+
Действующая цена700 499 руб.
Товаров:
На сумму:

Электронная библиотека диссертаций

Доставка любой диссертации в формате PDF и WORD за 499 руб. на e-mail - 20 мин. 800 000 наименований диссертаций и авторефератов. Все авторефераты диссертаций - БЕСПЛАТНО

Расширенный поиск

Системы запас-промысел и оценка их параметров при дефиците информации

  • Автор:

    Васильев, Дмитрий Александрович

  • Шифр специальности:

    05.18.17

  • Научная степень:

    Докторская

  • Год защиты:

    2000

  • Место защиты:

    Москва

  • Количество страниц:

    350 с. : ил

  • Стоимость:

    700 р.

    499 руб.

до окончания действия скидки
00
00
00
00
+
Наш сайт выгодно отличается тем что при покупке, кроме PDF версии Вы в подарок получаете работу преобразованную в WORD - документ и это предоставляет качественно другие возможности при работе с документом
Страницы оглавления работы

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
ГЛАВА 1. ОЦЕНКА ПАРАМЕТРОВ ОДНОВИДОВЫХ СИСТЕМ ЗАПАС-ПРОМЫСЕЛ
1.1. Введение
1.2. Детерминистские когортные модели
1.3. Стохастические когортные модели
1.4. Проблема оценки терминальных коэффициентов промысловой смертности
1.5. Когортные модели и дополнительная информация
1.6. Сепарабельные когортные модели
1.7. Аспекты организации вычислительных процедур оценки параметров когортных моделей
1.7.1. Выбор целевой функции
1.7.2. Устойчивость моделей. Робастные процедуры и статистики
1.8. Оценка коэффициента естественной смертности в когортных моделях
1.9. Проблема неопределенности в оценках параметров системы запас-промысел
1.10. Выводы
ГЛАВА 2. ОДНОВИДОВЫЕ МОДЕЛИ ГРУППЫ 18УРА
2.1. Введение
2.2. Основные соотношения
2.3. Оценка параметров модели
2.4. Ошибки в данных и выбор целевой функции
2.4.1. Медианная минимизация
2.4.2. Межитерационная фильтрация
2.4.3. Выбор процедуры минимизации относительно (/„, М)
2.5. Учет нулевых уловов
2.6. Иные варианты процедур оценки параметров
2.6.1. Внутриитерационная оценка М
2.6.2. “Прямая” оценка параметров модели ЫУРА
2.7. Оценка доверительных интервалов
2.8. Общая схема вычислений с использованием модели 1БУРА
ГЛАВА 3. ТЕСТИРОВАНИЕ МОДЕЛИ 1БУРА И ЕЕ ВЫЧИСЛИТЕЛЬНЫХ ПРОЦЕДУР
3.1. Данные для тестирования
3.2. Результаты тестирования
3.2.1. Результаты тестирования модели с использованием данных, содержащих только ошибку измерения
3.2.2. Результаты тестирования модели с использованием данных, содержащих комплексную ошибку
3.2.3. Роль межитерационной фильтрации в итеративных процедурах
3.2.4. Предварительная фильтрация матрицы уловов
3.2.5. Оценка неопределенности в результатах
3.3. Выводы
ГЛАВА 4. ОСОБЕННОСТИ ОЦЕНКИ ПАРАМЕТРОВ СИСТЕМЫ ЗАПАС-ПРОМЫСЕЛ НЕКОТОРЫХ ВАЖНЫХ ОБЪЕКТОВ ПРОМЫСЛА
4.1. Оценка величины западного запаса скумбрии СВА с использованием модели 18УРА
4.1.1. Характеристика объекта и промысла
4.1.2. Подход к оценке величины западного запаса скумбрии, применяющийся в рабочей группой ИКЕС
4.1.3. Результаты применения 18УРА
4.1.4. Выводы
4.2. Оценка состояния западноберинговоморского и восточнокамчатского запасов минтая

4.2.1. Характеристика объектов и промысла
4.2.2. Оценка состояния западноберинговоморснкого и восточнокамчатского запасов минтая с использованием модели ІБУРА
4.2.3. Выводы
4.3. Оценка запасов объектов со специфическим режимом промысла на примере волжского осетра
4.3.1. Введение
4.3.2. Характеристика объекта и режима промысла
4.3.3. Метод оценки величины запаса и ОДУ волжского осетра
4.3.3.1. Сепарабельная когортная модель с переменным шагом
4.3.3.2. Определение возрастного распределения межпромысловых интервалов
4.3.4. Результаты
4.3.5. Выводы
4.4. Заключение
ГЛАВА 5. МОДЕЛИРОВАНИЕ МНОГОВИДОВЫХ СИСТЕМ ЗАПАС-ПРОМЫСЕЛ
5.1. Задачи многовидового моделирования и многовидовые модели
5.2. Модель многовидового анализа виртуальных
популяций (МБУРА)
5.2.1. Процедура оценки параметров модели МБУРА
5.2.2.Проблемы информационного обеспечения модели МБУРА
5.3. Выводы
ГЛАВА 6. УТОЧНЕНИЕ ОЦЕНОК ВХОДНЫХ ПАРАМЕТРОВ МОДЕЛИ МБУРА
6.1. Предварительная обработка базы данных по питанию
6.2. Оценка среднего веса и состава пищи в желудках
6.3. Экстраполяционно-интерполяционное восполнение и коррекция данных по общему весу и составу пищи в желудках

для одного из флотов, включенных в модель, постоянен для всех возрастных групп, старше некоторой. При этом значение q для старшей возрастной группы будет совпадать со значением q для предыдущей возрастной группы.
Было предложено также использовать геометрическое среднее оценок q для некоторого интервала возрастных групп в качестве оценки коэффициента улавливаемости для старшей возрастной группы (Anon., 1999). Эксперименты с реальными и модельными данными показали, что такой прием заметно повышает устойчивость оценок, полученных с использованием модели XSA.
В практике рабочих групп ИКЕС при использовании модели XSA “+-группы” часто исключаются из процедуры оценки параметров модели. После получения оценок численности и промысловой смертности для всех “действительных” возрастных групп, в анализ включаются “+-группы” с использованием некоторого заданного соотношения между значением F для старшей “действительной” возрастной группы и значением F для “+-группы”. Другой способ “привязки” “+-группы” к результатам применения когортных моделей, полученных без ее использования, состоит в следующем. Старшая “действительная” возрастная группа рассматривается в качестве “пополнения” для “+-группы”, которая рассматривается в качестве “популяции”. Это позволяет использовать известные приемы моделирования двухкомпонентных систем (Collie and Sissenwine, 1983; Conser, 1991).
Важно отметить, что в некоторых вариантах алгоритмов когортных моделей с настройкой, некоторые из которых используются и в настоящее время, включая и модель XSA, статистический смысл решения не всегда ясен. Это связано с особенностями организации процедуры оценки параметров модели: расчеты часто ограничиваются

Рекомендуемые диссертации данного раздела

Время генерации: 0.267, запросов: 967