Skip to main content

Tussen Waan en Wijsheid No4: vangkans, meten is weten?

Wie wil dat nu niet: je voert wat data in, drukt op een knop en daar verschijnt je kansberekening of je vandaag vis gaat vangen of niet. In dat laatste geval kan je net zo goed thuisblijven of een ommetje met je vrouw gaan maken als je toch graag buiten wilt zijn. Bestaat er zoiets als een vangkans-algoritme?

In de professionele zeevisserij bestaan er al heel lang allerlei algoritmes die de visser helpen met het bepalen of het de moeite waard is zijn netten uit te zetten of niet. Die algoritmes maken gebruik van big data – de optelsom van duizenden waarnemingen uit het verleden, gecombineerd met geodata, sonar en nieuwe technologie zoals robust broadband echosounder. Maar amateur vissers weten hun vangstkansen ook te vergroten door het gebruik van bijvoorbeeld een fish finder. Zie je een school vissen op je schermpje, dan is je vangstkans aanzienlijk veel groter dan dat je alleen afgaat op je voorkennis en intuïtie. Je zou bijna zeggen: hoe moeilijk is vangen dan nog?

Best fish finder trolling motor combo feature image

Maar niet iedereen dobbert graag in een bellyboat op het water en soms kan dat simpelweg niet, bijvoorbeeld op een snel stromende rivier laat je het wel uit je hoofd. Kan je dan toch je vangkans a priori inschatten? Laten we eens proberen een algoritme te maken op basis van vier variabelen.

Variabele: effectieve tijd (T) op of in het water. Als vliegvisser ligt je vlieg niet de hele tijd op of in het water. Soms hangt ie namelijk in de boom en moet je een nieuwe vlieg aanknopen. Of je verandert de hele tijd van vlieg omdat ie niet wil vangen. En Johan Cruyff had het kunnen zeggen, want: als je vlieg niet op of in het water ligt, kan je ook geen vis vangen. Stel dat je vlieg de helft van de tijd niet op of in het water ligt, dan is je vangkans maar 50% van je vistijd.

Variabele: effectieve diepte (D). We weten dat de vis zich vaak op een bepaalde diepte bevindt. Vis je er boven of eronder, of duurt het lang voordat de vlieg binnen bereik van de vis is, dan vang je ze niet. Wederom in de filosofie van JC: kan de vis er niet bij, dan kan hij ook niet bijten. Stel dat de vis op twee meter diepte dichtbij de bodem ligt en je vist met een langzaam zinkende vlieg aan een 1 inch/sec vliegenlijn. Dan is je vlieg misschien wel een derde van de tijd niet binnen bereik van een vis. Je vangkans is daarmee afgenomen tot ongeveer 60-70%. Kom je vlieg vaak in de boom of takken terecht, en vis je langzaam zinkend, terwijl de vis op enige diepte zit, dan blijft er niet zo veel van je vangkans over, namelijk maar 30-35%…

Variabele: gelijkenis en trigger (GT). Vliegvissers geloven er ook in dat vissen eerder toehappen als de vlieg het voedsel imiteert dat die vis op dat moment gewend is. We dromen niet voor niets van die geweldige hatches en de perfecte match van jouw vlieg met de natuurlijke. Of we worden klam wakker van het angstzweet als blijkt dat je net de verkeerde vlieg aangebonden hebt op het moment van een hatch waar je al jaren op hebt gewacht. Behalve gelijkenis met het bekende voedsel weten we dat een bepaald patroon ook een trigger effect op de vis kan hebben. Die kan simpelweg bijten uit nijd of ter bescherming van haar nest. Heeft je vlieg geen gelijkenis of trigger effect, dan nemen je vangstkansen aanzienlijk af. Dit is een moeilijk in te schatten variabele, maar enigszins versimpeld kan je zeggen: je vangkans kan tot 50% (of meer) verminderen bij geen goede match of ontbrekend trigger effect.

Variabele: gretigheid (Gr). Dit is een ingewikkelde variabele die samengesteld is uit allerlei gedrag van de vis dat maakt of hij zit heeft om te bijten, of niet. Is er sprake van voedselschaarste, dan zal de gretigheid van de vis hoger zijn dan als er veel voedsel aanwezig is. Zitten de vissen tegen elkaar in een schooltje, dan zal de gretigheid om toe te happen ook groter zijn dan dat een vis solitair is. Voedselnijd is een bekende variabele onder vliegvissers. Dat vissen in de winter vaak samenscholen, maakt dat we soms de jackpot hebben en achter elkaar heel veel vis kunnen vangen. Dat is soms in de zomer wel anders en je de vis stuk voor stuk moet opzoeken. Dan kost het meer tijd om de vis te vinden en kan zijn gretigheid ook zijn afgenomen. Misschien wel met 50-30% ?

Kunnen we nu dan zeggen dat ons algoritme luidt:

Vang kans (%) = T x D x GT x Gr

Mm, dat is een beetje moeilijk, want we weten niet hoe belangrijk de ene variabele is ten opzichte van de andere. En we weten ook niet of de variabelen samen een lineaire functie vormen of bijvoorbeeld een parabolische. Dus zo werkt het dus niet, helaas…

Maar stel nou dat je vlieg vaak in de boom landt, de vis op diepte zit en je wat aan de lichte kant vist, je niet weet wat het gangbare voedsel is dus geen goede match hebt en de vis zit niet samengeschoold. DAN BLIJFT ER DUS NIETS OVER VAN JE VANGKANS! En kan je beter thuisblijven, hoewel we soms zeggen dat zonder vangen het vissen ook best leuk kan zijn. Van de andere kant: drie van de vier variabelen zijn te beïnvloeden door jou. En de vierde variabele kan je een beetje beïnvloeden door te kiezen voor een type vis dat op dat moment gretig is, bijvoorbeeld omdat ie in scholen verkeert. Daarom vang je natuurlijk meer voorntjes dan snoeken en is er meer dan alleen vangkans wat je gedrag als vliegvisser bepaalt. Je moet het ook gewoon leuk vinden en, geen onbelangrijke variabele, geloof hebben in wat je doet. Want met deze algoritmische kansberekening kom je een heel end, maar zonder geloof in eigen kunnen kom je nergens.

 

 

 

  • Hits: 245

Lid worden?

Dit e-mailadres wordt beveiligd tegen spambots. JavaScript dient ingeschakeld te zijn om het te bekijken.