我对 R 比较陌生。我在一个赛季中重复进行了 10 分钟的计分。我有 50 个站点（半径 100 m）重复了 3 次调查，并且每个单独的观测值（n = 1108）都以离散的距离间隔记录（即，每次调查期间每个站点的观测数并不总是相等）。对每个地点（n = 50）测量一次栖息地变量，并在每次调查中为每个地点测量检测协变量（n = 150）。

我希望测试各种栖息地指标对鸣禽丰度/密度的影响，在我的模型中包含检测协变量，并在我的设计中考虑重复测量。我认为'distsamp'最适合这个，但不确定（尤其是在如何处理重复措施方面）。

我遵循了 Chandler 的“未标记的距离采样分析（2011 年）”，并且在我添加检测协变量（使用 distsamp；在添加丰度/密度栖息地预测因子之前）之前，一切似乎都有效，运行我的模型时会产生警告：“在 lambda *答：较长的对象长度不是较短对象长度的倍数”。

(a) 我是否使用了适当的拟合函数（即 distsamp vs. gdistsamp vs. pcount vs.???） (b) 为什么我会收到此警告消息？

这是我的代码：

dists <-read.csv("file/path.csv")

变量子集（用作检测协变量）

jdate<-(dists$day.julian)
daytime<-(dists$time.hour.num)

'point' 包含字符+数字的站点名称（例如，'sweco03'）

以 10 m 的距离间隔记录到 100 m 的单个观测值

summary(umf)

确定最佳检测功能

检验检测协变量的拟合度

等当我尝试运行这些模型时，我收到警告消息。

我无法用gdistsamp()（未标记的包装）拟合模型。每当我添加更多变量时，我都会收到“非有限差分值”错误：

当我从检测公式中删除一些变量时，我得到了计算模型，但我得到了模型没有收敛的警告：

当我使模型像这样简单时：

它将被计算（并收敛），但是我仍然收到警告“在 log(cp[J + 1]) : NaNs 产生”。

请注意，除 clc 变量外，所有变量均已标准化 - 这些是具有特定栖息地的区域的比例（实数 0 - 1），总和为 1。

无法弄清楚问题到底出在哪里......

PS：我愿意将数据发送给任何对此问题感兴趣的人（我不想只是在网络上发布它们）

我用一些试验数据运行了这个确切的代码，它似乎工作得很好，但是当我制作一个更大的数据集时，R 抛出了一个错误：

我试图使用的代码行是：

我有 1 组 4 个样带，每个 600m 长。当我运行代码时，一切都很顺利。但是当我将更多的横断面组合到数据中时，我得到了上面的错误。

我尝试将其更改tlength=rep(600,5)为tlength=rep(600,29). 28(+1) 是横断面数....我想。

有没有人有什么建议？

我有包mod中的类变量，我需要为该类添加一个新属性：unmarkedFitPCountunmarked

我收到一个错误：

'new_attr' 不是“unmarkedFitPCount”类中的插槽</p>

我需要添加这个新属性而不创建新的派生类，因为我需要所有这些函数来处理这个对象。这应该只是一个非常轻量级的临时破解。我怎样才能做到这一点？

您好，我正在尝试对使用未标记包制作并使用包 AICcmodavg 评估的单季入住模型进行拟合优度分析。您可以在此处下载原始模型作为 RDS

我收到以下错误：

data.frame(det.hist, preds.psi) 中的错误：参数暗示不同的行数：123、111 另外：警告消息：1：由于缺少相应的协变量，一些观察结果已被丢弃。2：12 个站点因数据缺失而被丢弃。3：由于缺少相应的协变量，一些观察结果已被丢弃。4：12 个站点因数据缺失而被丢弃。

我知道这是因为我的原始 data.frame 中的 NA 数据，我可以返回并删除这些行，但我必须重做 25 个不同的模型，我宁愿克服这个错误。

有没有办法克服这个函数中的错误，或者是否可以使用另一个函数来获得拟合优度？

这个问题可能已经重复了。但即使经过前面的链接，我也无法解决这个问题。

我正在尝试使用未标记包中的 formatDistData() 函数，但是，在运行代码时

我收到一条错误消息"The distances must be numeric"。我已经运行了 as.numeric() 函数，但代码显示相同的错误。

这是我的数据的外观。我在一列中有横切，另一列有距离。在右侧，您可以看到距离是 num 值，横断面是 chr。如果有人能够告诉我我需要做什么才能让它工作，那就太好了

数据

我正在疏浚一个未标记的入住模型，并遇到了一些障碍：

1）在首先疏通模型的检测组件之后，我试图用之前为检测组件选择的固定预测因子子集来疏通模型的占用组件，如下所示：

更新：我尝试在下面使用 Kamil 的解决方案，但它不起作用，因为“m.max”参数对任何单个模型的最大变量数施加了通用约束（跨 p 和 psi 分量），因此不允许要拟合的任何 psi 协变量...

我目前正在尝试对包中的数据进行拟合优度测试unmarked。为此，我使用了在关联的 google 组中编写的代码。这依赖于 parboot 来评估模型的拟合优度。然后它产生一个卡方 P 值和 C-hat 值。

奇怪的是，当我只对模型进行 >90 次模拟时，我会收到以下错误：

checkForRemoteErrors(val) 中的错误：3 个节点产生错误；第一个错误：找不到函数“mb.chisq.RN”

低于此模拟次数，不会遇到错误，可以计算统计量。

我先跑；mb.chisq.RN

这将成功计算卡方值。然后我运行测试。

这会产生以下错误：

checkForRemoteErrors(val) 中的错误：3 个节点产生错误；第一个错误：找不到函数“mb.chisq.RN”

我不完全确定为什么这个错误只发生在一定数量的模拟之上，所以任何指针都会被大量接收。

我正在尝试通过远程连接到超级计算机以使用并行包的 parLapply 使用许多内核（通过 computeCanada）来并行运行模型列表。

当我运行该行时：

我收到以下错误：

我通过执行以下操作创建了我的“mods”列表：

收到错误后，我检查了 str(mods)，它作为“4 的列表”返回，所以我真的不明白为什么它在我的 parLapply 行中没有被识别。

这是我的代码的摘录：

我的全部工作有超过 2000 个模型，每个模型至少需要 20 分钟才能运行，而且我必须运行拟合优度测试，这就是我尝试使用 HPC 的原因。我还是 R 的新手，而且对 HPC 非常陌生，所以此时任何指导对我都非常有用！提前致谢

我正在尝试根据模型（hn.ls）的估计来绘制真实比例的密度关系的线图。但我坚持将其反向转换为实际规模。我是否正确进行了反向转换，还是应该直接使用 plot()？

我试过 backTransform(hn.ls, type="state") 而不是 "det" 但都不管用。

.local(obj, ...) 中的错误：无法直接反向转换长度 > 1 的 unmarkedEstimate。

我期望从以下位置获得检测估计：

这会给我一个数字：

然后我会估计半正常的exp：

并得到：

然后计算：

并得到了一个情节：