本论文应用蒙特卡罗模拟技术对国内外应用最广泛的两种体长频数分析法ELEFAN(electronic length-frequency analysis)和SLCA(Shepherd’s length-composition analysis)在不同生物特性和渔业条件下的模拟渔业的评估效果作了系统的研究和分析,并对两种真实渔业的资源状况进行了评估分析。由于生长参数K与极限体长L∞有很高的负相关性,因此本文通过比较总生长特征φ的相对误差以评估这两种方法的准确性与稳定性。由本研究分析的12组不同的渔业模拟数据的体长频数波峰图可以看出,模拟渔业种群的生长参数K越大,极限体长L∞越大,则体长频数形成的波峰越明显,波峰叠加程度指数越小。因此推断出对于生长速度较快的大型种群,体长频数分析法的估计效果较好。应用ELEFAN和SLCA对这12组渔业模拟体长频率数据的评估结果显示,生长参数K越大,极限体长L∞越大,应用体长频数分析法估计总生长特征φ的相对误差REE较小,估计效果好。这一结论与模拟的波峰图结果一致。白噪音越小,估计偏差越小。当白噪音高于30%时,数据的准确性受到影响,估计出的总生长特征φ的相对误差REE增大。当每个样本数大于60时,估计效果较好,样本数量继续增大对估计的准确度影响不大。ELEFAN与SLCA的比较结果表明:ELEFAN在大部分情况下评估效果都优于SLCA;SLCA更适合生长速度快、极限体长大的种群;波峰重叠程度指数的增大对ELEFAN影响不大,而SLCA的敏感性增加;当白噪音水平增大时,SLCA估计的稳定性较差,而ELEFAN表现较稳定;SLCA随着体长-年龄的变化,敏感度增加,而ELEFAN的敏感度要小于SLCA。用季节性修正的ELEFAN方法估计季节性VBGF生长方程的生长参数的模拟结果表明,在相同的假设条件下,应用季节性修正的ELEFAN方法估计鱼类生长参数比普通VBGF生长方程效果好,总体上总生长特征φ的相对误差REE小于5%。对于不同的冬季点tw和振幅C的取值,总生长特征φ的相对误差REE