[论文解读] lgcp An R Package for Inference with Spatio-Temporal Log-Gaussian Cox Processes

Benjamín M. Taylor, Tilman M. Davies+2 more|arXiv (Cornell University)|Oct 27, 2011

Markov Chains and Monte Carlo Methods参考文献 22被引用 3

一句话总结

本论文介绍了 lgcp R 包，用于基于马尔可夫链蒙特卡洛（MCMC）方法对时空对数高斯 Cox 过程进行推断，实现了对点事件数据的实时预测建模。主要贡献是一个灵活且可扩展的时空预测框架，包括通过数据旋转提升 MCMC 效率，并与成熟的 R 包（如 spatstat、RandomFields 和 sp）实现无缝集成。

ABSTRACT

This paper introduces an R package for spatio-temporal prediction and forecasting for log-Gaussian Cox processes. The main computational tool for these models is Markov chain Monte Carlo and the new package, lgcp, therefore also provides an extensible suite of functions for implementing MCMC algorithms for processes of this type. The modelling framework and details of inferential procedures are first presented before a tour of lgcp functionality is given via a walk-through data-analysis. Topics covered include reading in and converting data, estimation of the key components and parameters of the model, specifying output and simulation quantities, computation of Monte Carlo expectations, post-processing and simulation of data sets.

研究动机与目标

• 开发一个用于时空对数高斯 Cox 过程统计推断的 R 包，特别适用于疾病监测应用。
• 提供一种计算高效的框架，通过 MCMC 抽样实现实时预测推断。
• 通过自动旋转观测窗口以与网格结构对齐，提升 MCMC 效率。
• 与现有 R 包（如 spatstat、RandomFields 和 sp）无缝集成，用于数据处理和协方差建模。
• 支持模拟、参数估计及预测分布的后处理，用于时空强度预测。

提出的方法

• 将时空点过程强度建模为 $ R(x,t) = \lambda(s)\mu(t)\exp\{\mathcal{Y}(x,t)\} $，其中 $ \mathcal{Y} $ 为二阶平稳高斯过程。
• 采用协方差结构 $ \mathrm{cov}[\mathcal{Y}(s_1,t_1), \mathcal{Y}(s_2,t_2)] = \sigma^2 r(\|s_2-s_1\|; \phi) \exp\{-\theta|t_2-t_1|\} $，捕捉时空依赖性。
• 使用马尔可夫链蒙特卡洛（MCMC）进行后验推断，通过包的核心函数实现梅特罗波利斯-吉布斯算法。
• 引入自动窗口旋转技术，以最小化 FFT 网格单元数量，从而在不改变计算速度的前提下提升 MCMC 效率。
• 提供用于数据输入、模型拟合、预测、模拟和后处理的函数，使用标准 R 数据结构和包。
• 利用外部包：spatstat 用于点过程处理，RandomFields 用于协方差函数，ncdf 用于大容量数据集的高效 I/O 操作。

实验结果

研究问题

• RQ1 如何在实时疾病监测应用中高效推断时空对数高斯 Cox 过程？
• RQ2 观测窗口方向对时空点过程模型中 MCMC 效率有何影响？
• RQ3 如何将现有的空间统计 R 包整合到统一的时空推断框架中？
• RQ4 在对数高斯 Cox 过程的 MCMC 抽样中，使用旋转网格的计算与统计权衡是什么？
• RQ5 如何高效计算并可视化未来强度的预测分布，以支持风险评估？

主要发现

• lgcp 包通过 MCMC 实现了对时空对数高斯 Cox 过程的实时预测推断，支持在未来的空间位置和时间点预测强度。
• 自动窗口旋转可将 FFT 网格单元数量减少高达 200%，显著提升 MCMC 效率，且不影响计算速度。
• 当应用旋转时，网格单元使用效率提升 200%，如在非矩形观测窗口示例中所示。
• 通过将 spatstat、sp 和 sparr 对象转换为标准格式，包支持灵活的数据输入，实现与多种数据格式的无缝集成。
• lgcpSim 函数允许使用用户定义的空间和时间强度函数及模型参数，近似模拟时空点过程。
• 若应用了旋转，lgcpPredict 的预测结果将返回旋转坐标系中的结果，需经过后处理才能与原始空间轴对齐。