Animal Movement Models for Migratory Individuals and Groups
动物在迁徙过程中经常表现出行为的变化。遥测数据提供了一种观察动物随时间变化的地理位置的方法，但不一定是运动过程的动态变化。连续时间模型允许在存在测量误差的情况下以及在遥测设备没有记录动物位置的时段期间对轨迹进行统计预测。然而，能够模拟具有足够细节的真实轨迹的连续时间模型在计算上具有挑战性，以适应大型数据集，并且基本模型在捕获非平稳动态的能力方面缺乏现实性。我们提出了一个统一的类的动物运动模型，计算效率高，并提供了一套方法，以适应非平稳连续轨迹，由于迁移和个人之间的相互作用。我们展示了如何嵌套卷积模型，将迁移个体之间的相互作用，以考虑非平稳性，并提供有关动态迁移网络的推断。我们在两个涉及候鸟的案例研究中展示了这些方法。具体来说，我们使用时间变形的过程卷积模型来解释欧洲和冰岛个体大白额鹅迁徙的异质性，我们使用嵌套过程卷积来模拟北美沙丘鹤的动态迁徙网络。我们提出的方法占动物运动的时间异质性的各种形式，并不限于迁移的应用。此外，我们的模型依赖于建立依赖数据模型的原则，并利用现代方法对动态网络进行建模，以帮助解释动物运动和社会互动。
2018-03-28 stat.AP
Modeling animal movement with directional persistence and attractive points
目前，研究人员很容易获得GPS技术，并且可以获得许多动物运动数据集。描述动物路径的模型可以具有的两个主要特征是方向持久性和对空间中某一点的吸引力。在这项工作中，我们提出了一种新的方法，可以有这两个特点。我们的建议是一个隐马尔可夫模型与一个新的排放分布。排放分布模拟了上述两个特征，而隐马尔可夫模型的潜在状态需要考虑行为模式。我们表明，该模型是很容易实现的贝叶斯框架。我们估计我们的建议的激励数据，代表GPS位置的Maremma牧羊犬记录在澳大利亚。所得到的结果是很容易解释的，我们表明，我们的建议优于主要的竞争模型。
2021-09-28 stat.AP
Continuous-time discrete-space models for animal movement
影响动物运动和资源选择的过程是复杂多样的。过去对随时间的行为变化进行建模的努力使用具有可变参数空间的贝叶斯统计模型，例如可逆跳跃马尔可夫链蒙特卡罗方法，其在计算上要求很高并且许多从业者无法获得。我们提出了一个连续时间离散空间（CTDS）模型的动物运动，可以使用标准的广义线性建模（GLM）方法。这种CTDS方法允许基于位置以及方向的运动驱动器的联合建模。随着时间的推移改变的行为是使用一个变系数的框架，保持计算简单的GLM方法建模，和变量的选择是使用组套索惩罚完成。我们应用我们的方法来研究两个美洲狮（美洲狮concolor）在美国科罗拉多州。
2015-05-28 stat.AP
Running on empty: Recharge dynamics from animal movement data
在种群和群落生态学的研究中，诸如存活率和补充率等生命率一直是重要的。在个人层面上，生理过程，如能量学是理解生物力学和运动生态学的关键，也扩大到影响食物网和营养级联。尽管生命率和种群水平特征与个体水平的动物运动有关，但大多数遥测数据的统计模型都不具备提供有关这些关系的推断的能力，因为它们缺乏与生理动力学的明确的机械联系。我们提出了一个框架建模遥测数据，明确包括一个聚合的生理过程与决策和运动在异构环境中。我们的框架适应广泛的运动和生理过程规范。我们说明了一个特定的模型配方在连续时间提供直接的推论与生理过程的基础上运动的收益和损失。我们的方法也可以扩展到容纳辅助数据时可用。我们展示了我们的模型来推断山狮（在美国科罗拉多州）和非洲水牛（在克鲁格国家公园，南非）充电动态。
2020-01-30 stat.AP
Sparse movement data can reveal social influences on individual travel decisions
对动物运动模式的监测可以深入了解动物的决策行为。人们通常认为，需要高分辨率的数据来提取有意义的行为模式，这可能会限制这种方法的应用。获得高分辨率的运动数据仍然是一个经济和技术挑战，特别是对于生活在社会群体中的动物。在这里，我们测试是否可以从具有越来越低的时间分辨率的数据中提取准确的运动行为。要做到这一点，我们使用修改后的版本的力匹配，其中模拟力作用于一个焦点动物观察到的运动数据进行比较。我们表明，有用的信息可以从稀疏数据中提取。我们将这种方法应用于从南非德胡普自然保护区的一群狒狒的成年成员收集的稀疏运动数据集。我们使用这些数据来测试的假设，即个人是敏感的隔离从组作为一个整体，或者，他们是否是敏感的特定个人在组内的位置。使用焦点动物的数据，我们的数据为这两种假设提供了支持，后者的支持更强。尽管发现病灶动物对该组敏感，但仅在少数情况下，当该组作为一个整体高度聚集为远离病灶动物的单个实体时，才会发生这种情况。我们认为，特定的社会互动可能因此推动整体群体凝聚力。鉴于稀疏的运动数据是关于个体运动行为的信息，我们建议高（~秒）和相对低（~分钟）分辨率的数据集对于研究个体如何反应和操纵他们当地的社会和生态环境是有价值的。
2015-11-04 stat.AP
Bayesian inference for multistate `step and turn' animal movement in continuous time
动物运动的机械建模通常在离散时间中制定，尽管存在尺度不变性的问题，例如处理不规则的定时观察。一个自然的解决方案是在连续的时间内制定，但这一点的吸收一直很慢。这种缺乏执行的情况往往以难以解释为借口。在这里，我们的目标是通过开发一个具有可解释参数的连续时间模型来支持使用，类似于使用转向角和步长的流行离散时间模型。运动由关节轴承和速度过程定义，参数取决于连续时间行为切换过程，从而创建灵活的运动模型。方法提出了马尔可夫链蒙特卡罗推理不规则的意见，涉及扩大观察到的位置与重建的基本运动过程。这适用于公知的GPS数据从麋鹿（\emph{Cervus elaphus}），这是以前在离散时间建模。我们证明了连续时间模型的可解释性，发现随着时间的推移，在行为和洞察短期行为，不能在离散时间内获得明显的差异。
2017-05-18 stat.AP
State-space models' dirty little secrets: even simple linear Gaussian models can have estimation problems
状态空间模型（SSM）越来越多地用于生态学中的时间序列建模，如动物运动路径和种群动力学。这种类型的分层模型通常被构造为考虑两个层次的可变性：生物随机性和测量误差。SSM是灵活的。他们可以使用各种统计分布来模拟线性和非线性过程。最近的生态SSM往往是复杂的，有大量的参数估计。通过模拟研究，我们表明，即使是简单的线性高斯SSM可以遭受参数和状态估计问题。我们证明，这些问题主要发生在测量误差大于生物随机性，条件往往促使生态学家使用SSM。使用动物运动的例子，我们展示了这些估计问题如何影响生态推理。描述北极熊运动的SSM（\textit{Ursus maritimus}）的有偏参数估计导致高估了它们的能量消耗。我们提出了潜在的解决方案，但表明，它往往仍然很难估计参数。虽然SSM是强大的工具，但它们可能会产生误导性的结果，我们敦促生态学家在从结果中得出生态结论之前，评估参数是否可以准确估计。
2016-03-29 q-bio.QM stat.AP
A Lattice and Random Intermediate Point Sampling Design for Animal Movement
动物运动研究在动物生态学中已经变得无处不在，用于估计空间使用和分析运动行为。在这些研究中，动物运动数据主要以固定的时间间隔收集。我们提出了一种不规则的抽样设计，这可能会导致更高的效率和信息增益的动物运动研究。我们的新的采样设计，称为格子和随机中间点（LARI），结合样本在定期和随机的时间间隔。我们比较了LARI抽样设计，定期抽样设计的一个例子中，与常见的黑木匠蚂蚁的位置数据，一个例子与孔雀鱼的位置数据，和一个模拟研究的运动与吸引点。我们修改了一般的随机微分方程模型，允许不规则的时间间隔，并使用这个框架来比较抽样设计。当参数估计得相当好时，定期抽样会导致预测缺失数据的精度和准确度更高。然而，在本文探讨的每个数据和模拟示例中，LARI采样导致更准确和精确的参数估计，从而也更好地预测缺失数据。这一结果表明，研究人员可能会更深入地了解潜在的动物运动过程中选择LARI采样比定期采样。
2019-11-11 stat.AP stat.ME
An Introduction to Animal Movement Modeling with Hidden Markov Models using Stan for Bayesian Inference
隐马尔可夫模型（HiddenMarkovModels，简称HMM）是生态学、经济学、遗传学等领域中常用的时间序列模型。阻碍可以定义为离散或连续时间，虽然这里我们只涉及前者。特别是在运动生态学领域，障碍物已经成为一种流行的工具，用于分析运动数据，因为它们能够将观察到的运动数据连接到一个潜在的过程，通常被解释为动物的未观察到的行为。此外，我们对随着时间的推移而坚持给定行为的趋势进行建模。这里呈现的表示法通常遵循Zucchini等人的格式。（2016）并涵盖在无监督情况下应用于动物运动数据的HSPs，特别是位置数据。我们提供Stan代码来分析Michelot等人首次提出的野生羊杂碎的运动数据。（2016）。
2018-06-27 q-bio.QM stat.AP
Spatial constraints improve filtering of measurement noise from animal tracks
Department of Mathematical Sciences, University of Copenhagen（哥本哈根大学数学科学系）
本文提出一种包含空间约束的潜在运动模型，通过欠阻尼朗之万随机微分方程提升动物轨迹中噪声过滤的准确性。
2025-11-27 stat.AP
Imputation Approaches for Animal Movement Modeling
遥测数据分析在动物生态学研究中很常见。虽然个体动物的遥测数据的收集已经有了显著的改进，但是适当考虑固有不确定性的方法（例如，测量误差、依赖性、移动障碍）已经落后。尽管如此，已经开发了许多新的统计方法来推断影响动物运动的未知量或基于遥测数据预测运动。分层统计模型可用于解释上述一些不确定性，并提供总体水平的推断，但它们通常会增加计算负担。对于某些类型的统计模型，如果潜在的真实动物轨迹是已知的，则直接提供推断，但否则具有挑战性。在这些情况下，与多重插补相关的方法已被用来解释与我们对潜在轨迹的了解相关的不确定性。尽管越来越多地使用插补方法来模拟动物运动，但这些方法的一般灵敏度和准确性尚未详细探讨。我们提供了一个动物运动建模的介绍，并描述了如何填补方法可能有助于某些类型的模型。我们还评估了模拟研究中的插补方法的性能。我们的模拟研究表明，与个体位置直接相关的模型参数的推断可能比与高阶过程（如速度或加速度）相关的参数的推断更准确。最后，我们应用这些方法来分析一个遥测数据集，涉及白令海北部海狗（Callorhinus ursinus）。
2017-07-13 stat.AP stat.ME
Statistical modelling of individual animal movement: an overview of key methods and a discussion of practical challenges
随着从电子跟踪设备收集的复杂而详细的跟踪数据的涌入，动物运动数据的分析最近已经成为生物统计学家的家庭手工业。越来越复杂的新方法不断被添加到文献中。在本文中，我们回顾了我们认为是一些最流行的和最有用的类别的统计模型用于分析个体动物运动数据。具体来说，我们考虑离散时间隐马尔可夫模型，更一般的状态空间模型和扩散过程。我们认为，这些模型应该是工具箱中的核心组成部分，定量研究人员对个体动物运动的随机建模。最后，本文对动物运动的统计分析的方向提出了一些一般性的看法。运动生态学有一种趋势，可以说是过于复杂的建模方法，生态学家无法使用，庞大的数据集或不基于主流统计实践。此外，生态社区内开发的一些分析方法忽略了运动数据的基本属性，可能导致对动物运动的误导性结论。相应的方法，例如基于Lévy步行型模型的方法，尽管在很大程度上受到质疑，但仍然很受欢迎。我们认为，有必要在过于复杂或过于简单的极端之间取得适当的平衡，即该学科依赖于一般生态学家可用的中间复杂性模型，但以发达的统计实践为基础，并有效地适应大型数据集。
2017-01-30 q-bio.QM stat.AP
Bayesian inference for continuous time animal movement based on steps and turns
虽然通过GPS等获得的动物位置通常是在离散时间尺度上观察的，但在连续时间中制定的运动模型是优选的，以避免在面对不规则观察或在不同时间尺度上比较分析的前景时在离散时间中经历的挣扎。一类模型能够模拟一系列的运动的想法被定义为一个随机过程描述速度和轴承的组合表示运动。通过使用马尔可夫链蒙特卡罗方法描述了一种用于此类模型的贝叶斯推断方法。这种推断依赖于在离散时间内对动物位置的增强，这些位置已经被错误地观察到，并且通过模拟技术获得了更详细的运动路径。单个驯鹿（Rangifer tarandus）的真实数据分析说明了所提出的方法。
2016-11-04 stat.AP stat.ME
The Langevin diffusion as a continuous-time model of animal movement and habitat selection
1.利用率分布描述了动物使用空间单元的相对概率。人们很自然地认为这是动物短期运动决定的长期结果：随着时间的推移，小位移的积累会产生全球空间使用模式。然而，大多数利用分布模型要么忽略了潜在的运动，假设独立的观察位置，或基于简单的布朗运动运动的运动规则。2.我们介绍了一个新的连续时间模型的动物运动，基于朗之万扩散。这个随机过程有一个明确的固定分布，概念上类似于利用分布的想法，因此提供了一个直观的框架，整合运动和空间使用。我们的静态（利用）分布与资源选择功能的链接的运动空间协变量，并允许推断到栖息地的选择。3.标准的近似技术可以用来获得伪似然的朗之万扩散运动模型，并估计栖息地的偏好和运动参数的跟踪数据。我们研究了该方法在模拟数据上的性能，并讨论了其对采样时间尺度的敏感性。我们提出了一个例子，它的应用程序跟踪数据的恒星海狮（Eumetopiasjubatus）。4.由于其连续时间公式，该方法可以应用于不规则的遥测数据。它提供了一个严格的框架，以估计长期的栖息地选择相关的运动数据。
2018-10-24 stat.AP stat.ME
Scale dependence in hidden Markov models for animal movement
该研究梳理了动物运动研究用隐马尔可夫模型核心组件的尺度依赖性理论，通过模拟验证其对参数和状态分类的影响，指出时间分辨率考量及数据采样规范的重要性，明确模型适用前提。
2025-10-04 q-bio.QM stat.AP
Modelling group dynamic animal movement
群体动态运动是许多物种运动的基本方面。人们已经认识到，需要充分模拟个人与其他群体成员的互动，特别是为了区分社会力量在个人运动中的作用与环境因素。然而，到目前为止，实际的统计方法，可以包括动物运动模型的群体动力学一直缺乏。我们考虑一个灵活的建模框架，区分组级模型，描述组的中心的运动，和个人级模型，这样每个人使其相对于组质心的运动决策。基本思想是框架内的灵活类隐马尔可夫模型，扩展以前的工作，通过多状态随机游走的动物运动建模。虽然在模拟实验中，参数估计在非理想的情况下表现出一定的偏差，我们表明，一般这种类型的模型的估计是可行的，生态信息。我们说明的方法使用真实的运动数据从11驯鹿（Rangifer tarandus）。结果表明，驯鹿在扎营状态下的一组质心的方向性偏差。虽然对群体质心的吸引力相对较弱，但我们的模型成功地捕捉到了群体影响的运动动态。具体而言，相比相关随机游走的常规混合物，组动态模型更准确地预测了一个有凝聚力的移动组的非扩散行为。
2013-08-27 q-bio.QM stat.AP
Multiscale modelling of animal movement with persistent dynamics
本文提出基于欠阻尼Langevin过程的连续时间多尺度动物运动模型，连接资源选择与步长选择函数，并给出状态空间推断及混合效应方法。
2025-10-05 q-bio.QM stat.AP stat.ME
Detecting disease progression from animal movement using hidden Markov models
University of Minnesota（明尼苏达大学）；Harvard University（哈佛大学）；Dalhousie University（达尔豪斯大学）；Smithsonian’s National Zoo & Conservation Biology Institute（史密森国家动物园与保护生物学研究所）
本研究提出隐马尔可夫模型框架，从动物运动轨迹推断感染状态，通过约束转移概率和协变量效应，成功识别感染导致的运动减少，为野生动物疾病监测提供可转移方法。
2025-09-25 q-bio.QM stat.AP
Inference in MCMC step selection models
栖息地选择模型在生态学中用于将动物的分布与环境协变量联系起来，并确定对保护重要的栖息地。最广泛使用的这类模型，资源选择功能，假设观察到的动物的位置之间的独立性。当位置数据显示时空自相关时，这是不现实的。或者，步骤选择功能嵌入栖息地选择的动物运动模型，占自相关。然而，从步骤选择功能的推论取决于运动模型，它们不能很容易地被用来预测长期的空间使用。我们最近提出，一个马尔可夫链蒙特卡罗（MCMC）算法可以定义一个步骤选择模型与一个显式的平稳分布：目标分布。在这里，我们解释如何的MCMC步骤选择模型的可能性，以及如何极大似然估计可以用于推断运动和栖息地选择的参数。我们描述了本地吉布斯采样器，拒绝免费MCMC计划，旨在捕捉真实动物运动的重要功能。该采样器可以作为一类灵活的运动模型的基础，我们推导出了几个重要的特殊情况下的似然函数。在模拟研究中，我们验证了极大似然估计可以用来恢复所有的模型参数。我们说明的应用程序的方法与数据从平原斑马。
2018-10-25 stat.AP
Accounting for phenology in the analysis of animal movement
对动物追踪数据的分析为生态学的科学理解和发现提供了重要来源。使用遥测设备对动物轨迹的观察为研究人员提供了有关动物与环境以及动物之间相互作用的信息。对于许多物种来说，景观中的特定地理特征对行为有很大的影响。这样的特征可以对应于单个点（例如，巢穴或杀死地点），或更高维的子空间（例如，河流或湖泊）。特征在时间上可以是相对静态的（例如，海岸线或家庭范围中心），或者可以是动态的（例如，海冰范围或食草动物的优质饲料区）。我们介绍了一种新的动物运动模型，采用了主动选择的动态功能在景观。我们的方法是出于对北极熊（Ursus maritimus）运动的研究。在海冰融化的季节，北极熊大部分时间都呆在浅水区的海冰上，在那里它们捕食海豹。从春末到初秋，海冰的分布和特征不断变化，这意味着宝贵的栖息地的位置不断变化。我们开发了一个模型的北极熊的运动，占这一重要的景观特征的影响。我们介绍了一个两阶段的近似贝叶斯推断程序，使我们能够分析2012- 2016年186只北极熊的30多万个观测位置。我们使用我们提出的模型来回答野生动物管理人员提出的一个特定问题，他们试图将波弗特海和楚科奇海的北极熊聚类成亚种群。
2020-02-14 stat.AP stat.ME
The conditionally autoregressive hidden Markov model (CarHMM): Inferring behavioural states from animal tracking data exhibiting conditional autocorrelation
动物运动生态学的核心兴趣之一是将运动特征与行为特征联系起来。用于从运动数据推断未观察到的行为的传统离散时间统计工具是隐马尔可夫模型（HMM）。虽然HMM是一个重要而强大的工具，但有时它不够灵活，无法适当地适应数据。海洋动物的数据往往表现出条件自相关性，步长过程的自我依赖性，这不能仅仅由行为状态来解释，这违反了HMM的主要假设之一。使用灰色密封轨道作为一个例子，随着多个模拟场景，我们激励和发展的条件自回归隐马尔可夫模型（CarHMM），这是一个推广的HMM专门设计来处理条件自相关。除了介绍和研究新的CarHMM之外，我们还提供了使用HMM或CarHMM进行分析的所有阶段的指南。其中包括预处理位置数据以获得偏转角和步长、模型选择和模型检查的指导原则。除了这些实际的指导方针，我们估计模型参数的生物意义的数量，如活动预算和驻留时间。我们还提供了传统的“觅食”和“过境”行为的新的CarHMM参数的上下文中的解释。
2019-03-12 stat.AP
momentuHMM: R package for generalized hidden Markov models of animal movement
离散时间隐马尔可夫模型（HMRM）已经成为一个非常流行的工具，从遥测数据推断潜在的动物行为。在这里，我们介绍了一个开源的R包，momentuHMM，它解决了现有HMM软件中的许多缺陷。功能包括：1）数据预处理和可视化; 2）用于无限数量的数据流和潜在行为状态的用户指定的概率分布; 3）有偏和相关的随机游走运动模型，包括与吸引力或排斥力相关联的“活动中心”; 4）用于使用大多数R用户熟悉的公式的参数的协变量建模的用户指定的设计矩阵和约束; 5）解释测量误差和时间不规则或缺失数据的多种插补方法; 6）时空协变量栅格数据的无缝集成; 7）用于周期性和其他复杂模式的余弦和样条模型; 8）模型检查和选择;以及9）模拟。momentuHMM大大扩展了现有HMM软件的功能，同时解决了与遥测数据相关的常见挑战。因此，它有助于更现实的假设驱动的动物运动分析，迄今为止，在很大程度上是无法访问的非统计学家。虽然受遥测数据的激励，但该软件包可用于分析任何类型的数据，这些数据都适用于HPLOS。鼓励对其他功能感兴趣的从业者与作者联系。
2018-03-09 q-bio.QM stat.AP
Cornering in the Water: An Investigation of Dolphin Swimming Performance
本文利用生物记录标签、航位推算和水动力模型分析三只宽吻海豚的180度规定转弯游泳，揭示其通过不同速度与轨迹策略权衡能量成本和运动性能。
2025-10-04 stat.AP
Continuous-time modelling of behavioural responses in animal movement
在生态学中，人们对了解野生动物如何受到人为干扰（如声音）的影响有很大的兴趣。行为反应研究是量化海军活动对海洋哺乳动物影响的一个重要方法。进行受控暴露实验，其中动物的行为在暴露于受控声源之前、期间和之后被量化，通常使用遥测标签（例如，加速度计或卫星跟踪器）。需要建立统计模型，以正式比较接触前后的模式，量化与基线行为的偏差。我们提出变系数随机微分方程（SDES）作为一个灵活的框架来模拟这样的数据，有两个组成部分：（1）时变基线动态，建模与非参数或随时间变化的协变量的随机效应，和（2）非参数响应模型，它捕获偏离基线。在连续时间内指定了PDE，这使得分析以不规则时间间隔收集的数据变得简单，这是动物跟踪研究的常见情况。我们描述了如何将该模型嵌入到一个状态空间建模框架，以考虑测量误差。我们提出了模型拟合，模型检查和不确定性量化（包括响应模型）的推理方法。我们将这种方法应用于两个行为反应研究数据集的喙鲸：卫星跟踪，和高分辨率的深度数据。我们的研究结果表明，鲸鱼的水平运动和垂直潜水行为改变后，暴露于声源，未来的工作应该评估这些反应的严重性和可能的后果。这两个非常不同的例子展示了可变系数的多功能性SDES来测量行为的变化，我们讨论了干扰鲸鱼的能量平衡的影响。
2022-12-19 stat.AP stat.ME
Detecting changes in dynamic social networks using multiply-labeled movement data
动物种群的社会结构通常可以影响运动，并为研究人员提供物种行为倾向的信息。动物社交网络可以通过运动数据进行研究;然而，现代数据源可能存在识别问题，导致多个标记的个体。由于所有可用的社会运动模型依赖于独特的标签，我们扩展了现有的贝叶斯分层运动模型的方式，利用潜在的社会网络，并容纳多标签的运动数据（MLMD）。我们将我们的模型应用于无人机测量的运动数据从Risso的海豚（Grampus griseus）和估计的影响，声纳曝光的海豚的社会结构。我们提出的框架可以适用于MLMD的各种社会运动的应用。
2022-11-01 stat.AP stat.ME
Analyzing animal movement using deep learning
Leibniz Institute for Zoo and Wildlife Research（莱布尼茨动物园与野生动物研究所）；Technische Universität Berlin（柏林工业大学）；University of Regensburg（雷根斯堡大学）；University of Goettingen（哥廷根大学）
本文探讨了深度学习在分析动物运动数据中的应用，提出DNN-SSF模型能有效捕捉复杂交互效应和非线性响应，优于传统GLM和GAM方法，提出了新的DNN结构以捕捉个体差异。
2026-03-25 q-bio.QM stat.AP
Approximate Bayesian inference for a "steps and turns" continuous-time random walk observed at regular time intervals
动物运动的研究是具有挑战性的，因为它是一个由许多因素在不同的空间和时间尺度上调节的过程。已经提出了几种模型，其主要不同之处在于时间概念化，即连续和离散时间公式化。自然，动物的运动是在连续的时间内发生的，但我们倾向于在固定的时间间隔内观察它。为了解释观测和运动决策之间的时间不匹配，我们使用了状态空间模型，其中运动决策（步骤和转弯）是在连续时间内做出的。然后以固定的时间间隔观察运动过程。由于这种状态空间模型的似然函数计算复杂，但模拟数据是简单的，我们使用近似贝叶斯计算（ABC）的一些变化进行推理。我们在模拟研究中探索了这些方法的适用性，作为观察时间尺度与运动过程时间尺度之间差异的函数。我们演示了应用该模型的一个真正的轨迹的羊，重建在高分辨率使用磁力计和GPS设备的信息。我们的研究结果表明，可以得到准确的估计时，观察是小于5倍的平均时间之间的变化，在运动方向。这里使用的状态空间模型使我们能够以直观且易于解释的方式将观察和运动决策的尺度联系起来。我们的研究结果强调了这样一个想法，即在设计数据收集协议时需要考虑动物运动决策的时间尺度，并且有时高频数据可能不需要对某些运动过程进行良好的估计。
2019-07-23 stat.AP stat.ME
Modeling Home Range and Intra-Specific Spatial Interaction in Wild Animal Populations
本文提出结合家域估计、非齐次跨类型汇总统计量和包络检验的方法框架，利用GPS数据量化同种野生动物静态与动态空间相互作用，并应用于阿拉巴马州南部黑熊，发现黑熊间无显著吸引或回避。
2025-02-03 stat.AP stat.ME
Dynamic social networks based on movement
针对动物社交网络数据收集成本高、具侵入性的问题，提出基于遥测数据的贝叶斯分层模型框架，通过吸引与对齐效应推断动态社交网络，经仿真和虎鲸数据验证符合生态与专家认知。
2016-09-21 stat.AP stat.ME
Predictability and hierarchy in Drosophila behavior
即使是最简单的动物也会表现出复杂的时间动态行为序列。在为这些动态提出的组织原则中，突出的是层次结构的思想，其中动物的运动可以被理解为一组嵌套的子集群。虽然这种类型的组织在运动控制和神经回路方面具有潜在的优势，但证明动物整个行为库的测量在范围和时间复杂性方面受到限制。在这里，我们使用最近开发的无监督技术来发现和跟踪果蝇在浅舞台上移动的所有刻板行为的发生。计算苍蝇的未来行为的最佳预测表示，我们表明，苍蝇的行为表现出多个时间尺度，并组织成一个层次结构，这是指示其底层的行为程序和不断变化的内部状态。
2016-05-11 cs.IT math.IT physics.bio-ph
