[論文レビュー] Modeling Dependence Dynamics of Air Pollution: Pollution Risk Simulation and Prediction of PM$_{2.5}$ Levels

Halis Sak, Guanyu Yang+2 more|arXiv (Cornell University)|Feb 17, 2016

Air Quality Monitoring and Forecasting参考文献 33被引用数 6

ひとこと要約

本稿は、中国の複数都市におけるPM₂.₅濃度データを用いて、t-copulaと一般化ヘッセ型周辺分布を用いたリスクモデリングフレームワークを提案し、重要度サンプリングを用いた効率的なシミュレーションを実施する。0.01のリスク水準におけるクリーンエア・アットリスク（CaR）は、初期濃度が100 μg/m³の条件下で352 μg/m³に達することが示された。LSTMはデータ制限のため性能が低かったが、マルチレイヤーパーセプトロン（MLP）は3時間ごとのPM₂.₅レベル予測において72%を超える分類精度を達成した。

ABSTRACT

The first part of this paper introduces a portfolio approach for quantifying the risk measures of pollution risk in the presence of dependence of PM$_{2.5}$ concentration of cities. The model is based on a copula dependence structure. For assessing model parameters, we analyze a limited data set of PM$_{2.5}$ levels of Beijing, Tianjin, Chengde, Hengshui, and Xingtai. This process reveals a better fit for the t-copula dependence structure with generalized hyperbolic marginal distributions for the PM$_{2.5}$ log-ratios of the cities. Furthermore, we show how to efficiently simulate risk measures clean-air-at-risk and conditional clean-air-at-risk using importance sampling and stratified importance sampling. Our numerical results show that clean-air-at-risk at 0.01 probability level reaches up to 352 μgm-3 (initial PM$_{2.5}$ concentrations of cities are assumed to be 100 μgm-3) for the constructed sample portfolio, and proposed methods are much more efficient than a naive simulation for computing the exceeding probabilities and conditional excesses. In the second part, we predict PM$_{2.5}$ levels of the next three-hour period of four Chinese cities, Beijing, Chengde, Xingtai, and Zhangjiakou. For this purpose, we use the pollution and weather data collected from the stations located in these four cities. Instead of coding the machine learning algorithms, we employ a state-of-the-art machine learning library, Torch7. This allows us to try out the state-of-the-art machine learning methods like long short-term memory (LSTM). Unfortunately, due to small data size and lots of missing values (when we combined the features of the cities) in the data, LSTM does not perform better than a multilayer perceptron. However, we get a classification accuracy above 0.72 on the test data.

研究の動機と目的

• 複数都市におけるPM₂.₅濃度の依存関係を考慮した、ポートフォリオベースの大気汚染リスク評価モデルの構築。
• クリーンエア・アットリスク（CaR）や条件付きクリーンエア・アットリスク（CCaR）といった極値リスク指標を推定する際の、シミュレーション手法の効率性—特に重要度サンプリング（IS）および階層的重要度サンプリング（SIS）—の評価。
• 多都市の大気汚染および気象データを用いた短期的PM₂.₅濃度予測に、最先端の機械学習手法（LSTM）を応用する可能性の探求。
• データ品質の問題—特に小規模なサンプルサイズと欠損値—が、大気質予測におけるディープラーニングの性能に与える影響の評価。

提案手法

• PM₂.₅濃度の対数比に一般化ヘッセ型周辺分布を用いたt-copula構造により、複数都市間の依存関係をモデリング。
• 北京、塘沽、承德、衡水、邢台の5都市から得られた限定的データセットを用いて、モデルのパラメータ推定を実施。
• t-copulaフレームワーク下でCaRおよびCCaRを効率的にシミュレートするため、重要度サンプリング（IS）および階層的重要度サンプリング（SIS）を実装。
• Torch7ディープラーニングライブラリを用いて、3時間先のPM₂.₅レベル分類のための3つのモデル—マルチレイヤーパーセプトロン（MLP）、LSTM、欠損値補完済みバージョン—を訓練・比較。
• 尤度最大化および平均二乗誤差（MSE）といった異なる損失基準に基づくモデル性能の評価。
• 欠損値をゼロで補完し、欠損PM₂.₅観測値用の新しいクラスを導入することで、時系列の連続性を維持する対策を講じた。

実験結果

リサーチクエスチョン

• RQ1 複数中国都市におけるPM₂.₅濃度の依存ダイナミクスを最も適切に捉えるcopula構造は何か？
• RQ2 ナーブなシミュレーションに比べ、重要度サンプリング（IS）および階層的重要度サンプリング（SIS）は、クリーンエア・アットリスク（CaR）や条件付きCaR（CCaR）といった極値リスク指標の推定において、どの程度効率的か？
• RQ3 欠損値を含む多都市の大気汚染および気象データを用いた場合、LSTMは従来のマルチレイヤーパーセプトロン（MLP）を上回る性能を示すか？
• RQ4 データの疎らさと欠損値は、大気質予測におけるLSTMなどのディープラーニングモデルの性能にどのように影響を与えるか？

主な発見

• 一般化ヘッセ型周辺分布を用いたt-copulaが、5都市のPM₂.₅対数比データに対して最も良好なフィットを示した。
• 初期PM₂.₅濃度が100 μg/m³の条件下で、0.01の確率水準におけるクリーンエア・アットリスク（CaR）は352 μg/m³に達し、ポートフォリオ全体としての高い汚染リスクを示した。
• ナーブなシミュレーションに比べ、重要度サンプリング（IS）および階層的重要度サンプリング（SIS）は、超過確率および条件付き超過量の推定において顕著に高い効率性を示した。
• 最先端のライブラリ（Torch7）を用いても、データサイズが小さく欠損率が高い状況では、LSTMはマルチレイヤーパーセプトロン（MLP）を上回らなかった。
• マルチレイヤーパーセプトロン（MLP）は、3時間先PM₂.₅レベル予測において、テストデータで0.72を超える分類精度を達成した。
• 欠損値をゼロで補完し、欠損値用のクラスを追加することでモデルのロバスト性が向上したが、性能は完全な特徴量を用いたケースと同等に保たれた。