[论文解读] An LSTM approach to Forecast Migration using Google Trends

Nicolas Golenvaux, Pablo González Álvarez+2 more|arXiv (Cornell University)|May 20, 2020

Human Mobility and Location-Based Analysis参考文献 32被引用 14

一句话总结

本文提出一种基于LSTM的深度学习模型，利用Google Trends数据预测35个经合发局（OECD）国家的未来一年国际移民流动。通过用LSTM架构替代传统的重力模型和标准人工神经网络（ANN），该方法显著提升了预测准确性，在测试集上将均方根误差（RMSE）和平均绝对误差（MAE）分别降低了5倍和4倍。

ABSTRACT

Being able to model and forecast international migration as precisely as possible is crucial for policymaking. Recently Google Trends data in addition to other economic and demographic data have been shown to improve the forecasting quality of a gravity linear model for the one-year ahead forecasting. In this work, we replace the linear model with a long short-term memory (LSTM) approach and compare it with two existing approaches: the linear gravity model and an artificial neural network (ANN) model. Our LSTM approach combined with Google Trends data outperforms both these models on various metrics in the task of forecasting the one-year ahead incoming international migration to 35 Organization for Economic Co-operation and Development (OECD) countries: for example the root mean square error (RMSE) and the mean average error (MAE) have been divided by 5 and 4 on the test set. This positive result demonstrates that machine learning techniques constitute a serious alternative over traditional approaches for studying migration mechanisms.

研究动机与目标

• 利用实时数字轨迹数据，提升OECD国家未来一年国际移民预测的准确性。
• 评估循环神经网络（LSTM）是否能比传统线性模型更好地捕捉复杂的移民动态。
• 比较在引入Google Trends数据后，LSTM、人工神经网络（ANN）和重力模型的性能表现。
• 评估机器学习技术在官方数据有限或延迟情况下的移民流动建模潜力。
• 探索深度学习模型在移民预测中的可解释性和泛化能力。

提出的方法

• 该模型使用长短期记忆（LSTM）循环神经网络处理随时间变化的序列化移民数据和特征。
• 输入特征包括国内生产总值（GDP）、人口规模、国家固定效应（独热编码），以及双边和单边移民相关搜索词的Google Trends指数（GTI）数据。
• GTI特征源自Böhme等人（2020）的研究，表示原籍国与目的地国之间移民相关关键词的归一化搜索量。
• 模型使用2004年至2014年的数据进行训练，以预测下一年度各目的地国家的入境移民人数，2015年作为测试年份。
• 通过RMSE、MAE和决定系数（R-squared）等指标评估模型性能，并与线性重力模型和标准前馈ANN进行比较。
• LSTM架构能够捕捉特征间的时序依赖关系和非线性相互作用，从而更有效地建模复杂的移民动态。

实验结果

研究问题

• RQ1 当使用Google Trends数据时，LSTM模型是否能在预测未来一年国际移民流动方面优于线性重力模型？
• RQ2 与标准人工神经网络（ANN）相比，LSTM方法在相同数据集上是否能提升预测准确性？
• RQ3 Google Trends特征在多大程度上提升了机器学习模型在移民预测中的预测性能？
• RQ4 该模型在经历重大移民波动的国家（如受金融危机影响的国家）表现如何？
• RQ5 LSTM模型是否能泛化到未见过的原籍国-目的地国配对，还是性能仅限于已知的国家组合？

主要发现

• 在测试集（2015年）上，LSTM模型将均方根误差（RMSE）相比线性重力模型降低了5倍。
• 在测试集（2015年）上，LSTM模型将平均绝对误差（MAE）相比线性重力模型降低了4倍。
• 在所有评估指标（包括决定系数和相关系数）上，LSTM模型均优于线性重力模型和标准人工神经网络（ANN）。
• 该模型在捕捉高移民流入国家的移民趋势方面表现更优，尽管在2008年金融危机期间对西班牙的移民流动存在低估。
• 预测误差的热力图显示，LSTM模型在高移民国家中的预测结果比重力模型和ANN更准确且更一致。
• 结果表明，与线性模型或标准神经网络相比，LSTM更适合利用实时数字数据建模复杂且非线性的移民动态。