[论文解读] Comparing air quality statistical models

Michela Cameletti, Rosaria Ignaccolo+1 more|arXiv (Cornell University)|Nov 8, 2010

Air Quality Monitoring and Forecasting参考文献 32被引用 7

一句话总结

本文提出了一套全面的、基于标准的框架，用于比较空气质量评估中的分层时空模型，强调拟合优度、计算成本和预测性能。基于意大利皮埃蒙特地区2005–2006年PM10数据，研究发现具有复杂分层结构的模型在计算资源有限的情况下，优于具有复杂协方差函数的模型。

ABSTRACT

Air pollution is a great concern because of its impact on human health and on the environment. Statistical models play an important role in improving knowledge of this complex spatio-temporal phenomenon and in supporting public agencies and policy makers. We focus on the class of hierarchical models that provides a flexible framework for incorporating spatio-temporal interactions at different hierarchical levels. The challenge is to choose a model that is satisfactory in terms of goodness of fit, interpretability, parsimoniousness, prediction capability and computational costs. In order to support this choice, we propose a comparison approach based on a set of criteria summarized in a table that can be easily communicated to non-statisticians. Our proposal - simple in principle but articulated in practice - holds true for many environmental phenomena where a hierarchical structure is suitable, a large-scale trend is included and a spatio-temporal covariance function has to be chosen. We illustrate the details of our proposal through a case study concerning particulate matter concentrations in Piemonte region (Italy) during the cold season October 2005-March 2006. From the evaluation of the proposed criteria for our case study we draw some conclusions. First, a model with a complex hierarchical structure is globally preferable to one with a complex spatio-temporal covariance function. Moreover, in the absence of suitable computational resources, a model simple in structure and with a simple covariance function can be chosen, since it shows good prediction performance at reasonable computational costs.

研究动机与目标

• 支持环境机构在空气质量监测和政策制定中选择最优统计模型。
• 解决在具有复杂分层结构的模型与具有复杂时空协方差函数的模型之间进行选择的挑战。
• 开发一种透明、可沟通的比较框架，适用于非统计专业人士，如政策制定者和环境从业者。
• 从多个维度评估模型性能：预测准确性、模型简洁性、计算效率和可解释性。
• 提供一种可迁移的方法论，适用于PM10以外的其他环境时空现象。

提出的方法

• 提出一种结合内在复杂性、计算成本和预测能力的多准则比较框架。
• 采用预测性能指标（如均方预测误差和平均估计误差）对模型进行评估。
• 采用具有大规模趋势分量和残差时空过程的分层贝叶斯建模方法。
• 比较具有不同分层结构的模型：(A) 逐步增加复杂度的简单协方差函数（i.i.d.、可分、不可分），(B) 空间与AR(1)时间过程之和，(C) 通过时间AR(1)演化的空间过程。
• 通过结构化表格（表6）总结标准，便于向非专家传达。
• 采用基于似然的推断和条件建模，通过条件分布的乘积处理联合时空分布。

实验结果

研究问题

• RQ1 在PM10预测中，复杂分层结构模型与复杂时空协方差函数模型相比，哪种结构的整体性能更优？
• RQ2 计算成本如何随模型复杂度增长？性能与可行性之间存在何种权衡？
• RQ3 是否可能存在一种简单模型，其协方差函数基本，但预测准确性优于复杂模型，同时保持计算高效？
• RQ4 模型比较标准在多大程度上可以实现标准化，并有效传达给环境政策中的非统计专业人士？
• RQ5 模型选择在多大程度上影响用于风险评估和合规监管的空间浓度图的可靠性？

主要发现

• 具有复杂分层结构的模型（模型C）取得了最佳预测性能，在评估中获得三星评价，表明其整体能力显著优越。
• 具有复杂不可分时空协方差函数的模型（A3-1和A3-2）的计算成本过高，与其预测性能提升不成比例。
• 可分AR(1)模型（B）的预测性能与模型A1相当，但计算时间显著更长。
• 模型A2因预测性能差劣，仅获得一颗星，被剔除。
• 模型A1（具有i.i.d.时间结构）表现尚可，但被模型C超越，后者仅增加少量计算成本，却实现了显著的性能提升。
• 研究结论认为，在给定数据集和条件下，复杂分层结构在全局上优于复杂协方差函数，尤其在计算资源受限时更为优选。