生态学中的统计预测模型：性能比较与适用性评估
摘要：生态系统受复杂的相互作用控制，主要是非线性的。为了捕捉这种复杂性和非线性，统计模型最近变得流行起来。然而，尽管这些模型通常应用于生态学中，但迄今为止还没有研究目标是评估其适用性和性能。我们通过比较不同的统计建模方法，从不同时间依赖动态尺度的水生和陆地生态系统的广泛数据集和预测变量的性质，以及这些数据集的适用性和鲁棒性，提供了一个概述。考虑到时间依赖动态和周期性的生态系统，在可能小于考虑数据的时间尺度的频率的情况下，GLM和连接神经网络模型似乎是最合适和最稳健的，前提是模型中包含反映这些时间依赖动态的预测变量，无论是隐式还是显式。另一方面，对于不包含与数据覆盖的时间尺度相当的任何时间依赖性的空间数据，像k-NN和ARTMAP这样的基于邻域的方法在此研究中被证明比其他方法更为稳健。此外，为了预测建模目的，首先应用一个合适的，计算廉价的方法来解决问题，这个方法的良好的预测性能将使与复杂的变体相关的计算成本和努力变得不必要。
作者：Can Ozan Tan, Uygar Ozesmi, Meryem Beklioglu, Esra Per and Bahtiyar Kurt
论文ID：q-bio/0510031
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2011-07-29