在存在异常大观测值的情况下，每日最大PM10数据的参数估计方法比较

《Atmosphere》：Comparing Parameter Estimation Methods for Daily Maximum PM10 Data in the Presence of Anomalously Large Observations

　　

现实世界的数据集可能包含无法明确识别其来源的异常大观测值。当存在此类观测值时，选择合适的估计方法变得尤为重要，因为它们可能显著影响分布拟合和参数估计。本研究分析了2025年土耳其锡诺普Erfelek站记录的每日最大PM₁₀数据，并拟合了若干概率分布。根据拟合优度准则，对数正态（LN）分布提供了最佳整体拟合。为了评估估计方法对异常大观测值的敏感性，研究人员考虑了污染场景，并比较了加权最小绝对偏差-1（WLAD-1）、加权最小绝对偏差-2（WLAD-2）、最小绝对偏差（LAD）、最小二乘（LS）、最小中位数平方（LMS）和最大似然（ML）的性能。结果表明，WLAD-2和LMS是最稳健的估计量，在所有污染水平下均不受离群值影响。WLAD-1、LAD和LS也仅受到可忽略的影响，而ML估计量随着污染水平的增加而变得愈发敏感。污染还影响超越概率和重现期，ML估计量的变化幅度远大于其他估计量。

**论文解读：基于异常大观测值条件下每日最大PM₁₀数据的参数估计方法比较研究**

**1. 研究背景、问题与研究意义**

空气污染是影响人类健康的主要环境风险因素之一。世界卫生组织（WHO）在2021年全球空气质量指南中指出，即使在低于以往认知的污染物浓度下，也可能产生不良健康效应。虽然平均污染物浓度常用于表征整体空气质量，但高浓度污染事件因其对公众健康的潜在影响也备受关注，因此对最大值的分析对于全面评估空气质量至关重要。此外，空气质量标准通常以限值定义，阈值超标往往与极端观测值而非平均水平相关。在此背景下，对空气污染物浓度进行统计建模，并准确估计和预测浓度水平，对于评估环境法规合规性、支持空气质量预警系统以及制定有效的空气质量管理策略具有重要意义。

在众多空气污染物中，空气动力学直径≤10 μm的颗粒物（PM₁₀）因其对健康和环境质量的影响而被广泛监测。许多研究聚焦于小时或日平均浓度，但日平均浓度并不能明确反映日内最高污染水平，而每日最大浓度则提供了日内观测到的最高污染水平信息。短期暴露于峰值颗粒物浓度与不良心血管和呼吸系统健康效应相关。因此，分析每日最大PM₁₀浓度为研究PM₁₀分布的尾部行为和评估极端污染事件提供了合适的基础。

在实际数据中，异常大的PM₁₀观测值可能源于不同的底层机制：有些是真实的污染事件，包含有价值的环境信息；有些则可能源于传感器临时故障、校准漂移、传输错误或数据处理问题。然而，实践中往往难以判断这些异常大观测值是否反映真实环境状况。这些异常值可能强烈影响经典估计方法，导致参数估计不稳定。因此，需要比较不同参数估计方法在存在异常大观测值时的表现。本研究旨在为每日最大PM₁₀数据拟合对数正态（LN）分布时，比较几种估计方法在异常大观测值存在下的性能，评估其稳健性，并为环境应用中方法选择提供依据。该论文发表在《Atmosphere》期刊。

**2. 主要技术方法**

研究人员使用了以下关键技术方法：
- **数据来源**：2025年1月1日至12月31日期间，土耳其锡诺普省Erfelek空气质量监测站记录的273个每日最大PM₁₀浓度观测值（数据来自土耳其共和国环境、城市化和气候变化部官方网站在线空气质量监测站数据库）。
- **分布拟合与选择**：选取Gumbel、Weibull、对数正态（LN）、Gamma和逆Weibull分布作为候选模型，利用最小二乘（LS）估计参数，通过Kolmogorov–Smirnov（KS）检验统计量、均方根误差（RMSE）、决定系数（R²）、对数似然（LL）、Akaike信息准则（AIC）和Bayesian信息准则（BIC）评估拟合优度。
- **估计方法**：比较六种参数估计方法：加权最小绝对偏差-1（WLAD-1）、加权最小绝对偏差-2（WLAD-2）、最小绝对偏差（LAD）、最小二乘（LS）、最小中位数平方（LMS）和最大似然（ML）。其中WLAD-1和WLAD-2使用不同的权重函数。
- **污染模拟**：设定离群值比例r/n = 0、0.05、0.10和0.15，从均匀分布U(最大值+σ, 最大值+2σ)生成严重上尾离群值，替换原始数据中最大的r个观测值。在原始和污染数据集上分别估计参数。
- **评估指标**：比较参数估计值、拟合LN概率密度曲线，并计算阈值x=100和x=150 μg/m³下的超越概率和重现期（基于LN分布公式）。

**3. 研究结果**

**3.1 分布拟合结果**
根据表2中的拟合优度统计量和信息准则，LN分布提供了最佳整体拟合，具有最小的KS统计量（0.0354）、最低的RMSE（0.0157 μg/m³）、最高的R²（0.9971），以及最小的AIC（2520.40）和BIC（2527.62）值。图3中拟合概率密度曲线也支持这一结论。

**3.2 参数估计方法比较**
在原始数据（无污染）下，所有估计量产生的参数估计值相似，表明性能相当。随着污染水平增加（5%、10%、15%），差异变得明显：
- WLAD-2和LMS在所有污染水平下均不受离群值影响，参数估计值保持不变（相同至四位小数），表现出最高的稳健性。
- WLAD-1、LAD和LS仅受到可忽略的影响，参数变化很小。对于LAD和LS，尺度参数δ比位置参数μ对离群值更敏感。
- ML估计量受污染影响最大，且随着污染水平增加，敏感性增强，δ和μ的变化幅度远大于其他方法。这反映了ML估计对离群值的已知敏感性。
- 值得注意的是，LS在LN分布设定下表现出相对稳定的行为，与稳健估计量性能相当，但这并不表明LS通常稳健，因为其在Gumbel分布下表现不同。

**3.3 超越概率和重现期**
对于WLAD-1、WLAD-2、LAD、LS和LMS，超越概率和重现期在所有污染水平下保持相对稳定：阈值x=100的超越概率约0.05，重现期约18-19天；x=150的超越概率约0.008，重现期超过110天。而ML估计量的超越概率和重现期随污染水平显著变化：x=100的超越概率从0.1399（5%污染）增至0.2652（15%污染），重现期从7.15天降至3.77天；x=150的重现期从80.93天（无污染）降至6.81天（15%污染）。这意味着ML方法会高估高PM₁₀浓度阈值的达标风险。

**4. 总结讨论与结论**

**讨论部分总结**：研究结果表明，在无法明确识别异常大观测值来源（真实极端事件或数据异常）时，WLAD-2和LMS等稳健估计方法能提供更可靠的参数估计，而ML估计量则高度敏感。LS在LN分布下表现稳定，但这一发现具有情境依赖性。超越概率和重现期作为环境风险评估和空气质量管理的重要工具，其估计结果受方法选择影响显著。因此，应根据异常大观测值的性质（是否代表真实极端事件）以及分析目标来选择估计方法。

**结论部分翻译**：本研究考察了几种参数估计方法在离群值污染水平递增下对每日最大PM₁₀数据的性能。结果表明，在无污染数据中，所有估计量产生相似的参数估计，性能相当。随着污染水平增加，估计量之间的差异变得明显。在稳健估计量中，WLAD-2和LMS对污染抵抗最强，在所有污染场景下给出相同的参数估计。WLAD-1、LAD和LS也保持相对稳定，参数变化很小。相比之下，ML估计量受大观测值影响最大，且随污染水平增加而加剧。这些发现得到了图形结果的进一步支持。超越概率和重现期也呈现类似模式：WLAD-1、WLAD-2、LAD、LS和LMS的估计值相对稳定，而ML估计量受污染影响大得多。总体而言，研究表明在存在异常大观测值时，稳健估计方法能提供更可靠的参数估计，而ML估计量对污染更敏感。LS相对稳定的表现（尽管其已知对离群值敏感）强调了在具体数据背景下评估估计方法的重要性。当异常大观测值无法被可靠分类为真实污染事件或数据相关异常时，稳健估计方法可为环境应用提供更可靠的估计。反之，若这些观测值确实代表极端污染事件，则应保留在分析中。因此，估计方法的选择应基于异常大观测值是否代表真实环境极端值或数据异常，以及分析目标。本研究限于单个站点和2025年时段，结果可能不具普遍性，未来研究应基于多站点、更长时段和更广泛环境条件。