[论文解读] On spatial and spatio-temporal multi-structure point process models

Morteza Raeisi, Florent Bonneu+1 more|arXiv (Cornell University)|Mar 4, 2020

Point processes and geometric inequalities参考文献 67被引用 4

一句话总结

本文综述并整合了用于捕捉多尺度复杂相互作用的空间与时空多结构点过程模型，重点聚焦于吉布斯过程和 Cox 过程。通过提出混合、薄化和叠加技术，模型能够同时刻画聚类与规则性特征，为生态学、流行病学和地球物理学应用提供统一框架，并在野火、疾病传播和树木分布等场景中得到实际验证。

ABSTRACT

Spatial and spatio-temporal single-structure point process models are widely used in epidemiology, biology, ecology, seismology... . However, most natural phenomena present multiple interaction structure or exhibit dependence at multiple scales in space and/or time, leading to define new spatial and spatio-temporal multi-structure point process models. In this paper, we investigate and review such multi-structure point process models mainly based on Gibbs and Cox processes.

研究动机与目标

• 解决单一结构点过程模型在捕捉空间与时空现象中多尺度相互作用方面的局限性。
• 综述并系统化构建多结构点过程的方法，尤其关注同时存在聚类与规则性的场景。
• 全面概述混合、薄化和叠加等技术在建模多尺度依赖关系中的应用。
• 突出这些模型在地震学、生态学和疾病传播等现实领域中的适用性，这些领域中的现象表现出分层的空间与时间结构。
• 通过识别时空多结构建模中的研究空白，为未来研究提供指导，特别是将现有方法从吉布斯和 Cox 过程扩展至更广泛的应用。

提出的方法

• 利用吉布斯过程通过能量函数建模复杂相互作用结构，借助势函数实现聚类、规则性或混合行为的刻画。
• 应用 Cox 过程——特别是对数高斯 Cox 过程（LGCPs）——通过潜在高斯随机场驱动的强度波动，实现对多尺度聚类的灵活建模。
• 通过组合多种点过程模型（如区域相互作用过程与 Strauss 过程）实现混合，以表示不同尺度下竞争的相互作用结构。
• 使用薄化操作，包括 Matérn 硬核薄化，通过基于邻近距离和标记的规则移除点，以在聚类过程中引入局部规则性。
• 通过独立点过程的叠加，建模多尺度聚类，尤其适用于生态学和流行病学数据中存在明显空间或时间聚类的场景。
• 引入构造协变量（如网格单元外最近邻的距离）以捕捉小尺度相互作用，同时结合空间随机场与误差项，以建模大尺度自相关性与单元内聚类。

实验结果

研究问题

• RQ1 如何将点过程模型扩展以在时空中同时刻画多种相互作用结构（如聚类与规则性）？
• RQ2 在构建多结构点过程时，混合、薄化或叠加等方法中，哪种最具有效性？
• RQ3 吉布斯过程与 Cox 过程在建模多尺度现象方面有何差异？在何种情况下应优先选择其中一种？
• RQ4 如何将构造协变量与潜在随机场整合进强度模型，以同时捕捉局部与全局空间依赖性？
• RQ5 在疾病传播或野火等现实应用中，将单一结构模型扩展为多结构框架存在哪些实际限制与机遇？

主要发现

• 基于吉布斯和 Cox 过程的多结构点过程模型，能有效捕捉单一结构模型无法表达的复杂空间与时空依赖关系。
• 构造协变量（如网格单元外最近邻的距离）的使用，使小尺度相互作用得以建模，而空间随机场则有效捕捉大尺度自相关性。
• 薄化技术，尤其是 Matérn 硬核薄化，成功在聚类过程中引入局部规则性，证明了其在聚类框架内对短距离排斥的建模能力。
• 通过组合不同相互作用结构（如区域相互作用与 Strauss 势函数）的混合模型，为建模空间点过程中竞争尺度的相互作用提供了灵活方法。
• 多个过程的叠加能有效建模多尺度聚类，如在水痘病例数据与野火发生数据中的应用所示，其中明显存在空间与时间上的独立聚类。
• 在 LGCP 中整合空间随机场与误差场，可同时建模大尺度空间趋势与小尺度单元内聚类，该方法在雨林树种数据中得到验证。