EMD回归用于多尺度关系建模及其在天气相关心血管死亡中的应用
应用统计
2017-09-11 v1
摘要
在许多环境研究中，自然过程之间的关系常通过回归分析利用时间序列数据评估。此类数据常为多尺度且非平稳的，导致所得回归模型精度差，从而结果可靠性一般。为处理该问题，本文引入 EMD-回归（EMD-regression）方法，其包含对数据序列应用经验模态分解(EMD)算法，然后将所得分量用于回归模型。所提方法具有若干优势。首先，它考虑了与数据序列相关的非平稳性问题。其次，该方法充当了响应变量与预测变量在不同时间尺度上关系的扫描器，为此关系提供新见解。为说明所提方法，将其应用于研究加拿大蒙特利尔的天气与心血管死亡之间的关系。结果揭示了关于所研究关系的新知识。例如，它们表明湿度在月时间尺度上可导致超额死亡，这是经典模型中不可见的尺度。还与最先进的广义加性模型和分布滞后模型（两者广泛用于天气相关健康研究）进行了比较。比较显示 EMD-回归在预测性能上更优，且关于该关系比经典模型提供了更多细节。
引用
@article{arxiv.1709.02404,
title = {EMD-regression for modelling multi-scale relationships, and application to weather-related cardiovascular mortality},
author = {Pierre Masselot and Fateh Chebana and Diane Bélanger and André St-Hilaire and Belkacem Abdous and Pierre Gosselin and Taha B. M. J. Ouarda},
journal= {arXiv preprint arXiv:1709.02404},
year = {2017}
}