Statistical Agent-Based Models for Discrete Spatio-Temporal Systems
离散时空系统的统计主体模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要描述空间扩散与主体动态，但未明确网络结构、宏观时间序列或其他所列细分。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
离散时空系统的统计主体模型
- 研究问题
- 如何把依靠局部机制模拟复杂动态的主体模型转为正式统计模型，用时空二元数据描述疫情传播等过程？
- 方法与思路
- 作者建立层级贝叶斯统计主体建模框架，以直观参数刻画系统动态，允许方向差异扩散、远距离扩散和空间异质性。
- 材料陈述的贡献
- 摘要提出从主体机制到统计建模的框架，使离散时空系统中的多种扩散特征与空间异质性能够被显式纳入。
- 阅读关注点
- 应核对主体规则与观测数据的连接、动态参数的可识别性，以及方向扩散、远距扩散和异质性如何区分。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；未交代推断算法、验证结果或网络结构，不能补推具体性能结论。
原文摘要
Agent-based models have been used to mimic natural processes in a variety of fields, from biology to social science. By specifying mechanistic models that describe how small-scale processes function and then scaling them up, agent-based approaches can result in very complicated large-scale behavior while often relying on only a small set of initial conditions and intuitive rules. Although many agent-based models are used strictly in a simulation context, statistical implementations are less common. To characterize complex dynamic processes, such as the spread of epidemics, we present a hierarchical Bayesian framework for formal statistical agent-based modeling using spatiotemporal binary data. Our approach is based on an intuitive parameterization of the system dynamics and can explicitly accommodate directionally varying dispersal, long distance dispersal, and spatial heterogeneity.