автореферат диссертации по технологии продовольственных продуктов, 05.18.17, диссертация на тему:Анализ динамики численности промысловой рыбной популяции с учетом параметров рыболовства

Введение

ГЛАВА I Обзор математических методов моделирования воспроизводства морских рыбных запасов ••••••••••

§ I. Основные параметры рыболовства.

П.1.1. Интенсивность рыболовства

11.1.2. Селективность рыболовства

П.1,3. Эффективность рыболовства

§ 2. Основные параметры,рыбных популяций и методы их определения •,••.•.•••••.••••••••••.••••••••.••••••• Ш

П.2.1. Рост

П.2.2. Естественная и промысловая смертность .,.

П.2.3. Пополнение

§ 3. Моделирование рыбных популяций

§ 4. Детерминированные. математические, модели. с .независимым пополнением •••••••.

§ 5. Детерминированные математические модели с обратной связью между численностью популяции и пополнением

§ 6. Детерминированные дискретные.модели (или кибернетические модели) .^

§ 7. Модели с многими популяциями рыб, в которых одновременно моделируются две или более популяций рыб

§ 8. Модели с учетом изменяющейся окружающей среды •••• к

§9. Саморегуляция рыбных популяций

- 3

ГЛАВА П

Матричная модель динамики численности необла вливаемой саморегулирующейся рыбной популяции. 1/

§ I. Рыбная популяция как саморегулирующаяся. биологическая система.».*.,

§ 2. Матричная модель саморегулирующейся рыбной популяции.

§ 3. Пополнение рыбной популяции в матричной модели.^

§ 4. Естественная выживаемость в матричной модели рыбной поцуляции .^

§ 5. Исследование матричной модели на устойчивость состояний.

§ 6. Связь матричной модели с непрерывной моделью необлавливаемой рыбной популяции . W

ГЛАВА Ш

Матричная модель динамики численности облавливаемой саморегулирующейся рыбной популяции.

§ I. Промысловая смертность и общая выживаемость.

Моделирование уловов.М

§ 2. Параметры матричной модели облавливаемой рыбной популяции. ^

§ Я. Связь общего, промыслового и экспериментального уловов .#

§ 4. Прогнозирование экспериментальных, общих и промысловых уловов и состояний популяции по экспериментальным уловам, распределенным по возрастным группам. ^

§ 5. Прогноз состояний популяции и относительных уловов от отдельных частей популяции по экспериментальным уловам, распределенным по возрастным группам. М

§ 6. Прогноз состояний популяции и уловов по суммарным уловам.

§ 7. Прогноз абсолютных уловов.

§ 8. Связь коэффициента промысловой смертности с числом судов. w]

§ 9. Связь матричной модели с непрерывной моделью облавливаемой рыбной популяции

ГЛАВА 1У

Определение параметров матричной модели рибной популяции

§ I. Задачи математического программирования для определения параметров матричной модели рыбной популяции

§ 2. Метод случайного поиска для определения параметров модели рыбной поцуляции

§ 3. Определение параметров рыболовства с помощью матричной модели рыбной поцуляции.

§ 4. Числовой пример расчета параметтэов динамики популяции и промысла

§ 5* Постановка задачи и математическая шдель расстановки рыболовных комплексов по районам промысла.

§ 6. Определение суточных норм вылова дабы рыболовными комплексами по районам лова

ОСЮБНКЕ РЕЗУЛЬТАТЫ. 172

ПРЙЯОЖЕНЙЕ Т.П

ОСЮВНЫЕ РЕЗУЛЬТАТЫ

1. Установлена матричная модель необлавливаемой саморегулирующейся рыбной популяции» Саморегулирование популяции в этой модели осуществляется по двум каналам: путем регулирования пополнения и выживаемости. Поэтому условия саморегулирования популяции учтены путем задания функциональных зависимостей пополнения и выживаемости от численности популяции в целом и физиологических особенностей отдельных возрастных групп. Найдены выражения для пополнения и выживаемости. Рассмотрен способ исследования на устойчивость модели.

2. Установлена матричная модель облавливаемой саморегулирующейся рыбной популяции. Найдена форма коэффициента полной выживаемости,определены для матричной модели коэффициенты промысловых смертностей возрастных групп, определены выражения для абсолютных и относительных уловов, установлены собственные параметры матричной модели рыбной популяции и параметры рыболовства. Рассмотрен способ определения собственных параметров матричной модели рыбной популяции для конкретной облавливаемой популяции.

3. Так как в действительности мы часто не знаем весь улов от популяции, то в диссертации рассмотрены условия и способы определения параметров матричной модели рыбной популяции по уловам от любой части популяции, распределенным по возрастным группам или суммарным уловам.

4. Г&ссмотрены алгоритмы, с помощью которых можно получить прогнозы абсолютных уловов, как распределенных по возрастным группам, так и суммарные, в зависимости от вида входной информации об уловах.

5. В диссертации установлены, исходя из матричной модели рыбной популяции, расчетные формулы для параметров рыболовства.

6. Задача определения собственных параметров облавливаемой саморегулирующейся рыбной популяции в диссертации сводится к решению задач математического программирования. Сформулировано восемь задач математического программирования. Для решения этих задач применен метод случайного поиска с пересчетом. Так как неизвестно, является ли целевая функция одноэкстремальной, то была введена проверка найденного локального решения на глобальность. Приведена общая блок-схема решения и составлена процедура " ГОИСК " на АЛГ0Л-60, реализующая данный метод.

7. Разработана методика " Определение параметров рыболовства и среднесуточных нагрузок с помоц^ью матричной модели рыбной популяции " . По предложенной методике проводились расчеты на ЭВМ по определению состояний популяции, параметров рыболовства, возможных выловов и средних суточных норм вылова для популяций трески, пикши, зубатки, морского окуня, сайды, сайки, ставриды, скумбрии и др. для районов промысла СБА, СЗА, ЮВА для рыболовных комплексов типа ППР, БМРГ, FTM, СРТМ, СРТР, С FT и др. Данные о выловах, о типах судов и число судосуток лова брались из статистических сведений об уловах СССР в указанных районах.

8. Установлена связь между непрерывной моделью рыбной популяции, динамика численности в которой описывается диф

- iM ференциальными уравнениями и матричной моделью рыбной популяции.

9. Разработанная матричная модель саморегулирующейся рыбной популяции и алгоритмы определения параметров этой модели переданы в ТИНГО для практического использования. Разработанная методика "Определение параметров рыболовства и среднесуточных нагрузок с помощью матричной модели рыбной популяции" переданы в Запрыбпромразведку. Методика служит основой для расчета норм вылова в задаче "Планирование оптимальной расстановки флота по районам промысла и периодам времени", которая выполнялась в Калининградском госуниверситете для предприятий Калининградской базы тралового флота, Каспребхолодфлота и Находскинской базы активного морского рыболовства.

Приаогкение /. Процедура исслedo Вания матрм^ои модели рыоной популяции на устойчивость. procedure cssleo! (/? т, М, р, х, jL / psl, ha, hA, 01, А/,

A2,B2.,S); integer пп1,М>р • array xjlspsl; real hathA)alAiaZJ2,B2lS]

Begin real he>,B>,a,A,r; Integer LJ; £ora:=Q2.}ha while a^a-f do jon A : ~AZ, hA While A^AJ do

Begin hB:=fO,125~B2)/f7l; o£B: = B2,hB While E>^0ti25xA dJL ■for j: s i step i untel M oiO &e<jin S: = 0; faс i- = f step 1 until n do

S: = S + x[iJ; r: = o-t or i: = P step 1 until n do r: = r + axSxexp(-s)xji[L~]* x[lJ ; £or i: = n-1 step- 1 until 1 do x[i + l]'- = (A * В *S)* psif i]* x [ij; х[1]:=г ; s: = 0; fori i : =■ 1 Step 1 until n OtО

S:=S+*[i J ; comment Здесь нужно

Выводить на печать состояния популяции и суммарную относител&нун?Se/)u</utfу численности end end end issled;

При/fo^re/yu-e. 2L

Процедура. pe.tue.HuSL ^а^ач М ojreMci тиче-ского про г ранни pt>(> си ни SI. pzoceduze. Poisn (rt, mi, m2, tl ,±2 , И, нм, hw , a ,8 , Г f fy t firiisi); Label finis, i; inte^eJz n , Ml , M2 ; zoaZ tl , ±2; aruzcuj X", H, HJS, HW, a ,8 ; ЬосгСешь ръоагсЬмш F ; leal jywazduzz^ bajitb иъЬаут. i, j }к. ; Tzat c^L , и L t ul 2 ; оииъсщ Dx.,Lj [/.-/г]; pwcedwte. Scuj (Zb/klfk2/ n.,K,t); LnJU^oi n , K; vmL t; anrwuj К , hi, (ъ2 ; едьгъ Lrit&cje/i i ;

К.: =О ; fob i : = i stop i until n do if k CO >/ti Ш x t Л /lCH < h2ZLlxt Шегь klij : = /tCH/t e&e едиъ if t>i -then, h, CL~]- = k2 Ш e&e

A.CO-' = /li Ш ; к - = K^i end

End процедура служит для изменения рабочено шага вектора Н ; f&2al pwcecUvLa Z ; геа£ t ,t I ; t: = LLl+LL2.; LLi : = U2. ; if t ? b tkeib t:=t-4

U2.: = t ; ti : t/4 ; Z: - tl x2-l Qibd генератор случайных чисел; рюсехЛшьг Zl • :-I; pzocedjMLtz fozmiz (tir X , 1С , , £ , a , £, /l , ); intzqui n ; auutcuj ,a, b, k; гш1 pwceduJuz 1 ; boolean [ULOcedww f (Mxl-L tc ; fieyirh uxhxjw. i ; foz i : = 1 StQp I untct П do бедш, = * ZiJ + h.ZQ ; if у Zi] < aCO V yLLl>6zil then Cjo to tC tnd ; tflf(y) -then, goto tt end процедура служит для формирования вектора х и проверки ограничений; Z jngcedum ргоыепка (j ,t, R. , R.I, R.Z); Lniegez j, м ; геа£ t; Laid R.,Ri,*2; begin if j« м then go to R. • Souy ( H,HJ/, HW, a, K, t) ; if к<п then go to R.1 xtsz goto R2 end процедура служит для проверки выхода из тупика и достижения вектором И нижней и верхней границ; pwceduna SKZutujCL (j ,м ,t, р f Я1 tR2) ; Lntecjui j,M; геа£ t ; La£el P, (11,(12; ггь

R:J: ftyunii (n,x,y ,F ,2,а,ё,н ,рг); goto P ; pz: ръошагна (j, м, t,R , R1 , R2) met процедура служит для уменьшения и увеличения вектора И ;

U 1 • ~3.M1592.65 ; U2 : = 0.5Ь2101Ш ;

Ml : SKiutKCL (jt Mi ,-ii ; pwd, ма , Ha) • Ha : j: = o

Ft ■ stciubta (j,M2, t2, pzod , Hcl , fines i) • comment здесь происходит поиск первого допустимого решения; pzod: = ; Sa,:j:*o ;

Si : SUZLCbUL (j, Ml,tl , Sa , La) ;

M2 : pzouJezKd (j, Mi,tl, SI , Sa , la)

Mb: if fyl^fydj) then goto jJ2) j/lj:fozi: = L dap i Ltnict n do Doc CiJ -хШ; рои/: : "frfy) ; yb^ = 1 step i until гь do эсСО : Ш ; foirrwi ( n, Фос, у, F Zi ta,6, H, M2); tom.mo.rd Если найдено лучшее решение, то следующая точка выбирается в этом же направлении;

If fyl - fydj) then <jo to Sa else, go to poW •

La:

Li ■ SfCztAKCL (j, M2,t2l t&, La, , finis 2); Lt • prwuJe.ruccL (jt M2f t2t ii, ta , finis 2) ; L6 if tfb&b go to Cc else ср> to ; comment Метка finis1 , когда задача не имеет решение; f inis 2: comment решение задачи end poisn j