[論文レビュー] Environmental Economics and Uncertainty: Review and a Machine Learning Outlook

Ruda Zhang, Patrick Wingo+4 more|RePEc: Research Papers in Economics|Apr 24, 2020

Global Energy and Sustainability Research被引用数 4

ひとこと要約

本稿では、低次元の多様体に制約された環境的・社会経済的変数の連関確率分布をモデル化するためのマニフォールドサンプリングという機械学習手法を提案する。これにより、環境経済学における不確実性の定量化が向上する。メキシコ湾における洋上掘削のリスクに適用したところ、従来の手法に比べて、少ないシミュレーション回数で複雑な依存関係を効率的に捉えることができ、政策に影響を与える予測や不確実性下でのリスク評価が向上した。

ABSTRACT

Economic assessment in environmental science concerns the measurement or valuation of environmental impacts, adaptation, and vulnerability. Integrated assessment modeling is a unifying framework of environmental economics, which attempts to combine key elements of physical, ecological, and socioeconomic systems. Uncertainty characterization in integrated assessment varies by component models: uncertainties associated with mechanistic physical models are often assessed with an ensemble of simulations or Monte Carlo sampling, while uncertainties associated with impact models are evaluated by conjecture or econometric analysis. Manifold sampling is a machine learning technique that constructs a joint probability model of all relevant variables which may be concentrated on a low-dimensional geometric structure. Compared with traditional density estimation methods, manifold sampling is more efficient especially when the data is generated by a few latent variables. The manifold-constrained joint probability model helps answer policy-making questions from prediction, to response, and prevention. Manifold sampling is applied to assess risk of offshore drilling in the Gulf of Mexico.

研究の動機と目的

• 環境経済学で用いられる統合評価モデル（IAMs）における不確実性の定量化の課題に対処すること。
• 機械学習手法を活用することで、環境政策におけるリスク評価の効率性と正確性を向上させること。
• 実世界の環境意思決定の文脈における、多様体制約付き連関確率モデルの応用を示すこと。
• 複雑で高次元の不確実性をモデル化するための、従来のモンテカルロ法やアンサンブル法の代替としてスケーラブルな手法を提供すること。
• 統一された確率的フレームワークを通じて、IAMsにおける物理的・生態的・社会経済的モデリング要素の間のギャップを埋めること。

提案手法

• 低次元の幾何的多様体に制約された変数の連関確率分布をモデル化する機械学習手法、マニフォールドサンプリングを採用する。
• 潜在変数構造を用いて、環境的・社会経済的不確実性の背後要因を表現し、次元削減を実現する。
• パラメトリックな形を仮定せずに観測データから連関確率モデルを構築し、非パラメトリックな密度推定を可能にする。
• マニフォールド制約付きモデルを用いて、メキシコ湾のデータを基に洋上掘削のリスクをシミュレート・定量化する。
• 物理的・生態的・社会経済的変数を統合的に1つの確率的フレームワークに統合し、政策に影響を与える分析を実施する。
• シミュレーションの効率性と予測精度の観点から、従来のモンテカルロ法およびアンサンブルサンプリング手法と性能を比較する。

実験結果

リサーチクエスチョン

• RQ1 機械学習手法は、環境経済学における統合評価モデルの不確実性の定量化をどのように改善できるか？
• RQ2 従来のサンプリング手法と比較して、マニフォールドサンプリングは、計算コストをどれほど削減しつつも、リスクモデリングの正確性を維持または向上できるか？
• RQ3 多様体制約付き連関確率モデルは、環境的・物理的・社会経済的変数間の複雑な依存関係を効果的に表現できるか？
• RQ4 このモデルは、環境リスク管理における予測・対応・予防といった政策に影響を与える問いをどのように支援するか？
• RQ5 実世界の応用、例えばメキシコ湾における洋上掘削リスク評価において、マニフォールドサンプリングの性能はいかがなものか？

主な発見

• マニフォールドサンプリングは、確率質量を低次元の多様体に集中させることで、シミュレーションに必要な回数を大幅に削減し、サンプリングの効率性を向上させる。
• データが少数の主要な潜在変数によって生成される場合、従来のモンテカルロ法やアンサンブル法よりも、不確実性の定量化がより正確になる。
• 連関確率モデルにより、環境政策意思決定における予測・対応・予防の分析が堅牢に可能になる。
• メキシコ湾における洋上掘削の事例研究では、環境的および社会経済的リスク要因間の複雑な相互依存関係をモデルが的確に捉えた。
• 非ガウス分布および非線形依存関係をモデル化できる能力のおかげで、尾部リスクや極端な出来事の捉え方が優れている。
• このフレームワークはスケーラブルであり、統合的な不確実性評価を必要とする他の環境政策問題への応用にも適応可能である。