面向动物运动建模的 Langevin 扩散的无偏似然估计
统计方法学
2026-05-18 v2
摘要
动物生态学中的一个持续挑战是开发能够考虑遥测数据中自相关性以及常见的时序不规则性的运动模型。连续时间 Langevin 扩散模型被提出用于建模时序自相关和不规则采样的数据。然而，当前的估计技术会随着观察之间时间的增加而获得越来越偏置的参数估计。在本文中，我们提出使用 Brownian 桥在重要抽样方案中来改进 Langevin 扩散模型的似然近似。在一系列仿真研究中，我们展示了我们的 метод有效地消除了各种情景下的偏置。我们发现，对于采样频率较低但持续时间较长的数据，估计的栖息地系数精度更高，而对于短暂且采样频繁的轨迹则较低。这表明该模型可能适用于建模以较粗分辨率采样的跟踪数据，这是旧一代动物标签常见的数据集。我们使用 Steller 海狮的跟踪数据（Eumetopias jubatus）展示了该模型的应用。我们发现系数估计收敛到与前人研究中估计的显著不同的值，这表明传统估计方法的偏置可能对关于栖息地偏好的生态学结论产生实际影响。总体而言，这些改进扩展了 Langevin 扩散模型的适用范围，从而提高了对栖息地选择的生态学洞察。
引用
@article{arxiv.2510.24539,
title = {Unbiased likelihood estimation of the Langevin diffusion for animal movement modelling},
author = {Ron R. Togunov and S. Knutsen Furset and Martin E. Pettersen and Robert B. O'Hara},
journal= {arXiv preprint arXiv:2510.24539},
year = {2026}
}