用于从动物轨迹快速识别行为状态的隐马尔可夫运动模型
定量方法
2016-12-22 v1
摘要
1. 电子遥测常被用于记录动物随时间的运动。能够识别驱动特定运动模式的潜在行为的方法，有助于我们理解动物如何以及为何利用可用空间，从而辅助保护与管理工作。对于具有显著测量误差的水生动物追踪数据，一种称为带切换的一阶差分相关随机游走（DCRWS）的贝叶斯状态空间模型常被用于此目的。然而，对于水生动物，高精度的动物运动追踪数据正变得越来越普遍。2. 我们开发了一种新的隐马尔可夫模型（HMM），用于从误差可忽略的动物轨迹中识别行为状态，我们称之为隐马尔可夫运动模型（HMMM）。我们采用 DCRWS 的过程方程作为 HMMM 的基础，但使用最大似然法和 R 包 TMB 进行快速模型拟合。3. 我们将 HMMM 与针对高精度轨迹修改的 DCRWS 版本 DCRWSnome，以及用 R 包 moveHMM 拟合的常用动物轨迹 HMM 进行了比较。通过将其拟合到来自灰海豹、湖鳟和蓝鲨的真实轨迹以及模拟数据，我们展示了 HMMM 既准确又适用于多个物种。4. HMMM 是一种快速可靠的工具，可用于从动物运动数据中进行有意义的推断，非常适合希望将流行的 DCRWS 实现用于高精度追踪数据的生态学家。它还为使用 TMB 开发更复杂的动物运动模型奠定了基础。为促进其应用，我们通过 R 包 swim 将其公开提供。
引用
@article{arxiv.1612.06921,
title = {A Hidden Markov Movement Model for rapidly identifying behavioral states from animal tracks},
author = {Kim Whoriskey and Marie Auger-Méthé and Christoffer Moesgaard Albertsen and Frederick G. Whoriskey and Thomas R. Binder and Charles C. Krueger and Joanna Mills Flemming},
journal= {arXiv preprint arXiv:1612.06921},
year = {2016}
}
备注
30 pages, 4 figures