文献

J-GLOBAL ID：201702283854866414   整理番号：17A0374983

粒子Markov連鎖モンテカルロ法を用いた個体ベースモデルのためのBayesパラメータ推定【Powered by NICT】

Bayesian parameter inference for individual-based models using a Particle Markov Chain Monte Carlo method

著者 (2件)： Kattwinkel Mira (Eawag: Swiss Federal Institute of Aquatic Science and Technology, Department of Systems Analysis, Integrated Assessment and Modelling, UEberlandstrasse 133, 8600 Duebendorf, Switzerland) ,  Reichert Peter (Eawag: Swiss Federal Institute of Aquatic Science and Technology, Department of Systems Analysis, Integrated Assessment and Modelling, UEberlandstrasse 133, 8600 Duebendorf, Switzerland)
資料名： Environmental Modelling & Software  (Environmental Modelling & Software)
巻： 87  ページ： 110-119  発行年： 2017年 
JST資料番号： W1588A  ISSN： 1364-8152  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： エージェントベースモデルおよび個体ベースモデル(ABMs/IBMs)のためのパラメータ推定は,マニュアルチューニングによってしばしば実施されるとモデルの不確実性評価はしばしば無視されている。ベイズ推論は,これらの課題に同時に対応できる。しかし,これらのモデルの高い計算要件と確率モデルのためのBayes推論の適用における技術的な困難さのために,ABMs/IEMsへの応用の探査は始まったばかりである。状態空間モデルのために開発された粒子Markov連鎖モンテカルロ(PMCMC)アルゴリズムを用いたABMs/IBMのためのBayes推論の実現可能性を実証した。アルゴリズムはシステム状態と時系列観測を用いたパラメータの限界尤度を推定することによってモデルの隠れMarkov構造からの利益。人工観測データを用いた簡単な捕食者-被食者IBMで試験した時に,良くPMCMCアルゴリズムを行った。ABMs/IBMのためのBayes推論のための可能性を提供する。これはモデル挙動と不確実性への付加的な洞察を与え,生態学的及び環境研究におけるABMs/IBMの有用性を広げることができる。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 生態学 ,  *Markov連鎖 ,  *パラメータ推定 ,  確率モデル ,  *モンテカルロ法 ,  エージェントモデル ,  不確実性 ,  Bayes推定 ,  アルゴリズム
準シソーラス用語： 尤度 ,  状態空間モデル ,  モデルの不確実性 ,  *個体ベースモデル ,  *MCMC , 【Automatic Indexing@JST】

著者キーワード (7件)： パラメータ推定 ,  キャリブレーション ,  エージェントベースモデル(ABM) ,  個体ベース模型(IBM) ,  Bayes推論 ,  粒子Markov連鎖モンテカルロ(PMCMC) ,  近似Bayes計算(ABC)

分類 (3件)： 研究開発  (SA01040R) ,  環境工学一般  (SA01010K) ,  オペレーションズリサーチ一般  (KA03010Q)

タイトルに関連する用語 (3件)： Markov連鎖モンテカルロ法 ,  個体ベースモデル ,  パラメータ推定