[论文解读] A comparative study of statistical and machine learning models on near-real-time daily emissions prediction

Xiangqian Li|arXiv (Cornell University)|Feb 2, 2023

Air Quality Monitoring and ForecastingEnvironmental Science被引用 3

一句话总结

本研究评估了六种模型——三种统计模型（ARIMA、SARIMAX、GM(1,1)）和三种机器学习模型（LSTM、RF、ANN）——在2020年至2022年期间对中国近实时每日二氧化碳排放量进行预测的表现。LSTM模型在五项指标中均表现最优，误差最低，包括3.5179e-04的MSE和0.9844的R²，表明其在短期排放预测中具有卓越性能。

ABSTRACT

The rapid ascent in carbon dioxide emissions is a major cause of global warming and climate change, which pose a huge threat to human survival and impose far-reaching influence on the global ecosystem. Therefore, it is very necessary to effectively control carbon dioxide emissions by accurately predicting and analyzing the change trend timely, so as to provide a reference for carbon dioxide emissions mitigation measures. This paper is aiming to select a suitable model to predict the near-real-time daily emissions based on univariate daily time-series data from January 1st, 2020 to September 30st, 2022 of all sectors (Power, Industry, Ground Transport, Residential, Domestic Aviation, International Aviation) in China. We proposed six prediction models, which including three statistical models: Grey prediction (GM(1,1)), autoregressive integrated moving average (ARIMA) and seasonal autoregressive integrated moving average with exogenous factors (SARIMAX); three machine learning models: artificial neural network (ANN), random forest (RF) and long short term memory (LSTM). To evaluate the performance of these models, five criteria: Mean Squared Error (MSE), Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE) and Coefficient of Determination () are imported and discussed in detail. In the results, three machine learning models perform better than that three statistical models, in which LSTM model performs the best on five criteria values for daily emissions prediction with the 3.5179e-04 MSE value, 0.0187 RMSE value, 0.0140 MAE value, 14.8291% MAPE value and 0.9844 value.

研究动机与目标

• 识别用于预测中国近实时每日二氧化碳排放量的最准确模型。
• 比较统计模型（ARIMA、SARIMAX、GM(1,1)）与机器学习模型（LSTM、RF、ANN）在单变量时间序列排放数据上的性能表现。
• 使用多种标准指标（MSE、RMSE、MAE、MAPE、R²）评估模型准确性。
• 通过提供及时可靠的排放趋势预测，支持基于证据的气候政策制定。

提出的方法

• 本研究使用2020年1月1日至2022年9月30日期间的单变量每日时间序列数据，涵盖六个行业：电力、工业、地面交通、居民生活、国内航空和国际航空。
• 训练并评估了六种模型：三种统计模型（GM(1,1)、ARIMA、SARIMAX）和三种机器学习模型（ANN、RF、LSTM）。
• 通过五项评估指标衡量模型性能：均方误差（MSE）、均方根误差（RMSE）、平均绝对误差（MAE）、平均绝对百分比误差（MAPE）和决定系数（R²）。
• 模型基于历史数据进行训练，并在保留的验证集上进行测试，以确保对未见每日排放趋势的泛化能力。
• 通过交叉验证对机器学习模型（如LSTM、RF、ANN）的超参数进行调优，以优化预测性能。
• 本研究聚焦于单变量预测，即每种模型仅使用历史排放序列，不引入外部协变量，但SARIMAX模型除外，其引入了外生变量。

实验结果

研究问题

• RQ1 在统计模型与机器学习模型之间，哪种模型能为中国近实时每日排放预测提供最准确的结果？
• RQ2 在每日排放预测中，统计模型与机器学习模型在MSE、RMSE、MAE、MAPE、R²等指标上的表现如何比较？
• RQ3 LSTM模型是否在捕捉每日排放数据的时间模式方面显著优于其他模型？
• RQ4 各模型在不同排放行业趋势下的相对稳定性和鲁棒性如何？

主要发现

• LSTM模型在全部五项评估指标中表现最佳，均方误差（MSE）为3.5179e-04。
• LSTM模型的均方根误差（RMSE）为0.0187，表明其在每日排放预测中具有高精度。
• LSTM模型的平均绝对误差（MAE）为0.0140，反映出预测偏差的平均值较低。
• LSTM模型的平均绝对百分比误差（MAPE）为14.8291%，表明在百分比误差方面处于中等水平。
• LSTM模型的决定系数（R²）为0.9844，表明模型解释了排放量98.44%的方差。
• 在统计模型中，SARIMAX表现最佳，但在所有指标上仍逊于三种机器学习模型。