用于长期个性化过敏季预测的多变量三重回归预测算法
应用统计
2020-12-14 v3 机器学习
机器学习
摘要
本文提出一种新颖的基于三重回归方法的多元算法，用于预测气传花粉过敏季，该算法可针对每位患者进行长期个性化定制。为提高预测精度，我们首先进行预处理以整合花粉浓度历史数据及来自气象数据等其他协变量的多种推断信号。随后提出一种包含三阶段回归的新颖算法：阶段 1，从以滚动窗口提取的 12 个协变量时间序列构成的特征矩阵中训练预测气传花粉过敏季起止日期的回归模型；阶段 2，基于特征矩阵与阶段 1 预测结果训练预测相应不确定性的回归模型；阶段 3，基于阶段 1 与阶段 2 的预测结果建立加权线性回归模型。我们观测并证明了阶段 3 有助于提升多变量三重回归算法的预测精度并降低不确定性。依据不同的过敏敏感度等级，花粉的触发浓度——即过敏季的定义——可个体化定制。在回测中，该算法取得 4.7 天的平均绝对误差（MAE）。我们得出结论：该算法可适用于通用与长期预测问题。
引用
@article{arxiv.2005.04557,
title = {A Multi-Variate Triple-Regression Forecasting Algorithm for Long-Term Customized Allergy Season Prediction},
author = {Xiaoyu Wu and Zeyu Bai and Jianguo Jia and Youzhi Liang},
journal= {arXiv preprint arXiv:2005.04557},
year = {2020}
}
备注
4 pages, 4 figures