MétaCan
Menu
Retour à la cohorte
Enregistrement W2057443480 · doi:10.1111/fme.12080

Improved estimation and forecasts of stock maturities using generalised linear mixed models with auto‐correlated random effects

2014· article· en· W2057443480 sur OpenAlexafffund
Noel G. Cadigan, M. J. Morgan, John Brattey

Notice bibliographique

RevueFisheries Management and Ecology · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensFisheries and Oceans CanadaMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMemorial University of Newfoundland
Mots-clésGadusEconometricsStatisticsEstimationBinomial distributionNegative binomial distributionMathematicsStock (firearms)PopulationFisheryGeographyBiologyDemographyEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract Estimation of proportion mature‐at‐age is an important component of the estimation of stock productivity. Current methods estimate maturity‐at‐age in each year or cohort independently. However, cohorts that are alive in the population at the same time are expected to experience similar conditions and therefore have similar maturity trajectories. Methods to take advantage of this information using binomial time series models with over‐dispersion are presented to improve the estimation of maturity‐at‐age, with applications to example populations of Atlantic cod, Gadus morhua Linnaeus, and American plaice, Hippoglossoides platessoides (Fabricius). An auto‐correlated beta‐binomial model fit the data well compared to other models investigated and improved forecasts of maturities for both populations. Use of an auto‐correlated beta‐binomial model should lead to improvements in projections of stock status and, hence, improvements in fisheries management advice.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,930
Score d'incertitude au seuil0,443

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,011
Tête enseignante GPT0,203
Écart entre enseignants0,192 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFisheries Management and EcologyMême sujetMarine and fisheries researchTravaux en français237 207