基于非齐次隐式半马尔可夫模型的环境风险评估
统计方法学
2025-09-19 v1
摘要
受贝尔根市污染趋势研究的启发，我们引入了一种灵活的统计框架，用于通过非齐次隐式半马尔可夫向量自回归模型来建模多变量空气污染数据。隐式过程捕捉未观察到的环境条件，而向量自回归结构则 accounts for temporal autocorrelation and cross-pollutant dependencies。该模型进一步允许时间变化的环境条件影响污染物浓度的平均水平以及不同瞬态状态的持续时间。参数通过最大似然估计，使用针对性的期望最大化（EM）算法进行估计，集成了特定于状态的 正则化，以控制过拟合并自动选择相关的时间滞后。该方案在不同情景下的模拟数据上进行测试，然后应用于一座城市地区记录的每日氮类和颗粒物浓度数据。通过基于Shapley价值的分解来评估环境风险，对边际风险贡献进行归因。该方法为多变量环境风险建模提供了综合框架，使我们能够更好地识别高污染事件并为政策干预提供信息。
引用
@article{arxiv.2509.14387,
title = {Environmental Risk Assessment via Nonhomogeneous Hidden Semi-Markov Models with Penalized Vector Auto-Regression},
author = {Marco Mingione and Pierfrancesco Alaimo Di Loro and Francesco Lagona and Antonello Maruotti},
journal= {arXiv preprint arXiv:2509.14387},
year = {2025}
}