[论文解读] 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 Mielczarek+1 more|arXiv (Cornell University)|Jan 1, 2017

Air Quality Monitoring and Forecasting参考文献 7被引用 2

一句话总结

本文提出了一种稳健的双函数中位数方法，用于预测波兰西里西亚地区五个次区域的昼夜PM10水平的分层功能时间序列（HFTS）空气污染建模。该方法在计算效率和对功能异常值的鲁棒性方面优于Shang和Hyndman（2017）的方法，尤其在预测准确性和数据异常情况下的稳定性方面表现更优。

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.

研究动机与目标

• 为解决在环境政策背景下，分层功能时间序列中跨层级预测协调的挑战。
• 开发一种更稳健且计算效率更高的分层功能时间序列（HFTS）预测方法，用于空气污染建模。
• 评估预测质量对污染控制政策下区域社会福利优化的影响。
• 在真实环境预测场景中，将所提出的双函数中位数方法与最先进的Shang和Hyndman（2017）方法进行性能比较。

提出的方法

• 应用函数数据分析，将日间和夜间PM10浓度曲线建模为函数随机变量。
• 采用包含五个次区域并聚合为整个西里西亚地区的分层结构。
• 提出一种新型双函数中位数估计器，通过最小化绝对偏差，增强对功能异常值的鲁棒性。
• 采用移动窗口方法结合函数中位数平滑技术实现动态预测。
• 利用稳健的非参数中位数回归框架，实现层级间预测的协调。
• 将所提方法与Shang和Hyndman的基于广义最小二乘的最优组合方法进行比较。

实验结果

研究问题

• RQ1 如何在区域环境背景下，有效利用分层功能时间序列（HFTS）对昼夜PM10污染进行建模与预测？
• RQ2 现有HFTS预测方法的局限性是什么，特别是在处理功能异常值和计算复杂性方面？
• RQ3 所提出的双函数中位数方法在预测准确性和鲁棒性方面与Shang和Hyndman（2017）方法相比如何？
• RQ4 预测质量在多大程度上影响在空气污染控制政策下区域社会福利的优化？
• RQ5 在污染动态复杂的地区，稳健的非参数HFTS预测方法能否提升政策相关环境预测的准确性？

主要发现

• 所提双函数中位数方法在所有五个次区域的中位数绝对偏差（MAD）值均显著低于Shang和Hyndman方法，MAD得分分别为265.81、377.35、265.81、526.79和328.63，而后者分别为1699.585、1447.805、1699.585、881.2513和891.188。
• 新方法在功能异常值方面表现出更优的鲁棒性，表现为预测误差更稳定，对极端污染曲线的敏感性更低。
• 双函数中位数方法的计算复杂度低于Shang和Hyndman方法，后者依赖广义最小二乘和迭代优化。
• 函数箱线图显示，Shang和Hyndman方法产生的预测更具变异性且对异常值更敏感，尤其在高排放期表现明显。
• 研究证实，预测准确性直接影响区域社会福利优化的潜力，特别是在污染减排政策的成本效益评估中。
• 结果支持在数据可能非正态或包含异常值的环境政策建模中，采用稳健的非参数HFTS方法。