生态学中的统计预测模型：性能比较与适用性评估
定量方法
2011-07-29 v1
摘要
生态系统受复杂相互作用支配，这些相互作用主要呈非线性。为了捕捉这种复杂性和非线性，统计模型近年来逐渐受到青睐。然而，尽管这些模型在生态学中应用广泛，迄今为止尚无研究旨在评估其适用性和性能。我们通过对来自水生和陆生生态系统、具有不同时间动态尺度的广泛数据集和预测变量进行概述，并通过比较不同的统计建模方法，评估了预测建模方法在此类数据集上的适用性和稳健性。所考虑的方法包括k-NN、LDA、QDA、广义线性模型（GLM）、前馈多层反向传播网络和伪监督网络ARTMAP。对于涉及时间动态和周期性的生态系统，若其频率可能低于所考虑数据的时间尺度，则GLM和联结主义神经网络模型似乎最为适用和稳健，前提是模型中隐式或显式地包含反映这些时间动态的预测变量。另一方面，对于不包含与数据覆盖时间尺度相当的时间依赖性的空间数据，基于邻域的方法（如k-NN和ARTMAP）被证明比本研究中考虑的其他方法更为稳健。此外，出于预测建模的目的，应首先对当前问题应用一种合适且计算成本低廉的方法，其良好的预测性能将使得与复杂变体相关的计算成本和努力变得不必要。
引用
@article{arxiv.q-bio/0510031,
title = {Statistical Predictive Models in Ecology: Comparison of Performances and Assessment of Applicability},
author = {Can Ozan Tan and Uygar Ozesmi and Meryem Beklioglu and Esra Per and Bahtiyar Kurt},
journal= {arXiv preprint arXiv:q-bio/0510031},
year = {2011}
}
备注
34 pages, 2 figures. Submitted to Ecological Informatics