کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6385170 1626786 2016 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Evaluation of the prediction skill of stock assessment using hindcasting
ترجمه فارسی عنوان
ارزیابی مهارت پیش بینی ارزیابی سهام با استفاده از برنامه ارزیابی
کلمات کلیدی
شاخص های فراوانی، اعتبار سنجی متقابل، پروژکتور تجزیه و تحلیل مجدد، ارزیابی سهام، نمودار تیلور،
ترجمه چکیده
عدم قطعیت عمده ای در ارزیابی سهام، تفاوت بین مدل ها و واقعیت ها است. با این وجود اعتبار پیش بینی مدل دشوار است، زیرا به ندرت مشاهده می شود و شمارش می شود. بنابراین ما نشان می دهیم چگونه اعتبار سنجی ارزیابی و مدل بدون ارزیابی می تواند برای ارزیابی چندین معیار مهارت پیش بینی استفاده شود. در یک عقب، یک مدل برای قسمت اول یک سری زمانی نصب شده است و سپس در طول دوره ای که در متن اصلی قرار دارد پیش بینی شده است. سپس با مقایسه پیش بینی های پیش بینی با مشاهدات، می توان پیش بینی مهارت را ارزیابی کرد. ما نشان می دهد که عدم اطمینان افزایش می یابد زمانی که مجموعه داده ها و فرضیه های مختلف در نظر گرفته شد، به خصوص به عنوان مجموعه ای از پارامترهای مدل مدل به حساسیت به فرضیه های مدل. با استفاده از اعتبار سنجی پیش فرض و بدون مدل برای ارزیابی مهارت پیش بینی یک روش عینی برای ارزیابی ریسک است، به عنوان مثال، برای شناسایی عدم اطمینان که مهم است. یک پیش بینی نیز یک جایگزین عملی برای دید عقب، بدون خطرات مرتبط است. در حالیکه استفاده از اقدامات چندگانه در ارزیابی مهارت پیش بینی کمک می کند و تمرکز بر تحقیق بر روی داده ها و فرایندهایی که آنها را تولید می کند.
موضوعات مرتبط
علوم زیستی و بیوفناوری علوم کشاورزی و بیولوژیک علوم آبزیان
چکیده انگلیسی
A major uncertainty in stock assessment is the difference between models and reality. The validation of model prediction is difficult, however, as fish stocks can rarely be observed and counted. We therefore show how hindcasting and model-free validation can be used to evaluate multiple measures of prediction skill. In a hindcast a model is fitted to the first part of a time series and then projected over the period omitted in the original fit. Prediction skill can then be evaluated by comparing the predictions from the projection with the observations. We show that uncertainty increased when different datasets and hypotheses were considered, especially as time-series of model-derived parameters were sensitive to model assumptions. Using hindcasting and model-free validation to evaluate prediction skill is an objective way to evaluate risk, i.e., to identify the uncertainties that matter. A hindcast is also a pragmatic alternative to hindsight, without the associated risks. While the use of multiple measures helps in evaluating prediction skill and to focus research onto the data and the processes that generated them.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Fisheries Research - Volume 183, November 2016, Pages 119-127
نویسندگان
, , ,