📊 statistics

Forecasting of Multiple Seasonal Categorical Time Series Using Fourier Series with Application to AQI Data of Kolkata

本文提出了一种受 TBATS 启发的基于傅里叶级数和指示函数的框架，用于处理具有多重季节性的分类时间序列（如 AQI），并通过模拟与 Kolkata 实测数据验证了其在捕捉复杂季节动态及提升预测精度方面优于传统马尔可夫模型和机器学习方法。

原作者： Anirban Ghosh, Raju Maiti

发布于 2026-03-05

📖 1 分钟阅读☕ 轻松阅读

原作者： Anirban Ghosh, Raju Maiti

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文就像是在教我们如何更聪明地预测明天的空气质量，特别是针对那些把空气质量分成“优、良、轻度污染、中度污染、重度污染”等等级（而不是具体数值）的数据。

想象一下，空气质量就像天气，但它有自己的“脾气”和“规律”。这篇论文的核心故事可以这样讲：

1. 遇到的难题：空气质量的“多重性格”

以前的科学家在预测像用电量这样的连续数字时，发现它们有各种规律：

每天都有规律（白天用电多，晚上少）。
每周都有规律（周末用电少）。
每年都有规律（夏天开空调多，冬天开暖气多）。

这就叫**“多重季节性”**。对于用电量，大家已经有一套很厉害的数学工具（叫 TBATS 模型）来捕捉这些规律。

但是，空气质量（AQI）不一样。它不是连续的数，而是等级（比如：0 级是“好”，5 级是“严重”）。

传统的数学工具很难直接处理这种“等级”数据。
简单的模型（比如只看昨天是啥等级，今天大概率也是啥）就像只盯着后视镜开车，忽略了前面的红绿灯（季节变化）和节日（比如排灯节放烟花）。

2. 作者的解决方案：给模型装上“两个新引擎”

为了解决这个问题，作者提出了两种新的预测方法，它们都基于一个核心思想：把空气质量的等级变化，看作是受多种“季节节奏”影响的概率游戏。

引擎一：TSOLR 模型（“平滑的波浪”）

比喻：想象空气质量的波动像大海的波浪。
原理：这个模型用正弦波和余弦波（就像画波浪的数学公式）来描述规律。
- 它认为空气质量的变好或变坏，是像波浪一样平滑过渡的。
- 比如，冬天慢慢变冷，污染慢慢加重，这像是一个大波浪；一周之内，周末空气变好，又是一个小波浪。
优点：它能捕捉到那些细微、连续的变化，比如随着季节慢慢推移，污染程度是如何像潮汐一样涨落的。

引擎二：ISOLR 模型（“鲜明的开关”）

比喻：想象空气质量的波动像房间里的灯光开关。
原理：这个模型用**“开关”**（指示函数）来描述规律。
- 如果是冬天，就打开“冬天开关”；如果是排灯节（印度排灯节，放烟花），就打开“节日开关”；如果是周末，就打开“周末开关”。
- 它不追求平滑，而是直接告诉模型：“只要到了这一天，空气就会突然变差”。
优点：它能精准捕捉突发、剧烈的变化，比如节日放烟花那几天，空气突然从“良”变成“重度污染”。

3. 实验与发现：谁更厉害？

作者用印度加尔各答（Kolkata）过去几年的真实数据进行了测试，就像让两个模型进行了一场“预测比赛”：

比赛规则：用过去的数据训练模型，然后让它们预测未来一天的空气质量等级。
对手：传统的马尔可夫链（只看昨天）、随机森林、支持向量机、甚至深度学习（LSTM）等高科技模型。
结果：
- TSOLR（波浪模型） 和 ISOLR（开关模型） 都表现得很棒，比很多复杂的机器学习模型更准、更易懂。
- TSOLR 略胜一筹：虽然两者差距很小，但“波浪模型”在捕捉那些复杂、细微的周期变化（比如一年中不同月份、一周中不同天数的综合影响）时，稍微更精准一点。
- 可解释性：这是最大的赢家。机器学习模型像个“黑盒子”，告诉你结果但不知道原因。而这两个模型能明确告诉你：“哦，因为今天是冬天，所以污染等级大概率会上升 1 级”，或者“因为今天是排灯节，污染会飙升”。

4. 总结：这对我们意味着什么？

这篇论文就像给天气预报员发了一把更精准的尺子。

以前：我们可能只知道“昨天污染重，今天可能也重”，或者用复杂的黑盒子算出一个结果，但不知道原因。
现在：我们可以用这套方法，清楚地知道季节、周末、节日是如何具体影响空气质量的。
应用：
- 政府：可以提前几天预测到“排灯节期间污染会爆表”，从而提前发布预警或限制交通。
- 普通人：可以知道“冬天和周末的空气质量通常较差”，从而提前安排户外活动或佩戴口罩。

一句话总结：
作者发明了一种新的数学方法，把空气质量的等级变化看作是**“平滑波浪”和“突发开关”的混合体，不仅能预测得更准，还能像讲故事一样解释清楚为什么**明天空气会变差，让复杂的科学变得既实用又易懂。

这是一份关于论文《使用 TSOLR 和 ISOLR 模型对具有多重季节性的分类时间序列进行建模与预测》的详细技术总结。

1. 研究背景与问题 (Problem)

研究背景：空气质量指数（AQI）通常以有序分类数据（如：优、良、轻度污染、中度污染、重度污染、严重污染）的形式发布，而非连续数值。
核心挑战：
- 多重季节性：AQI 数据表现出复杂的多重季节性模式，包括周循环（工作日/周末）、年循环（季节变化）以及特定事件循环（如排灯节期间的污染激增）。
- 现有方法的局限性：
  - 传统的连续时间序列模型（如 TBATS）无法直接应用于离散有序数据。
  - 现有的分类时间序列模型（如马尔可夫链、混合转移分布 MTD）往往难以显式地处理多重季节性，且随着状态空间增加，参数数量呈指数级增长。
  - 机器学习方法（如随机森林、LSTM）虽然预测能力强，但缺乏可解释性，且往往未能显式地建模复杂的季节性结构。
研究目标：开发一种能够处理有序分类数据、显式捕捉多重季节性（周、月、年及特定节日）且具有良好可解释性的预测框架。

2. 方法论 (Methodology)

作者受连续时间序列中 TBATS 模型的启发，提出了两种基于**比例优势有序逻辑回归（Proportional Odds Ordinal Logistic Regression）**的扩展模型：

A. 核心统计框架

采用比例优势模型（Proportional Odds Model），将累积概率建模为：
$\text{logit}(P(Y_t \le j)) = \theta_j - \eta_t$
其中 $Y_t$ 是 $t$ 时刻的 AQI 类别， $\theta_j$ 是阈值参数， $\eta_t$ 是线性预测器。

B. 两种具体模型

TSOLR 模型 (Trigonometric Seasonality in Ordinal Logistic Regression)：
- 灵感来源：TBATS 模型中的三角季节项。
- 实现方式：在线性预测器 $\eta_t$ 中引入**傅里叶级数（Fourier Series）**项（正弦和余弦函数）来捕捉季节性。
- 优势：能够平滑地拟合周期性变化（如周循环、年循环），参数较少，适合捕捉高频波动和连续的季节性趋势。
- 公式示例： $\eta_t = \sum [\beta_1 \cos(2\pi t/P_i) + \beta_2 \sin(2\pi t/P_i)] + \dots$
ISOLR 模型 (Indicator Seasonality in Ordinal Logistic Regression)：
- 实现方式：使用**指示函数（Indicator Functions/Dummy Variables）**直接编码特定的时间段。
- 具体变量：包括季节（夏、季风雨、冬）、节日（排灯节期间 vs 非排灯节）、周末效应以及滞后一期的 AQI 值。
- 优势：能够捕捉非平滑的、突发的季节性变化（如节日期间的污染骤升），具有极强的直观可解释性。

C. 参数估计与模型选择

估计方法：使用最大似然估计（MLE）优化对数似然函数。
滞后阶数选择：由于 AQI 是分类数据，传统的自相关函数（ACF）不适用。作者使用了针对分类时间序列的自关联度量（Auto-association measures）（如 Cohen's $\kappa$ , Cramer's $\nu$ , Goodman-Kruskal's $\gamma$ 等）来确定模型的滞后阶数。

3. 关键贡献 (Key Contributions)

方法论创新：首次将 TBATS 模型的核心思想（多重季节性分解）成功迁移并适配到有序分类时间序列领域，提出了 TSOLR 和 ISOLR 两种新模型。
处理多重季节性：有效解决了 AQI 数据中同时存在的周、年及特定事件（节日）多重周期问题，填补了分类时间序列在复杂季节性建模方面的空白。
可解释性与灵活性的平衡：
- TSOLR 提供了平滑的季节性拟合和较少的参数。
- ISOLR 提供了对特定事件（如排灯节）的精确捕捉和直观解释。
- 两者均保留了有序逻辑回归的统计推断能力（如置信区间、显著性检验）。
实证验证：通过模拟研究证明了参数估计的渐近一致性，并在真实数据上验证了预测性能。

4. 研究结果 (Results)

A. 模拟研究 (Simulation Study)

一致性：随着样本量增加（500, 1000, 10000），参数估计的标准误差显著减小，证明了 MLE 估计的渐近一致性。
预测性能：在模拟数据中，ISOLR 模型在准确率（Accuracy）和加权 F1 分数上略优于 TSOLR，但两者差异极小，且随着样本量增大差异进一步缩小。这表明 TSOLR 在处理有序分类数据的季节性方面同样有效。

B. 实证分析 (Kolkata AQI Data, 2019-2024)

数据特征：加尔各答的 AQI 数据表现出明显的季节性（冬季污染重，季风季改善）和节日效应（排灯节期间污染加剧）。
模型对比：
- 最佳模型：TSOLR 模型表现最佳，准确率达到 74.04%，加权 F1 分数为 74.07%。
- 次优模型：ISOLR (72.95%) 和基于傅里叶级数的 SVM (73.50%)。
- 基准模型：传统时间序列模型（MTD, PAR）和基于指示变量的机器学习模型（RF, LSTM）表现略逊于傅里叶基础模型。
关键发现：
- 基于傅里叶级数（TSOLR）的方法在捕捉复杂、高频的季节性模式方面优于基于指示变量的方法。
- 机器学习模型（如随机森林）在引入傅里叶特征后性能反而下降，说明其可能难以有效利用这种特定的周期性编码，而逻辑回归模型则能很好地结合这些特征。
- 提出的模型在保持高预测精度的同时，提供了比黑盒机器学习模型更强的可解释性。

5. 意义与展望 (Significance & Future Work)

实际应用价值：该框架为空气质量监测、能源消耗预测及其他环境领域的分类时间序列分析提供了一个灵活、可解释且高效的工具。它有助于制定更精准的公共健康预警和污染控制策略。
理论意义：扩展了 TBATS 模型的应用边界，证明了三角季节项在有序回归框架下的有效性。
未来方向：
- 引入空间依赖性（联合建模多个监测站）。
- 纳入更多时变外生变量（如风速、湿度、PM2.5 浓度）。
- 放松比例优势假设（使用部分比例优势模型）。
- 探索贝叶斯估计方法以处理稀疏或噪声数据。

总结：该论文成功构建了一套针对具有多重季节性的有序分类时间序列的建模体系。通过结合比例优势逻辑回归与傅里叶级数/指示函数，TSOLR 和 ISOLR 模型在预测精度和可解释性之间取得了良好的平衡，特别是在处理像 AQI 这样受复杂季节性驱动的环境数据时，表现优于传统的马尔可夫模型和通用的机器学习方法。