Modelling Animal-Vehicle Collision Counts across Large Networks Using a Bayesian Hierarchical Model with Time-Varying Parameters
动物-车辆碰撞（AVC）在世界各地都很常见，导致动物和人类生命的巨大损失，以及重大的财产损失和定期的保险索赔。了解其发生与各种促成因素的关系，并能够确定高风险地点，对于预防AVC，节省经济，社会和环境成本非常重要。然而，在AVC数据集的研究中存在许多挑战。这些包括动物活动的季节性，未知的暴露（即，动物穿越的数量），在广泛的道路网络的大多数部分非常低的AVC计数，以及使用大型数据集进行离散响应分析带来的计算负担。为了克服这些挑战，提出了一种贝叶斯分层模型，其中暴露量采用非参数Dirichlet过程建模，并且假设段级AVC的数量遵循二项分布。一个Pólya-Gamma增强吉布斯采样器推导出估计所提出的模型。通过使用美国德克萨斯州约10万条州控高速公路路段多年的AVC数据，结果表明，该模型可扩展到大型数据集，具有零的优势和明显的月度季节性计数，同时识别高风险位置（用于设计处理的应用，如带围栏的动物隔离交叉）和基于特定分段因素的关键解释因素（例如改变车速限制），为决策提供有用的数据。
2021-06-14 stat.AP stat.ME
A new family of Gaussian processes for modeling animal movement: application to bat telemetry data
King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）；Universidad de Guanajuato（瓜纳华托大学）
研究针对动物运动建模难题，引入源自特定分支粒子系统极限波动的新高斯过程族，考察其两个子族特性，通过分析蝙蝠运动数据展示了该模型在实际动物运动数据中的适用性。
2026-08-04 math.PR math.ST stat.TH
A Bayesian hierarchical model for bridging across patient subgroups in phase I clinical trials with animal data
在对人类毒性知之甚少的情况下，将临床前动物数据（可视为一种特殊的历史数据）纳入I期临床试验可以改善决策。在本文中，我们开发了一种强大的分层建模方法，以利用动物数据进入新的I期临床试验，在那里我们跨越非重叠，潜在的异质性患者亚组。转换参数用于将历史和当代数据纳入共同的剂量标度。这导致了可行的交换性假设，即假设支持每项研究剂量-毒性关系的参数向量来自共同分布。此外，假设人体剂量毒性参数向量可与标准化动物研究特定参数向量或在它们之间交换。每个参数向量的非交换性的可能性被认为是为了避免极端子群的推断过度受其他影响。我们说明了所提出的方法与几个试验数据的例子，并评估我们的模型的操作特性相比，在模拟研究中的几个替代品。数值结果表明，我们的方法产生强大的推论的情况下，来自多个来源的数据是不一致的和/或桥接假设是不正确的。
2019-11-13 stat.AP stat.ME
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
A Bayesian decision-theoretic approach to incorporate preclinical information into phase I oncology trials
利用临床前动物数据进行I期首次人体试验是有吸引力但具有挑战性的。基于动物数据的先验可能会对剂量-毒性模型参数的值产生较大的概率质量，鉴于正在进行的I期临床试验的数据，这似乎是不可行的。在本文中，我们试图使用动物数据，以改善决策的模型为基础的剂量递增程序的I期肿瘤学试验。具体而言，动物数据通过稳健混合物纳入剂量-毒性关系参数。随着试验的进行，这种先验知识会动态变化。在完成每个队列的治疗后，使用决策理论方法更新分配给仅基于动物数据获得的信息性组分的权重，以评估动物数据与迄今为止观察到的人类毒性数据的可重复性。特别是，我们测量可重复性作为每个给药剂量的人类反应（毒性或无毒性）的最佳先验预测的效用的函数。所提出的方法说明通过几个例子和广泛的模拟研究。结果表明，我们的建议可以解决困难，在处理先前的数据冲突开始在序贯试验小样本量。
2020-02-06 stat.AP stat.ME
Bayesian Inverse Reinforcement Learning for Collective Animal Movement
University of Missouri（密苏里大学）；U. S. Geological Survey（美国地质调查局）；Colorado State University（科罗拉多州立大学）
基于代理的方法允许定义生成复杂群体行为的简单规则。这种模型的管理规则通常是先验设置的，并且参数是根据观察到的行为轨迹来调整的。反向强化学习不是对所有预期场景进行简化假设，而是通过使用马尔可夫决策过程的属性来提供对管理长期行为策略的短期（局部）规则的推断。我们使用计算效率的线性可解马尔可夫决策过程学习的本地规则集体运动的模拟的自推进粒子（SPP）模型和数据应用程序的捕获孔雀鱼人口。行为决策成本的估计是在贝叶斯框架与基函数平滑。我们在SPP模拟中恢复了真实的成本，发现孔雀鱼更重视集体运动而不是有针对性的运动。
2022-06-11 cs.LG stat.ML
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
A Bayesian Model to Estimate Abundance Based on Scarce Animal Vestige Data
我们提出了一个建模框架，允许从痕量计数的丰度估计。这种估计丰度的间接方法是有吸引力的，因为与估计动物丰度的直接方法相比，它可以相对负担得起，并且减少了对动物和人类造成的可能风险。我们评估这些方法进行模拟，使我们能够检查模型估计的准确性。然后，该模型拟合到几个案例研究，以获得丰富的估计在巴西，套件狐狸在亚利桑那州，赤狐在意大利和梅花鹿在苏格兰的有领野猪。模拟结果表明，这些模型产生准确的估计丰度范围内的样本量。特别是，这种建模框架在数据非常缺乏的情况下可以产生准确的估计数。在估计丰度时使用痕迹计数可以监测由于其隐居性质而可能未被发现的物种。此外，这些模型在收集极少数样带数据时的功效将允许使用小规模数据收集方案，与大规模数据收集相比，小规模数据收集方案的成本可能较低。
2022-06-13 stat.ME
Bayesian Semiparametric Mixed Effects Markov Chains
利用动物发声模型研究人类发声机制的神经学、遗传学和进化基础是神经科学的一个重要领域。数据集通常包括不同基因型的动物在不同社会背景下产生的音节或“歌曲”的结构化序列。我们开发了一种新的贝叶斯半参数框架在这样的数据集的推理。我们的方法是建立在一类新的混合效应马尔可夫转移模型的歌曲，适应外源性的基因型和背景的影响，以及动物特异性的异质性。我们设计了有效的马尔可夫链蒙特卡罗算法的后验计算。所提出的方法的关键优势包括它能够提供洞察到关键的科学查询有关的全球和本地的影响的外源预测的过渡动态通过自动测试的假设。使用模拟实验和上述激励应用程序在神经科学的方法进行说明。
2016-12-17 stat.ME
Modelling longitudinal polytomous animal data using Bayesian hierarchical models
针对纵向名义多分类数据分析中参数过多、模型不收敛及过度离散等问题，本文提出基于无信息先验和MCMC的贝叶斯分层模型，并通过猪行为数据的应用研究验证其有效性，同时提供R实现代码以支持农业实验设计中的相关分析。
2025-07-22 q-bio.QM stat.ME
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
The Traveling Bandit: A Framework for Bayesian Optimization with Movement Costs
University of Michigan（密歇根大学）
本文提出了一种具有移动成本的贝叶斯优化框架，通过整合旅行商问题解决方法，有效降低移动成本并保持与传统方法相当的性能。
2024-10-18 cs.LG stat.ME
Tracking rapid intracellular movements: A Bayesian random set approach
我们专注于跟踪细胞器在细胞中移动的生物学问题。在过去，大多数细胞内运动是手动记录的，然而，结果太不完整，无法捕捉细胞器运动的全部复杂性。一个自动跟踪算法承诺提供一个完整的分析嘈杂的显微镜数据。在本文中，我们采用统计技术从贝叶斯随机集的观点。而不是考虑每个单独的细胞器，我们检查一个随机集的成员是细胞器的状态，我们建立了一个贝叶斯滤波算法，涉及这样的设置状态。传播的多目标密度近似使用高斯混合方案。我们的算法适用于合成和实验数据。
2015-09-16 stat.AP
Bayesian inference for velocity-jump models for movement
本文提出一种可逆跳跃MCMC算法，通过重建轨迹对速度跳跃模型进行精确贝叶斯推断，并应用于遥测数据分析，支持测量误差和速度间的马尔可夫依赖。
2025-09-25 stat.ME
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
Modelling benthic animals in space and time using Bayesian Point Process with cross validation: the case of Holoturians
本研究针对海参仅出现数据和异质采样问题，提出基于对数高斯Cox过程的贝叶斯时空点过程框架，并结合新型k折交叉验证比较模型预测能力，为海洋生态异质数据建模提供高效方法。
2025-06-03 stat.AP stat.OT
Estimating animal abundance with N-mixture models using the R-INLA package for R
成功的野生动物种群管理需要准确的丰度估计。在野生动物调查中，不完善的检测可能会混淆粗略的估计。N-混合物模型能够量化检测概率，并在适当条件下产生偏差较小的丰度估计值。在这里，我们演示了使用R的R-INLA包来分析N-混合模型，并将R-INLA的性能与其他两种常见方法进行比较：JAGS（通过R的runjags包），它使用马尔可夫链蒙特卡罗并允许贝叶斯推断，以及R的未标记包，它使用极大似然并允许频率论推断。我们表明，R-INLA是一个有吸引力的选择，用于分析N-混合模型时，（i）快速的计算时间是必要的（R-INLA是10倍快于未标记和500倍快于JAGS），（ii）熟悉的模型语法和数据格式（相对于其他R包）是理想的，（iii）调查水平的协变量检测是不必要的，（iv）贝叶斯推断是首选。
2018-08-15 stat.AP
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
Bayesian Dynamical Modeling of Fixational Eye Movements
本研究采用贝叶斯方法对注视性眼动的自回避随机游走模型进行数据同化，揭示生理性漂移与微跳视的触发关系，并捕捉个体差异。
2025-05-25 q-bio.NC stat.AP
Bayesian Multi-Species N-Mixture Models for Unmarked Animal Communities
我们提出了一个扩展的N-混合物模型，它允许同时估计多个物种的丰度和物种间的相关性。我们还提出了进一步的扩展，这种多物种的N-混合物模型，其中之一，使我们能够检查的数据，有一个多余的零计数，另一个允许我们放松封闭的假设，固有的N-混合物模型，通过将AR项的丰度。包含一个多元正态分布作为先验的随机效应的丰度有利于种间相关矩阵的估计。每个模型还拟合了作为NABBS 2010-2019的一部分收集的鸟类点数据。模拟研究的结果表明，在小、大和没有零通货膨胀的情况下，这些模型对小和大样本量的丰度、物种间相关性和检测概率都能作出准确的估计。对北美繁殖鸟类调查数据进行模型拟合的结果显示，在所研究的十年中，阿拉斯加东南部的秃鹰种群规模有所增加。我们新颖的多物种N混合模型考虑了整个群落，使我们能够检查研究区域中存在的每个物种的丰度，因为这些物种并不存在于真空中，允许我们估计物种丰度之间的相关性。虽然以前的多物种丰度模型允许估计丰度和检测概率，我们的研究是第一个解决物种间正相关和负相关的估计，这使我们能够开始推断这些物种的丰度对彼此的影响。我们的建模方法提供了一种方法，量化物种的人口规模之间的关联强度，是人口和保护生态学家的实际用途。
2022-08-15 stat.ME
Movement of insurgent gangs: A Bayesian kernel density model for incomplete temporal data
针对警方打击叛乱团伙时面临的位置数据不完整问题，提出一种基于加权核密度公式的贝叶斯建模框架，结合专家先验和序贯贝叶斯过程进行估计与预测，并提出了新的预测评估指标。
2024-01-02 stat.AP
A Bayesian circular mixed-effects model for explaining variability in directional movement in American football
本文提出贝叶斯圆形混合效应模型，利用追踪数据建模NFL持球者转向角，通过随机效应揭示球员变向变异性，为客观评估球员变向能力提供新方法。
2025-07-08 stat.AP
Hierarchical animal movement models for population-level inference
基于遥测数据的动物运动建模的新方法定期开发。随着遥测能力的进步，动物运动模型变得越来越复杂。尽管需要群体水平的推理，动物运动模型仍然主要是为个体水平的推理而开发的。大多数将推理提升到群体级别的努力要么是事后的，要么是足够复杂，只有开发人员才能实现模型。分层贝叶斯模型为群体水平动物运动模型的开发提供了一个理想的平台，但由于计算限制或需要大量调整，拟合起来可能具有挑战性。我们提出了一个两阶段的程序拟合分层动物运动模型的遥测数据。两阶段的方法在统计上是严格的，并允许一个单独适合个人水平的运动模型，然后使用二次MCMC算法重新采样。两阶段方法的主要优点是，第一阶段很容易并行化，第二阶段是完全无监督的，在许多情况下允许完全自动化的拟合过程。我们展示了两个阶段的程序与动物运动模型的两个应用程序。第一个应用程序涉及到一个空间点处理方法来建模遥测数据，第二个涉及到一个更复杂的连续时间离散空间动物运动模型。我们适合这些模型的模拟数据和真正的遥测数据所产生的人口监测加拿大猞猁在美国科罗拉多州。
2016-06-30 stat.ME
A General Hidden State Random Walk Model for Animal Movement
Université Laval（拉瓦尔大学）
本文提出了一种通用的隐藏状态随机游走模型，用于描述考虑环境特征的动物运动趋性，通过圆形-线性过程建模动物连续定位间的方向和距离，并通过隐藏过程结构捕捉动物运动行为的变化，同时引入多个环境目标到方向模型中。
2016-10-04 stat.ME
Multiscale modelling of animal movement with persistent dynamics
Dalhousie University（达尔豪斯大学）；Pennsylvania State University（宾夕法尼亚州立大学）
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
Movement Penalized Bayesian Optimization with Application to Wind Energy Systems
ETH Zurich（苏黎世联邦理工学院）；University College London（伦敦大学学院）
上下文贝叶斯优化（CBO）是一个强大的框架，用于在给定边信息的情况下进行顺序决策，具有重要的应用，例如，在风能系统中。在这种设置中，学习者接收上下文（例如，天气条件），并且必须选择动作（例如，涡轮机参数）。标准算法假定在每一轮切换决策没有成本。然而，在许多实际应用中，存在与这种改变相关联的成本，这应该被最小化。我们引入了具有移动成本问题的情节CBO，并基于Coester和Lee（2019）的度量任务系统的在线学习方法，提出了一种新的随机镜像下降算法，该算法利用了高斯过程置信界。我们比较其性能与离线的最佳序列为每一集，并提供严格的遗憾保证。我们进一步展示了我们的方法在机载风能系统高度优化的重要现实应用。在大量的运动成本的存在下，我们的算法始终优于标准的CBO算法。
2022-10-14 cs.LG stat.ML
Robust detection of exotic infectious diseases in animal herds: A comparative study of three decision methodologies under severe uncertainty
动物在运输和通过海关时，其中一些可能患有危险的传染病。通常情况下，由于测试的成本，并不是所有的动物进行测试：必须做出合理的选择。如何在有效检测的同时避免代价高昂的疾病爆发？首先，我们扩展了在文献中提出的入侵物种的检测模型，以满足我们的目的。其次，我们探讨和比较三种决策方法的问题，即贝叶斯统计，信息缺口理论和不精确概率论，所有这些都是为了处理严重的不确定性。我们表明，在相当一般的条件下，每一个信息差距的解决方案是最大的一个适当选择的不精确的概率模型，因此，也许令人惊讶的是，一组最大的选项可以推断至少部分-有时完全--从信息差距分析。
2012-03-05 math.ST stat.ME stat.TH
Localized Mutual Information Monitoring of Pairwise Associations in Animal Movement
卫星成像和全球定位系统跟踪装置的进步带来了遥感和地理空间分析的新时代。在环境科学和保护生态学中，生物遥测数据通常是高维的，空间和/或时间上的，并且本质上是功能性的，这意味着感兴趣的生物过程具有潜在的连续性。GPS对动物运动的跟踪通常表现为对动物位置的不规则时间记录，并且动物之间的运动关系容易发生突变。在本文中，我提出了一个本地化的互信息（LMI）的措施，以获得一个相关函数，用于监测动物运动轨迹之间的成对关联的变化。的LMI措施的属性进行评估分析和模拟在各种情况下。的LMI措施的优点和缺点进行了评估，并提出了一种替代措施的LMI来处理潜在的缺点。LMI的措施被证明是一个有效的工具，用于检测动物运动的相关性的变化，和季节性/阶段性的解释结构。
2022-01-06 q-bio.PE q-bio.QM stat.ME
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
Basis Function Models for Animal Movement
卫星数据收集技术的进步促进了新的统计方法学来分析这些数据。在野生动物生态研究方面，卫星数据和方法提供了大量关于动物空间使用和基于个体的动物-环境关系调查的信息。随着数据收集技术的不断改进，我们留下了大量质量各异的历史动物遥测数据档案。虽然许多当代的统计方法推断运动行为是在离散时间指定的，我们开发了一个灵活的连续时间随机积分方程框架，适合降秩二阶协方差参数化。我们演示了如何构建相关的一阶基函数，以模仿行为特征，在现实的轨迹过程中，使用遥测数据从黑尾鹿和美洲狮个人在北美西部。我们的方法是并行化的，并提供了使用非平稳空间建模技术，是可行的大型遥测数据集的异构轨迹的推断。
2016-10-06 stat.ME
A Multi-State Conditional Logistic Regression Model for the Analysis of Animal Movement
Université Laval（拉瓦尔大学）
本文提出一种基于条件逻辑回归的多状态动物运动分析方法，用于区分动物觅食和迁徙区域，揭示栖息地异质性对功能连通性的影响。
2016-11-08 stat.ME
Autoregressive hidden Markov models for high-resolution animal movement data
本文提出带一般阶自回归成分的隐马尔可夫模型，用于刻画高分辨率动物移动数据中的强状态内相关性，并通过lasso自动选阶，模拟和燕鸥轨迹数据验证了其改进推断的效果。
2024-12-16 stat.ME
Multi-scale modeling of animal movement and general behavior data using hidden Markov models with hierarchical structures
隐马尔可夫模型（Hidden Markov Models，简称HMM）通常用于对动物运动数据进行建模并推断动物行为的各个方面。HMM假设来自观测的时间序列的每个数据点源于$N$可能的状态之一。这些状态与行为模式之间的联系是松散的，行为模式在观察的时间分辨率上表现出来。然而，由于标签技术的进步，可以以越来越精细的时间分辨率收集数据。然而，在时间尺度上的推断比收集数据的时间尺度粗糙，并且对应于更大规模的行为过程，尚未通过Hynthology回答。我们包括额外的层次结构的基本HMM框架，以纳入多个马尔可夫链在不同的时间尺度。分层结构的HSPINESS允许在多个时间尺度上进行行为推断，也可以作为避免粗化数据的一种手段。我们提出的框架是第一个同时在多个时间尺度上模拟动物行为的框架之一，为动物运动建模领域开辟了新的可能性。我们说明了应用分层结构的障碍，在两个真实的数据例子：（一）垂直运动的港口江豚在现场观察到的，和（二）束带蛇运动数据收集的一部分，试验设计。
2017-02-13 q-bio.QM stat.ME
Moving-Resting Process with Measurement Error in Animal Movement Modeling
动物运动的统计建模是至关重要的。动物运动的连续轨迹只能在离散的、通常间隔不规则的时间点观察到。大多数现有的模型不能自然地处理不等的采样间隔和/或不允许诸如休息或睡眠的不活动时段。最近提出的运动-静止（MR）模型是一种由电报过程控制的布朗运动，它允许电报过程的一个状态中有一段不活动的时间。MR模型在模拟具有长不活动期的捕食者（如许多猫科动物）的运动方面显示出了希望，但缺乏对测量误差的适应性严重阻碍了其在实际中的应用。在这里，我们将测量误差的MR模型，并得出模型的基本属性。推理是基于一个复合似然使用的马尔可夫性的链组成的每隔一个观察到的增量。在有限样本仿真研究中验证了该方法的性能。应用于怀俄明州的山狮的运动数据说明了该方法的实用性。
2020-08-24 stat.CO stat.ME
Animal Movement Models with Mechanistic Selection Functions
一套统计方法被用来研究动物的运动。这些方法中的大多数以三种方式之一处理动物遥测数据：离散过程，连续过程或点过程。我们简要地回顾了这些方法，然后集中在后者。在点过程的背景下，所谓的资源选择分析是统计处理动物遥测数据的最常见方法之一。然而，大多数资源选择分析提供基于点过程模型的近似推理。这些模型的形式仅限于几种类型的规范，这些规范提供了关于相对资源使用的推断，以及不太常见的使用概率。对于更一般的时空点过程模型，最常见的分析类型通常采用数据增强方法，该方法用于创建可以用条件逻辑斯谛回归分析的二进制数据集。我们表明，条件逻辑斯谛回归可能性可以推广到适应各种替代规格的资源选择。然后，我们提供了一个例子的情况下，时空点过程模型相吻合的机械模型表示为偏微分方程从运动的第一原理推导出的运动所隐含的。我们表明，从这种形式的点过程模型的推理是直观的（并可能是有用的管理和保护）通过分析一组遥测数据从美国科罗拉多州的美洲狮，了解空间明确的环境条件对运动行为的影响这个物种。
2019-12-19 stat.ME
Unbiased likelihood estimation of the Langevin diffusion for animal movement modelling
Department of Mathematical Sciences, NTNU（挪威科技大学数学科学系）
本文提出利用布朗桥进行重要性采样，改进兰格vin扩散模型的似然估计，以解决 telemetry 数据中自相关和时间不规则性的问题，提升生态栖息地选择研究的准确性。
2026-05-15 stat.ME
Integral Fractional Ornstein-Uhlenbeck Process Model for Animal Movement
King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）
本文提出将动物遥测数据的速度建模为分数阶 Ornstein-Uhlenbeck 过程，通过积分 fOU 过程对位置数据建模，以灵活捕捉长程记忆，并开发了快速模拟算法和最大似然参数估计方法，最后应用于墨西哥湾长须鲸的遥测数据分析。
2025-10-12 stat.ME
Incorporating Animal Movement into Continuous-Time Spatial Capture-Recapture Models
University of British Columbia（不列颠哥伦比亚大学）；University of Edinburgh（爱丁堡大学）；University of St Andrews（圣安德鲁斯大学）
本文针对空间捕获-重捕模型未明确建模动物运动可能导致种群规模估计偏差的问题，开发了纳入运动的连续时间框架，经模拟和美洲貂数据验证可实现无偏推断并提供空间利用信息。
2026-08-19 stat.ME
Multidimensional Integral Fractional Ornstein--Uhlenbeck Process with an Application to Animal Movement
King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）
本文将积分分数阶奥恩斯坦-乌伦贝克（ifOU）过程扩展为多维模型，用于动物遥测，建立了协方差有效性等理论结果并开发了模拟、推断等方法，经模拟验证后应用于德国夜蝠的运动遥测数据。
2026-08-05 stat.ME
An introduction to statistical models used to characterize species-habitat associations with animal movement data
本文综述并比较了用于动物移动数据中物种-栖息地关联建模的三种统计模型（RSF、SSF、HMM），通过案例展示其差异，并为按数据尺度和推断目标选择合适模型提供指导。
2025-02-28 q-bio.PE q-bio.QM stat.ME
