[论文解读] A Multi-Variate Triple-Regression Forecasting Algorithm for Long-Term Customized Allergy Season Prediction

Xiao-Yu Wu, Zeyu Bai+2 more|arXiv (Cornell University)|May 10, 2020

Forecasting Techniques and Applications参考文献 24被引用 24

一句话总结

本文提出了一种多变量三重回归算法，通过整合历史花粉浓度和11个气象协变量，预测长期、患者定制化的空气传播花粉过敏季节的开始和结束日期。该方法采用三阶段回归——首先预测季节日期，然后估计不确定性，最后应用加权线性回归——从而降低预测误差，在回溯测试中实现了4.7天的平均绝对误差（MAE）。

ABSTRACT

In this paper, we propose a novel multi-variate algorithm using a triple-regression methodology to predict the airborne-pollen allergy season that can be customized for each patient in the long term. To improve the prediction accuracy, we first perform a pre-processing to integrate the historical data of pollen concentration and various inferential signals from other covariates such as the meteorological data. We then propose a novel algorithm which encompasses three-stage regressions: in Stage 1, a regression model to predict the start/end date of a airborne-pollen allergy season is trained from a feature matrix extracted from 12 time series of the covariates with a rolling window; in Stage 2, a regression model to predict the corresponding uncertainty is trained based on the feature matrix and the prediction result from Stage 1; in Stage 3, a weighted linear regression model is built upon prediction results from Stage 1 and 2. It is observed and proved that Stage 3 contributes to the improved forecasting accuracy and the reduced uncertainty of the multi-variate triple-regression algorithm. Based on different allergy sensitivity level, the triggering concentration of the pollen - the definition of the allergy season can be customized individually. In our backtesting, a mean absolute error (MAE) of 4.7 days was achieved using the algorithm. We conclude that this algorithm could be applicable in both generic and long-term forecasting problems.

研究动机与目标

• 开发一种长期预测模型，用于空气传播花粉过敏季节，同时考虑个体患者的敏感性水平。
• 通过整合多种气象和环境协变量，提高过敏季节开始和结束日期预测的准确性，超越单变量模型。
• 通过三阶段回归框架整合前期阶段的不确定性估计，减少预测不确定性。
• 根据患者对花粉浓度和典型天数的个体阈值，实现可定制的过敏季节定义。

提出的方法

• 使用14天滚动窗口对12个时间序列（花粉浓度、温度、风速、降水等）进行预处理，每条序列提取30个特征，形成特征矩阵。
• 在第一阶段回归中，使用历史数据的特征矩阵预测过敏季节的开始和结束日期。
• 在第二阶段回归中，使用相同的特征矩阵估计第一阶段预测的不确定性（标准差）。
• 在第三阶段执行加权线性回归，将第一阶段的预测结果以不确定性倒数作为权重进行组合，以最小化方差并提高准确性。
• 采用基于阈值的定义：当连续7天中有至少δN=4天的花粉浓度超过δC时，过敏季节开始，其中δC可根据患者个性化调整。
• 采用阈值函数fth(Nn)确定第三阶段中用于不确定性降低的最少预测次数Nn。

实验结果

研究问题

• RQ1 与单变量模型相比，多变量三重回归模型是否能提高过敏季节开始和结束日期的长期预测准确性？
• RQ2 整合气象协变量（如温度、风速、降水）在高年际变异性过敏季节中是否能提升预测性能？
• RQ3 与单阶段回归相比，三阶段回归框架在多大程度上减少了预测不确定性？
• RQ4 在三重回归模型中，为使最终预测的不确定性得以降低，最少需要多少次先前预测（Nn）？
• RQ5 该算法是否能够在保持高准确性的前提下，支持基于患者特异性敏感性阈值（δC和δN）的个性化过敏季节定义？

主要发现

• 在2006–2008年间的回溯测试中，三重回归算法在过敏季节开始日期的预测上实现了4.7天的平均绝对误差（MAE）。
• 当第一阶段的最少预测次数（Nn）满足条件时，第三阶段的加权线性回归显著降低了预测不确定性，优于单阶段回归。
• 推导出不确定性阈值函数fth(Nn)，用于确定实现不确定性降低所需的最少Nn，其中β0值越高，所需预测次数越多。
• 第三阶段的最终预测在2005年收敛至第54天，与实际开始日期第51天非常接近，表明模型具有良好的收敛性和准确性。
• 通过调整δC和δN，该方法能有效支持可定制的过敏季节定义，实现患者个体化预测。
• 将11个气象协变量与花粉浓度数据结合，显著提升了模型性能，优于单变量方法。