AUDA：面向塑料相关数据整合与预测的跨国年度分析工作流构建及方法比较研究

《Data》：AUDA: An Analytical Workflow for Sparse and Heterogeneous Plastic-Related Data

　　稀疏散布的异质性塑料相关数据给分析数据集的构建和预测模型的评价带来了复杂性。本研究提出了AUDA，一种工作流，可将PRISM提取并经人工审核的记录整理为国家-年份分析表格，并支持描述性分析、插值和预测。该分析数据库包含来自195个国家和地区超过28,000条记录。案例研究使用根据现有观测值构建的小型数据集，以及一个外部全球塑料生产序列。相关性分析和随机森林特征重要性分析描述了与塑料垃圾产生量相关的因素。预测评估使用重复掩码法和滚动起点预测，比较了插值、统计和机器学习方法。在日本和美国的树脂消费插值任务中，三次样条插值和高斯过程回归分别取得了最低的加权平均绝对百分比误差。Theil-Sen回归在全球塑料生产预测中使用该指标取得了最低误差，而持久性模型和ARIMA在日本塑料垃圾产生量预测中以最低误差并列。这些排名仅适用于所评估的序列和数据划分。一项探索性敏感性分析还考察了标准误容差系数和所选择的复杂度排序如何影响超参数选择；该分析并未证明在未见过数据上的性能提升。AUDA提供了分析现有记录的工作流，但并不协调来源测量方法之间的差异，也不估算政策效果。