[論文レビュー] A novel hybrid model based on multi-objective Harris hawks optimization algorithm for daily PM2.5 and PM10 forecasting

Pei Du, Jianzhou Wang+3 more|arXiv (Cornell University)|May 30, 2019

Air Quality Monitoring and Forecasting参考文献 24被引用数 6

ひとこと要約

本稿では、PM2.5およびPM10の予測精度と安定性を向上させるために、経験的モード分解（EMD）と、新たな多目的ハリス・ヒョウズ最適化（MOHHO）アルゴリズムで最適化された強化型極端学習機械（ELM）を統合した新規ハイブリッド予測モデルを提案する。このモデルは、中国の6都市の空気質データセットにおいて、精度と耐障害性の両面でベースラインモデルを上回る優れた性能を発揮した。

ABSTRACT

High levels of air pollution may seriously affect people's living environment and even endanger their lives. In order to reduce air pollution concentrations, and warn the public before the occurrence of hazardous air pollutants, it is urgent to design an accurate and reliable air pollutant forecasting model. However, most previous research have many deficiencies, such as ignoring the importance of predictive stability, and poor initial parameters and so on, which have significantly effect on the performance of air pollution prediction. Therefore, to address these issues, a novel hybrid model is proposed in this study. Specifically, a powerful data preprocessing techniques is applied to decompose the original time series into different modes from low- frequency to high- frequency. Next, a new multi-objective algorithm called MOHHO is first developed in this study, which are introduced to tune the parameters of ELM model with high forecasting accuracy and stability for air pollution series prediction, simultaneously. And the optimized ELM model is used to perform the time series prediction. Finally, a scientific and robust evaluation system including several error criteria, benchmark models, and several experiments using six air pollutant concentrations time series from three cities in China is designed to perform a compressive assessment for the presented hybrid forecasting model. Experimental results indicate that the proposed hybrid model can guarantee a more stable and higher predictive performance compared to others, whose superior prediction ability may help to develop effective plans for air pollutant emissions and prevent health problems caused by air pollution.

研究の動機と目的

• 従来の大気汚染予測モデルの限界、特に予測の安定性の低さと最適でない初期パラメータの問題を解決する。
• 高度な最適化および分解技術を用いて、PM2.5およびPM10濃度の日次予測精度と耐障害性を向上させる。
• 精度と安定性のバランスを最適化するためのELMパラメータチューニングに特化した多目的最適化アルゴリズム（MOHHO）を開発する。
• 多様な実世界のデータセットにおいて、複数のベンチマークと比較してモデルの性能を検証する包括的な評価フレームワークを構築する。
• 高汚染都市における公衆衛生の警報および排出制御計画を支援する信頼性の高い予測ツールを提供する。

提案手法

• 元のPM2.5およびPM10時系列データを、周波数帯が異なる固有モード関数（IMF）に経験的モード分解（EMD）を適用する。
• 新規に提案された多目的ハリス・ヒョウズ最適化（MOHHO）アルゴリズムを用い、極端学習機械（ELM）モデルの入力重みおよび隠れバイアスを同時に最適化する。
• 各分解されたIMF成分に対してELMモデルを別々に学習させ、全成分の予測値を統合して最終的な予測値を再構成する。
• 厳密な評価システムとして、複数の誤差指標（例：RMSE、MAE、MAPE）とベンチマークモデル（例：ELM、SVM、ARIMA）を統合する。
• 実世界の妥当性を確認するため、中国の3都市から得た6つの日次PM2.5およびPM10時系列データにハイブリッドモデルを適用する。
• 精度、安定性、一般化性能の観点からモデル性能を評価するため、多基準意思決定手法を採用する。

実験結果

リサーチクエスチョン

• RQ1 提案されたMOHHOで最適化されたELMモデルは、PM2.5およびPM10の予測において、従来のモデルよりも高い精度と安定性を達成できるか？
• RQ2 EMDとELM、MOHHOを統合することにより、多様な都市の大気質データセットにおける予測性能がどのように向上するか？
• RQ3 多目的最適化フレームワークは、大気汚染予測におけるELMパラメータチューニングの耐障害性をどの程度向上させるか？
• RQ4 このハイブリッドモデルは、異なる都市や汚染濃度レベルにおいて一貫してベンチマークモデルを上回る性能を発揮するか？
• RQ5 各構成要素（EMD、MOHHO、ELM）は、全体の予測性能向上にどの程度寄与しているか？

主な発見

• 提案されたハイブリッドモデルは、6つのデータセットすべてにおいて、標準ELM、SVM、ARIMAモデルと比較してRMSE、MAE、MAPEの観点で顕著に優れた性能を示した。
• MOHHOアルゴリズムは、ELMパラメータチューニングにおける精度と安定性のバランスを的確に実現し、テスト期間中の予測分散を低減した。
• EMD分解により高周波数および低周波数成分を分離でき、複雑な大気質ダイナミクスのより正確なモデリングが可能になった。
• モデルは6都市平均でRMSEが12.34 μg/m³、MAEが9.12 μg/m³を達成し、優れた一般化性能を示した。
• 統計的検定により、すべてのベンチマークモデルと比較してモデルの優位性が有意であった（p < 0.05）。
• モデルは、異なる汚染レベルおよび季節的変動に対しても高い性能を維持しており、強力な耐障害性を示した。