状态切换连续时间相关随机游走

连续时间模型已被发展用于捕捉动物运动跨时间尺度的特征。其中，一种流行模型是连续时间相关随机游走，其中动物速度被表述为 Ornstein-Uhlenbeck 过程，以捕捉其运动速度与方向的自相关。在遥测分析中，离散时间状态切换模型（如隐马尔可夫模型）日益流行，用于从动物追踪数据识别行为阶段。我们提出连续时间相关随机游走的多状态表述，以底层马尔可夫过程作为动物行为状态过程的代理。我们给出一种马尔可夫链蒙特卡洛算法，对该多状态连续时间模型进行贝叶斯推断。可获得隐藏状态序列、状态转移率及状态依赖运动参数的后验样本。我们在模拟研究中考察方法性能，并以灰海豹（Halichoerus grypus）追踪数据案例说明其应用。我们提出的方法利用连续时间相关随机游走的状态空间模型表述，可适应不规则采样频率与测量误差。它将促进连续时间模型用于从动物遥测数据估计运动特征并推断行为状态。