1.Предпосылки применения теории надежности для анализа и совершенствования систем управления рыболовством
- •15.2. Общая характеристика сложных систем
- •15.3.Особенности расчета параметрической надежности систем управления рыболовством
- •15.4. Прогнозирование надежности систем управления рыболовством
- •15.5. Источники информации о надежности систем управления рыболовством
- •15.6. Классификация отказов систем управления рыболовством
- •15.7.Понятие о математических моделях надежности систем управления рыболовством
- •15.8. Формирование закона изменения выходного параметра
- •15.9. Модель формирования постепенных отказов
- •15.10. Модели внезапных отказов
- •15.11.Одновременное проявление постепенных и внезапных отказов
- •15.12. Случайный поток отказов в системах управления рыболовством
- •15.13.Общая схема потери системой управления рыболовством работоспособности
- •15.14. Анализ области работоспособности и состояний системы управления рыболовством
- •15.15.Оценка предельного состояния системы управления рыболовством
- •15.16. Относительное влияние на надежность запасов среднего значения и коэффициента вариации величины запаса
- •15.17. Расчеты допустимого вылова с учетом запаса на вылов
- •15.18. Экономические задачи надежности систем управления рыболовством
- •15.19. Контрольные вопросы к главе 15
- •Глава 16. Методы и модели управления рыболовством с применение теории управления сложными системами и исследования операций
- •16.1. Принципы управления рыболовством с применением теории управления сложными системами и исследования операций
- •16.2. Основы теории эффективности управления рыболовством
- •16.3.Показатели и критерии рыболовства
- •16.4. Общая схема и принципы исследования эффективности рыболовства
- •16.5. Формирование эффективности систем управления рыболовством на отдельных этапах жизненного цикла
- •16.6. Общие особенности моделирования управления рыболовством
- •16.7. Теоретические основы оптимизации управления рыболовством
- •16.8. Системы оптимального управленияхорошо определяемыми процессами рыболовства с применением математических моделей
- •16.9. Адаптивные системы оптимального управления рыболовством
- •16.10. Управление рыболовствомоснове принципов экстремальныхсистем управления
- •16.11. Управление рыболовствомпоиском экстремума показателя качества и приближенной математической модели процесса
- •16.12. Общие особенности выработки и принятия решений при управлении рыболовством
- •16.13. Особенности принятия решения в условиях определенности
- •16.14. Особенности принятия решения в условиях стохастической неопределенности
- •16.15. Особенности принятия решения в условиях нестохастической неопределенности
- •16.16. Контрольные вопросы к главе 16
- •Разделiv. Охрана природы глава 17. Основы охраны природы
- •17.1. Основные проблемы охраны природы.
- •17.2. Охрана основных составляющих природных ресурсов
- •17.3. Право и охрана природы
- •17.4 Охрана и регулирование биологических ресурсов Мирового океана
- •17.5 Охрана и регулирование биологических ресурсов внутренних водоемов России
- •17.6. Охрана внутренних рыбохозяйственных водоемов от загрязнения
- •17.7. Охрана морских рыбохозяйственных водоемов от загрязнения
- •17.8. Ответственность за нарушение рыболовного законодательства
- •17.9. Контрольные вопросы к главе 17
- •Список рекомендуемой литературы
12.4. Прогнозирование с применением временных рядов
12.4.1. В различных областях науки и техники для изучения и прогнозирования случайных процессов широко применяют моделирование временных рядов. Такие ряды характеризуют изменение некоторой случайной переменной процесса во времени.
Сущность метода заключается в том, что если некоторая подобранная функция времени хорошо описывает процесс на большом интервале времени, то она отражает основные закономерности процесса, в том числе на прогнозном интервале.
Одним из условий успешного применения временных рядов является существенное превышение времени наблюдений заблаговременности прогноза. В рыбохозяйственных исследованиях время наблюдений редко превышает 15-20 лет. Это обстоятельство ограничивает применение некоторых методов исследования временных рядов и точность прогнозов, особенно для объектов лова с небольшой продолжительностью жизни.
12.4.2. Временные ряды в общем случае характеризует случайный нестационарный процесс. На практике часто случайный процесс описывают стационарным временным рядом в некотором временном интервале, включая прогнозный. Однако и в этом случае временной ряд является динамическим рядом, т.к. отражает стационарные колебания показателя процесса.
Для анализа динамического ряда каждый его член можно представить в виде детерминированной части плюс случайное отклонение. В этом случае рассматривают детерминированную функцию ряда (модель тренда), которая отражает основные закономерности изменения показателя процесса, и случайную составляющую, обусловленную случайными факторами. Такими факторами в нашем случае могут служить, например, случайные колебания численности и состава запаса под влиянием различных биотических и абиотических факторов. Случайную составляющую иногда рассматривают как случайную ошибку, которая влияет, в частности, на точность прогноза.
Прогнозирование (экстраполяция) временного ряда включает следующие операции:
установление особенностей временного ряда;
выбор метода экстраполяции;
разработку прогностической модели (модели тренда);
определение прогнозных значений показателя;
оценку точности прогноза.
Для получения достоверного результата наиболее важно выбрать метод экстраполяции.
При нестабильности рассматриваемого показателя для описания стационарных временных рядов В.К. Бабаян предлагает применять модели авторегрессии, скользящего среднего, метод Бокса-Дженкинса. Последний метод, в частности, использует одновременно и модели авторегрессии и модели скользящего среднего.
Временной ряд описывается моделью авторегрессии порядка , если ряд описан разностным уравнением порядка. Порядок определяет количество членов в детерминированной части разностного уравнения и одновременно порядок зависимости от прошлого.
Временной ряд описывается моделью скользящего среднего порядка , если значения ряда формируются на основе «белого шума». Величинатакже определяет количество членов в модели скользящего среднего.
Наиболее общий метод Бокса-Дженкинса построения модели по данным временного ряда состоит из идентификации модели, оценивания параметров, тестирования адекватности. Для лучшего понимания сущности метода дадим краткую характеристику этапов исследований.
По результатам исследований А.К. Бабаяна, идентификация модели включает:
визуальный анализ графика временного ряда для выявления «выбросов», «пропусков», структурных изменений: признаков нестационарности типа временных трендов, неоднородности;
анализ выборочных оценок автокорреляционной функции АКФ и частной автокорреляционной функции ЧАКФ для исследования стационарности анализируемого временного ряда и определения возможных значений его параметров и, которые связаны с моделью авторегрессии порядкаи моделью скользящего среднего порядка;
проверка гипотез об отсутствии автокорреляционных значений временного ряда для отдельных лагов с помощью асимптотического теста значимости значений АКФ, основанного на нормальном приближении тестовой статистики;
проверка гипотез об отсутствии автокорреляции значений временного ряда на заданном лаговом диапазоне, включающем несколько лагов.
Для статистического оценивания параметров модели с заданными значениями ииспользуют различные методы - линейный и нелинейный метод наименьших квадратов, полный и условный метод максимального правдоподобия, метод моментов и т.д.
Тестирование адекватности основано на анализе тестовых статистик и статистической поверке гипотез относительно параметров тестируемой модели. Для адекватной модели оценки параметров модели являются статистически значимыми, а остатки построенной модели должны описываться процессом «белого шума», т.е. быть некоррелированными.
Иногда прогнозирование осуществляют несколькими методами, и окончательно метод выбирают после сравнения достоверности оценок различными методами. Прогнозы сравнивают, например, с применением метода ретроспективного анализа и обучающей выборки.
В соответствии с первым методом сравнивают расчетные и эмпирические величины. В соответствии с методом обучающей выборки исходные данные делят на обучающую и контрольную выборку и сравнивают результаты, полученные с применением первой и второй выборки.
Для оценки степени достоверности прогнозов используют различные критерии достоверности. Простейшими из них являются средняя абсолютная ошибка прогноза, средняя относительная ошибка прогноза, средний квадрат ошибки прогноза, дисперсия ошибки прогноза. Обычно для оценки достоверности прогноза используют несколько критериев, чтобы оценить различные свойства модели.
12.4.3. Для нестационарных временных рядов характерно изменение с течением времени вероятностных характеристик - математического ожидания, дисперсии, автоковариационной и автокорреляционной функции.
В наших задачах различают временные ряды, нестационарные по среднему значению и по дисперсии.
Временной ряд является нестационарным по среднему значению, если его математическое ожидание изменяется во времени в соответствии с некоторым детерминированным или вероятностным законом. В этом случае считают, что временной ряд содержит детерминированный или стохастический тренд. Для описания таких временных рядов используют два класса моделей:
модели временных рядов с детерминированным трендом, т.е. модели с трендом в виде детерминированной функции времени;
модели интегрированных временных рядов в общем случае в виде модели авторегрессии интегрированного скользящего среднего.
Если дисперсия рассматриваемой переменной также зависит от времени, то ряд называют нестационарным по дисперсии. Такие временные ряды также описывают двумя классами моделей - с условной и безусловной неоднородностью. Эффекты безусловной неоднородности часто смягчают или устраняют путем подходящих функциональных преобразований. Наибольшее значение имеют временные ряды с условной неоднородностью.
Рассмотрим для примера более подробно одну из простых моделей - модель нестационарного временного ряда с детерминированным трендом.
Такую модель можно представить в следующем виде:
,, (12.2)
где - детерминированная функция времениили так называемая функция тренда, заданная с точностью до параметров коэффициентов регрессии;- случайные ошибки наблюдения: описываемые случайным стационарным процессом с нулевым средним значением.
Таким образом, под детерминированным трендом понимают изменение во времени среднего значения временного ряда в соответствии с детерминированным законом в виде функции . Детерминированные тренды выражают основную закономерность (тенденцию) функционирования рассматриваемого процесса.
Построение прогноза на основе модели с детерминированным трендом включает процедуру выделения тренда и проверку модельных предположений относительно случайной ошибки наблюдения на основе анализа остатков.
Наиболее часто функцию считают полиномом степениравным или больше единицы. Тогда модель временного ряда с детерминированным полиномиальным трендом (12.2) принимает вид:
,, (12.3)
Выражение (12.3) можно рассматривать как модель множественной линейной регрессии относительно факторов :
,, (12.4)
При таком виде регрессии для выделения полиномиального тренда применяют линейный метод наименьших квадратов.
Для нелинейных функций тренда, допускающих линеаризацию путем функциональных преобразований, также применяют линейный метод наименьших квадратов по отношению к преобразованному временном ряду. В противном случае используют нелинейный метод наименьших квадратов.
Для анализа адекватности модели используют стандартный набор тестовых статистик для оценки значимости коэффициентов регрессии и адекватности модели в целом; для проверки предположения о том, что остатки являются «белым шумом»; для выбора наиболее экономичной модели. Для оценки адекватности регрессионных моделей наиболее часто применяют традиционные методы анализа:
дисперсионный анализ регрессионных моделей;
проверка гипотез о значениях коэффициентов регрессии;
проверка гипотез о значимости коэффициентов регрессии;
проверка гипотез об адекватности модели в целом.
12.4.4. Во многих случаях нестационарные временные ряды можно преобразовать в стационарные с помощью метода наименьших квадратов. Такие ряды называют стационарными относительно тренда.
Существует также тип нестационарных временных рядов, которые приводят к стационарному виду путем применения к временному ряду метода последовательного вычисления разностей определенного порядка, т.е. его дифференцированием. Такие временные ряды называют стационарными относительно взятия разностей, или интегрированными временными рядами. Такие ряды входят в широкий класс моделей интегрированных временных рядов, который известен как класс моделей авторегрессии интегрированного скользящего среднего.
12.4.5. Часто модели нестационарного временного ряда с детерминированным трендом, как и другие модели, не соответствуют статистическим данным. В этом случае статистические оценки параметров модели, а, следовательно, и основанные на них прогнозы теряют оптимальные свойства, например, становятся смещенными и неэффективными. Известны методы для оценки наиболее часто встречающихся нарушений модельных предположений и устранения этих нарушений.
12.4.5. Временные ряды можно использовать для прогнозирования многих показателей систем управления ловом, промыслом и рыболовством - запаса, допустимого улова, допустимой интенсивности промысла, пополнения и т.д. Одним из основных условий успешного применения этого метода для прогнозирования является наличие длительных и достоверных данных об исследуемых показателях. Важно, что метод позволяет не только оценить прогнозную величину, но и определить ошибку оценки прогнозной величины.
12.4.6. Прогнозирование состояния запасов и рыболовства, а также решение других задач теории рыболовства с применением временных рядов, имеет большие перспективы. Пока оно сдерживается недостаточной математической подготовкой многих специалистов, работающих в области рыболовства, а также низким качеством необходимого экспериментального и статистического материала.