...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Oceanographic Literature Review >Nekton
【24h】

Nekton

机译：尼克尔顿

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Analysis of length frequency distributions from surveys is one well-known method for obtaining growth parameter estimates where direct age estimates are not available. We present a likelihood-based procedure that uses mixture models and the expectation-maximization algorithm to estimate growth parameters from length frequency data (LFEM). A basic LFEM model estimates a single set of growth parameters that produce one set of component means and standard deviations that best fits length frequency distributions over all years and surveys. The hierarchical extension incorporates bivariate random effects into the model. A hierarchical framework enables inter-annual or inter-cohort variation in some of the growth parameters to be modelled, thereby accommodating some of the natural variation that occurs in fish growth. Testing on two fish species, haddock (Melanogrammus aeglefinus) and white-bellied anglerfish (Lo-phius piscatorius), we were able to obtain reasonable estimates of growth parameters, as well as successfully model growth variability. Estimated growth parameters showed some sensitivity to the starting values and occasionally failed to converge on biologically realistic values. This was dealt with through model selection and was partly addressed by the addition of the hierarchical extension.
机译：来自调查的长度频率分布的分析是获得不可用的直接年龄估计的增长参数估计的一种公知方法。我们提出了一种基于可能性的过程，它使用混合模型和期望最大化算法来估计长度频率数据（LFEM）的增长参数。基本LFEM模型估计一组生长参数，产生一组组件装置和标准偏差，最符合长度频率分布和调查。分层扩展将双变量随机效应融入模型中。分层框架使得在一些待建模的一些生长参数中能够年度或群组间变化，从而容纳在鱼类生长中发生的一些自然变化。在两种鱼类上进行测试，海豚（Melanographmus Aeglefinus）和白腹狂热鱼（Lo-Phius Piscatorius），我们能够获得合理的增长参数估计，以及成功模型的增长变异性。估计的增长参数对起始值表现出一些敏感性，并且偶尔会收敛于生物学现实值。这通过模型选择处理，并通过添加分层扩展部分解决了部分解决。

著录项

  • 来源
    《Oceanographic Literature Review》 |2020年第6期|1261-1263|共3页
  • 作者

  • 作者单位
  • 收录信息
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号