[논문 리뷰] Forecasting of a Hierarchical Functional Time Series on Example of Macromodel for Day and Night Air Pollution in Silesia Region: A Critical Overview

Daniel Kosiorowski, Dominik Mielczarek외 1명|arXiv (Cornell University)|2017. 01. 01.

Air Quality Monitoring and Forecasting참고 문헌 7인용 수 2

한 줄 요약

이 논문은 폴란드 실레시아의 5개 하위 지역에서 일일 및 야간 PM10 농도를 포함한 대기 오염 모델링에서 계층적 기능적 시계열(HFTS)을 예측하기 위한 강건한 이중 기능 중앙값 방법을 제안한다. 이 방법은 기능적 이상치에 대한 강건성과 계산 효율성 면에서 Shang 및 Hyndman(2017)의 방법을 뛰어넘으며, 특히 데이터 이상 상황 하에서의 예측 정확도와 안정성에서 뛰어난 성능을 보였다.

ABSTRACT

In economics we often face a system, which intrinsically imposes a structure of hierarchy of its components, i.e., in modelling trade accounts related to foreign exchange or in optimization of regional air protection policy. A problem of reconciliation of forecasts obtained on different levels of hierarchy has been addressed in the statistical and econometric literature for many times and concerns bringing together forecasts obtained independently at different levels of hierarchy. This paper deals with this issue in case of a hierarchical functional time series. We present and critically discuss a state of art and indicate opportunities of an application of these methods to a certain environment protection problem. We critically compare the best predictor known from the literature with our own original proposal. Within the paper we study a macromodel describing a day and night air pollution in Silesia region divided into five subregions.

연구 동기 및 목표

• 환경 정책을 위한 기능적 시계열에서 계층적 수준 간 예측을 조율하는 데 도전하는 것.
• 대기 오염 모델링에서 계층적 기능적 시계열(HFTS)에 대해 더 강건하고 계산 효율적인 예측 방법을 개발하는 것.
• 오염 통제 정책 하에서 예측 품질이 지역 사회 복지 최적화에 어떤 영향을 미치는지 평가하는 것.
• 실제 환경 예측 맥락에서 제안된 이중 기능 중앙값 방법이 최신 기술인 Shang 및 Hyndman(2017) 방법과 비교해 성능 면에서 어떻게 나타나는지 비교하는 것.

제안 방법

• 일일 및 야간 PM10 농도 곡선을 기능적 난수 변수로 모델링하기 위해 기능적 데이터 분석을 적용한다.
• 다섯 개의 하위 지역이 통합되어 실레시아 전체 지역으로 구성된 계층적 구조를 사용한다.
• 절대 편차를 최소화하는 새로운 이중 기능 중앙값 추정기법을 제안하여 기능적 이상치에 대한 강건성을 향상시킨다.
• 기능적 중앙값 스무딩을 활용한 이동 창 방식을 적용해 동적 예측을 수행한다.
• 강건하고 비모수적 중앙값 기반의 회귀 프레임워크를 통해 계층 수준 간 예측을 조율한다.
• 제안된 방법을 Shang 및 Hyndman의 일반화된 최소 제곱 기반 최적 조합 방법과 비교한다.

실험 결과

연구 질문

• RQ1 어떻게 계층적 기능적 시계열(HFTS)이 지역 환경 맥락에서 일일 및 야간 PM10 오염을 효과적으로 모델링하고 예측하는 데 활용될 수 있는가?
• RQ2 기존의 HFTS 예측 방법의 한계는 무엇인가? 특히 기능적 이상치와 계산 복잡성 처리 측면에서 말이다.
• RQ3 제안된 이중 기능 중앙값 방법은 Shang 및 Hyndman(2017) 방법과 비교해 예측 정확도와 강건성 측면에서 어떻게 다른가?
• RQ4 예측 품질이 대기 오염 통제 정책 하에서 지역 사회 복지 최적화에 어느 정도 영향을 미치는가?
• RQ5 복잡한 오염 역학을 보이는 지역에서 정책에 유용한 환경 예측을 향상시키기 위해 강건하고 비모수적 HFTS 예측 방법을 도입할 수 있는가?

주요 결과

• 제안된 이중 기능 중앙값 방법은 모든 다섯 개의 하위 지역에서 Shang 및 Hyndman 방법보다 유의미하게 낮은 중앙값 절대편차(MAD) 값을 기록했으며, 각각 265.81, 377.35, 265.81, 526.79, 328.63의 MAD 점수를 기록한 반면, Shang 및 Hyndman 방법은 각각 1699.585, 1447.805, 1699.585, 881.2513, 891.188의 점수를 기록했다.
• 새로운 방법은 예측 오차가 더 안정적이고 극단적인 오염 곡선에 덜 민감함으로써 기능적 이상치에 대한 더 뛰어난 강건성을 보였다.
• 이중 기능 중앙값 방법은 일반화된 최소 제곱과 반복 최적화에 의존하는 Shang 및 Hyndman 방법보다 낮은 계산 복잡도를 보였다.
• 기능 상자도표 분석 결과, Shang 및 Hyndman 방법은 특히 고배출기록 기간에 더 변동성이 크고 이상치에 민감한 예측을 생성하는 것으로 나타났다.
• 연구 결과는 예측 정확도가 오염 감축 정책의 비용-편익 평가에서 지역 사회 복지 최적화 잠재력에 직접적인 영향을 미친다는 점을 확인했다.
• 결과적으로, 데이터가 정규분포가 아니거나 이상치를 포함할 수 있는 환경 정책 모델링 맥락에서 강건하고 비모수적 HFTS 방법의 사용을 지지한다.