[논문 리뷰] Environmental Economics and Uncertainty: Review and a Machine Learning Outlook

Ruda Zhang, Patrick Wingo외 4명|RePEc: Research Papers in Economics|2020. 04. 24.

Global Energy and Sustainability Research인용 수 4

한 줄 요약

이 논문은 환경 및 사회경제적 변수의 연합 확률 분포를 저차원의 다양체에 제약을 두어 모델링하는 맨포ลด 샘플링 기법을 제안한다. 이는 환경 경제학 분야에서의 불확실성 정량화를 향상시키기 위한 기계학습 기법이다. 멕시코 만의 해저 채굴 위험에 적용된 결과, 기존 방법보다 더 효율적으로 복잡한 상관관계를 포착함으로써 더 적은 수의 시뮬레이션으로도 더 나은 정책 관련 예측과 불확실성 하에서의 위험 평가를 가능하게 하였다.

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.

연구 동기 및 목표

• 환경 경제학에서 사용되는 통합 평가 모델(IAMs)의 불확실성 정량화 과제를 해결하기 위해.
• 기계학습 기법을 활용하여 환경 정책의 위험 평가 효율성과 정확도를 향상시키기 위해.
• 실제 환경 의사결정 환경에서 맨포ลด 제약이 가해진 연합 확률 모델링의 적용을 입증하기 위해.
• 복잡한 고차원 불확실성을 모델링하기 위한 전통적인 몬테카를로 및 앙상블 방법의 대안으로 확장 가능한 방법을 제공하기 위해.
• 물리적, 생태적, 사회경제적 모델링 요소 간의 격차를 통합 확률 프레임워크를 통해 메우기 위해.

제안 방법

• 저차원 기하 다양체에 제약을 두어 변수의 연합 확률 분포를 모델링하는 기계학습 기법인 맨포ลด 샘플링을 활용한다.
• 잠재 변수 구조를 사용하여 환경 및 사회경제적 불확실성의 근본 원인을 표현함으로써 차원을 감소시킨다.
• 관측된 데이터에서 비모수적 밀도 추정을 가능하게 하기 위해 분포의 형태를 가정하지 않고 연합 확률 모델을 구성한다.
• 맨포ลด 제약이 가해진 모델을 활용해 멕시코 만의 데이터를 바탕으로 해저 채굴의 위험을 시뮬레이션하고 정량화한다.
• 물리적, 생태적, 사회경제적 변수를 하나의 확률 프레임워크로 통합하여 정책 관련 분석을 수행한다.
• 모의 시뮬레이션 효율성과 예측 정확도 측면에서 기존 몬테카를로 및 앙상블 샘플링 방법과의 성능을 비교한다.

실험 결과

연구 질문

• RQ1 기계학습 기법은 환경 경제학의 통합 평가 모델에서 불확실성 정량화를 어떻게 향상시킬 수 있는가?
• RQ2 기존의 샘플링 방법과 비교해 맨포ลด 샘플링는 계산 비용을 얼마나 줄일 수 있으며, 정확도는 유지 또는 향상시키는가?
• RQ3 맨포ลด 제약이 가해진 연합 확률 모델은 환경적, 물리적, 사회경제적 변수 간의 복잡한 상관관계를 효과적으로 표현할 수 있는가?
• RQ4 이 모델은 환경 위험 관리에서 예측, 대응, 방지와 같은 정책 관련 질문을 어떻게 지원하는가?
• RQ5 실제 적용 사례인 멕시코 만의 해저 채굴 위험 평가에서 맨포ลด 샘플링의 성능은 어떠한가?

주요 결과

• 맨포ลด 샘플링는 확률 질량을 저차원 다양체에 집중시킴으로써 시뮬레이션 횟수를 크게 줄이며 샘플링 효율성을 크게 향상시킨다.
• 주로 몇 가지 주요 잠재 변수에 의해 생성된 데이터의 경우, 기존 몬테카를로 및 앙상블 방법보다 더 정확한 불확실성 특성화를 제공한다.
• 연합 확률 모델은 환경 정책 결정을 위한 견고한 예측, 대응 및 예방 분석을 가능하게 한다.
• 멕시코 만의 해저 채굴 사례 연구에서, 모델은 환경 및 사회경제적 위험 요인 간의 복잡한 상호의존성을 성공적으로 포착하였다.
• 비정규 및 비선형 상관관계를 모델링할 수 있는 능력 덕분에 꼬리 위험과 극단적 사건을 더 잘 포착하는 데서 뛰어난 성능을 보였다.
• 이 프레임워크는 통합된 불확실성 평가가 필요한 다른 환경 정책 문제에 대해서도 확장 가능하고 적응 가능하다.