多预测视野单变量环境预测中全球层次神经架构（N-BEATS/N-HiTS）的推断优势与视野稳定性：基于统计严谨框架的大气污染物模型比较

《Computers & Chemical Engineering》：Inferential dominance of global hierarchical neural architectures for multi-horizon univariate environmental forecasting

　　

1. 提出一种具有统计严谨性的多预测视野（multi-horizon）模型评估框架。
2. 推断优势（inferential dominance）支持稳健的模型间比较（model intercomparison）。
3. 全球层次神经模型（global hierarchical neural models；N-HiTS/N-BEATS）表现出更优的视野稳定性（horizon stability）。
4. 推断验证（inferential validation）可区分结构性增益（structural gains）与抽样变异性（sampling variability）。
5. 该框架确保环境决策系统（environmental decision systems）中可靠的模型选择（model selection）。

研究背景与问题：大气污染物臭氧（O₃）、二氧化氮（NO₂）、细颗粒物（PM_2.5）和可吸入颗粒物（PM₁₀）是环境决策支持系统（Decision Support Systems, DSS）中的关键预测对象。传统ARIMA和状态空间模型在稳定季节背景下有竞争力，但难以同步大气化学中的非线性状态转变；机器学习与深度学习被引入以捕捉多尺度时间依赖。全球模型与局部模型不同：局部模型为每个序列单独估计预测函数，全球模型学习相关序列间的共享时间表示。N-BEATS和N-HiTS在土壤湿度和能源需求基准中表现先进，但其在大气污染物预测中的适用性仍需通过统计严谨框架验证，尤其需处理空间异质性、多预测视野误差传播和多重假设检验。研究的核心假设是N-BEATS和N-HiTS在单变量预测体制下跨污染物和预测视野具有统计验证的推断优势（inferential dominance），并区分结构性预测优势与随机抽样变异。

关键技术方法（≤250字）：数据来源为CAMS-EAC4（ECMWF Atmospheric Composition Reanalysis 4）再分析资料，覆盖2010—2024年、3 h分辨率、0.75°×0.75°，分析区域为巴西Paraná州33个网格；训练期2010—2022年，评估期2023—2024年，预测视野1、7、14、30天（8、56、112、240步）。采用滚动原点交叉验证（rolling-origin cross-validation, ROCV）和15种模型（N-BEATS/N-HiTS、LSTM、GRU、Informer、LightGBM、XGBoost、AutoARIMA、AutoETS、AutoTheta、Naive等）。统计上使用Friedman–Iman–Davenport检验、Nemenyi事后检验、Diebold–Mariano（DM）检验并结合HAC/Newey–West、HLN校正和Holm–Bonferroni多重比较校正。

研究结果：
5.1 全球性能层级与视野稳定性。通过Friedman–Iman–Davenport检验（χ2F=5920.7；p<0.001；N=15,048个评估块；k=15个模型）确认模型间存在系统性性能差异；Nemenyi事后分析显示，在1天视野，N-HiTS、N-BEATS-G、N-BEATS-I和LightGBM构成领先簇且无显著差异；到7天和14天，LightGBM逐步脱离领先组，Informer在中等视野低于Theta；到30天，N-HiTS与两种N-BEATS构成唯一顶层簇。排名频率分析表明，N-HiTS和N-BEATS在超过一半场景进入Top-3、在超过80%场景进入Top-5；30天时N-BEATS-G、N-HiTS、N-BEATS-I的Top-3频率分别为53.5%、52.1%、49.7%，LightGBM由1天43.1%降至30天28.2%。最佳层次架构平均MAE在1、7、14、30天分别为3.14×10^–9、4.32×10^–9、4.49×10^–9、4.56×10^–9 kg kg^–1，相对LightGBM在7、14、30天分别降低2.89%、1.44%、4.95%，相对最佳经典统计基线降低19.35%—32.93%，相对最佳循环神经基线降低15.23%—4.08%。研究还指出，传统直接指标平均或未校正成对检验会导致误选，而该统计协议可隔离结构性优势与尺度畸变。

5.2 跨污染物稳健性。通过按光化学污染物与颗粒物分组并采用空间聚合DM检验（HAC、HLN、Holm–Bonferroni校正）得出：光化学污染物具有强日周期振荡，颗粒物呈更持续的正自相关。以N-HiTS为参照，短期视野下N-HiTS未优于部分N-BEATS变体，NO₂个别情形甚至统计劣于N-BEATS-I；随视野延长，N-HiTS相对N-BEATS-I在强周期光化学污染物上的统计优势减弱，提示N-BEATS-I的谐波基展开在长视野外推中具有结构优势。颗粒物上N-HiTS与N-BEATS-G表现相近，二者总体强于N-BEATS-I。经Holm校正后，N-HiTS和N-BEATS变体未出现系统性统计失败；7天视野最具挑战，LightGBM和LSTM偶可达统计等价，但长视野下全球层次架构巩固优势。讨论指出其多尺度频率分解可分离高频日变化与低频天气尺度变化，适合数据稀疏地区DSS。

5.3 空间稳健性。通过33个网格×4种污染物×4个视野共528个空间评估场景的排名分析得出：N-BEATS-G的Top-3频率为88.07%，N-HiTS为80.87%，N-BEATS-I为78.98%；局部统计模型Top-3不足1%，LightGBM为26.14%。没有地理区域显示这些全球架构系统性欠佳，说明其优势非空间局部化。14天PM_2.5案例（2024年8月，Curitiba附近网格）显示N-HiTS和N-BEATS较好保持峰值时序与幅度，GRU/LSTM在窗口后段逐步偏离，Informer呈均值回归倾向，经典统计模型呈平滑效应。

5.4 计算效率与实现。通过记录完整ROCV流程墙钟时间得出：局部统计模型约4799 s（1天）并在14天前基本恒定，30天因窗口减少降至3769 s；全局机器学习由355 s增至730 s；一般深度学习由632 s增至30天超过20,000 s；N-BEATS和N-HiTS仅由108 s增至141 s，保持近线性扩展。结论是推断优势模型未带来不成比例的计算负担，层次架构兼具稳健预测与可扩展性。

讨论总结：原文强调全球层次架构的优势来自多尺度分解与共享表示学习，可在无需位置特定重训练的情况下支持可扩展区域预警系统；推断框架可迁移，并能支持情境化模型选择：N-HiTS更适合持续性颗粒物，N-BEATS更适合强周期光化学污染物，LightGBM短期有竞争力但长视野优势系统丧失。局限包括依赖CAMS-EAC4再分析资料、不能捕捉原位监测网络的高频局地方差、单变量设计排除外生气象驱动增益，以及时间与空间独立性近似假设。

研究结论部分翻译：本研究建立了用于大气污染物多预测视野评估的统计严谨框架，并在严格推断协议下评估15种架构。通过整合基于秩的全局检验与自相关一致的成对比较，该方法成功区分结构性预测优势与随机抽样变异。实证结果表明，全球层次神经架构，特别是N-HiTS和N-BEATS，表现出传统局部统计模型和标准机器学习集成所缺乏的稳健视野稳定性；其性能优势不局限于短期持续性或特定污染物，而是在扩展视野和空间异质网格中保持统计优势。虽然提升类与循环模型可提供有竞争力的短期预测，但其预测稳定性随预测窗口扩展而退化；层次架构呈现更平缓的性能退化，提示更合适的时间归纳偏置。这些发现对环境DSS设计具有重要意义：全球层次模型无需位置特定重训练即可捕捉多尺度大气动力学，适合可扩展区域预警系统，且计算效率高。局限包括依赖CAMS-EAC4再分析数据，不能捕捉原位监测网络的高频局地方差；单变量基准排除外生气象驱动增益；未来应扩展到多变量和物理信息神经网络、极端污染事件、状态转变情景和地面监测站，并进一步研究时间与空间独立性假设。由于现代全球层次架构在空气质量预测文献中应用仍少，本研究提供结构性优势的概念验证，并建议在不同地理区域、排放情景和气候带验证其全球泛化能力。最终，该框架为环境模型比较提供可迁移且统计严谨的基础，以推断优势优先于简单数值排序，支持可信的、基于证据的环境预测工作流和透明统计AI系统。