Результаты использования климато-океанологических предикторов для модели случайного леса (Random Forest) в целях прогнозирования динамики численности подходов горбуши Западной Камчатки

Совершенствование прогнозирования подходов горбуши является одной из наиболее актуальных проблем управления лососевыми запасами Камчатки. Перспективным методом прогнозирования представляется алгоритм случайного леса деревьев решений (Random Forest) с использованием итеративного отбора наиболее значимых климато-океанологических предикторов. Определены три достоверно влияющих предиктора для модели случайного леса. Ошибка прогноза при этом составила 28%. Для верификации полученных результатов использованы альтернативные методы отбора наилучших признаков. Полученные результаты показали возможность использования исследуемых климато-океанологических предикторов для моделирования прогнозов динамики численности горбуши Западной Камчатки.

1. Бугаев А.В., Тепнин О.Б. 2015. Продуктивность тихоокеанских лососей: влияние термических условий вод в период первой зимы в бассейне Северной Пацифики // Тр. ВНИРО. Т. 158. С. 89– 111.

2. Бугаев А.В., Тепнин О.Б., Радченко В.И. 2018. Климатическая изменчивость и продуктивность тихоокеанских лососей Дальнего Востока России // Исслед. водн. биол. ресурсов Камчатки и сев.-зап. части Тихого океана. Вып. 49. С. 5–50.

3. Бугаев А.В., Фельдман М.Г., Тепнин О.Б., Коваль М.В. 2021. Аномалии температуры поверхности воды в западной части Северной Пацифики — потенциальный климатический предиктор прогнозирования тихоокеанских лососей Камчатки // Вопр. рыболовства. Т. 22. № 4. С. 46–62.

4. Фельдман М.Г. 2020. Использование метода Random Forest в целях прогнозирования подходов горбуши северо-востока Камчатки // Исслед. водн. биол. ресурсов Камчатки и сев.-зап. части Тихого океана. Вып. 59. С. 76–96.

5. Фельдман М.Г., Бугаев А.В. 2021. Современные принципы управления запасами горбуши Oncorhynchus gorbuscha Камчатского края (динамика численности, прогнозирование, регулирование промысла) // Вопр. рыболовства. Т. 22. № 4. С. 86–95.

6. Фельдман М.Г., Шевляков Е.А. 2015. Выживаемость камчатской горбуши как результат совокупного воздействия плотностной регуляции и внешних факторов среды // Изв. ТИНРО. Т. 182. С. 88–114.

7. Фельдман М.Г., Шевляков Е.А., Артюхина Н.Б. 2019. Оценка ориентиров пропуска в реки Западной Камчатки // Исслед. водн. биол. ресурсов Камчатки и сев.-зап. части Тихого океана. Вып. 52. С. 50–78.

8. Breiman L. 2001. Random Forest // Machine learning. Vol. 45 (1). P. 5–32. Kursa M. 2020. Boruta for those in a hurry. Electronic article. 6 p. (https://cran.r-project.org/web/ packages/Boruta/vignettes/inahurry.pdf)

9. Kursa M., Rudnicki W. 2010. Feature Selection with the Boruta Package // Journal of Statistical Software. Vol. 36 (11). P. 2–12.

10. Linkin M.E., Nigam S. 2008. The North Pacific Oscillation – West Pacific Teleconnection Pattern: Mature – Phase Structure and Winter Impacts // Journal of Climate. Vol. 21 (9). P. 1979–1997.

11. Mantua N., Hare S., Zhang Y., Wallace J., Francis R.A. 1997. Pacific interdecadal climate oscillation with impacts on salmon production, Bull. Amer. Meteor. Soc. № 78. P. 1069–1079.

12. Mantua N.J., Hare S.R. 2002. The Pacific Decadal Oscillation // Journal of Oceanography. Vol. 58. P. 35–44.

13. Thompson D.W.J., Wallace J.M. 1998. The Arctic Oscillation signature in the wintertime geopotential height and temperature fields // Geophysical Research Letters. № 25. P. 1297–1300.