سید احمد رضا هاشمی - Offshore Fisheries Research Center, Iranian Fisheries Science Research Institute, Agricultural Research, Education and Extension Organization (AREEO), Chabahar, Iran.
محمد رضا میرزایی - Offshore fisheries research center(chabahar). Iranian Fisheries Science Research Institute, Agricultural Research, Education and Extension Organization.

هدف از این مطالعه، توسعه چارچوبی است که از روش های مختلف پیش بینی استفاده کرده و بهترین گزینه را با حداقل خطاهای احتمالی پیش بینی می کند تا برداشت از ذخایر ماهی یال اسبی در خلیج فارس و دریای عمان را پیش بینی کند. در این تحقیق، یازده روش پیش بینی مختلف شامل روش تجزیه (چندگانه و تجمعی)، میانگین متحرک، هموارسازی تصاعدی (تکی و جفتی)، روند آنالیز (خطی، تصاعدی، درجه دو و منحنی شکل)، روش وینتر (چندگانه و تجمعی) جهت پیش بینی روند تغییرات ماهی یال اسبی انجام گرفت. نتایج حاصل از مدل آنالیز روند درجه دو (MAPE = ۲.۷۷، MAD = ۰.۱۰,،MSD = ۰.۰۱,) بهتر از سایر مدل ها پیش بینی غیرترکیبی بر اساس مقادیر خطای کمتر بود و در نهایت پیش بینی در مدت پنج سال با استفاده از همان مدل انجام شد. مدل های پیش بینی ترکیبی مختلف اریما (ARIMA, (p , d, q)) بر اساس شاخص BIC, AIC امتحان شد و اریما مدل (۰و۱و۱) بهترین تناسب را با روند تغییرات ماهی یال اسبی در آب های ساحلی جنوب کشور داشت. به نظر می رسد مدل پیش بینی ترکیبی بهتر از مدل پیش بینی غیرترکیبی، بازگوکننده آینده باشند و اعداد پیش بینی آن، نشان دهنده نوسانات صید کم این گونه در آب های جنوب کشور است.

ARIMA, Catch, Largehead hairtail, prediction model, روش وینتر, صید, ماهی یال اسبی, ARIMA