Трехлетнее «скользящее среднее значение» часто используется, чтобы сгладить ежегодные неисправности в результатах обзора, но этот подход никогда не оценивался. Брайан Гербер из Университета штата Колорадо и Уильям Кендалл из американской Геологической службы оценили, были ли ежегодные изменения населения, о которых сообщают эти скользящие средние значения, реалистичны, на основе того, что известно о демографии подъемного крана, и как они по сравнению с результатами более сложного статистического подхода, названного иерархической моделью временного ряда Bayesian. Они нашли это, в то время как оценки численности населения скользящего среднего значения были разумны, более сложный метод, выполненный лучше по большому количеству сценариев.
Байесовские подходы предлагают структурированный способ включить новую информацию, поскольку это становится доступным. «Основанный на модели подход, на который мы смотрели, очень гибок и имеет некоторые главные преимущества перед другими методами», говорит Гербер. «Беря Байесовский подход, мы можем включать дополнительную информацию и о процессе наблюдения и об истинном населении, чтобы получить более реалистические оценки и предсказания. Кроме того, основанный на модели подход включает меры неуверенности по поводу наших оценок численности населения, которые обычно не обеспечиваются большим количеством общих подходов и крайне важны для понимания уровня уверенности, которую мы имеем о наших оценках».Данные свидетельствуют, что практика управления за прошлые двадцать лет в основном достигла ежегодных целей населения для Горной популяции Канадских журавлей Рокки. «Ожидание», добавляет Гербер, «менеджеры могут все еще интересоваться принятием нашего более прочного подхода моделирования из-за его гибкой структуры, которая делает осуществление любых изменений относящимся к обзору легче».
Инвестиции в сбор этих долгосрочных данных могут окупиться не только для управления подъемным краном, но и для прогресса в методах, которые могут быть применены к другим разновидностям также.