-
题名基于HCW-随机森林的时间序列插补方法与应用
- 1
-
-
作者
赵敏
米子川
-
机构
山西财经大学统计学院
-
出处
《统计与决策》
北大核心
2025年第9期60-65,共6页
-
基金
国家社会科学基金重大项目(24&ZD183)。
-
文摘
NPP-VIIRS夜间灯光数据作为“暗夜之眼”,能够较好地反映地区的经济发展程度,被各界学者广泛使用,然而,中高纬度地区受极昼因素影响容易出现散杂光,导致我国部分地区夏季灯光数据缺失,严重影响了时间序列的完整性。为此,文章提出了一种HCW-随机森林插补方法,在公共因子驱动使得个体截面之间产生某些关联、无须提前确定和度量这些公共因子的核心假设下,选取与存在缺失值样本的时间序列特征最为相似的样本集,利用随机森林计算样本集中样本的权重,最终借助样本集的数据与权重对缺失值进行插补。在中部地区乡镇NPP-VIIRS夜间灯光月度数据集上进行插补实验,结果表明:HCW-随机森林插补方法的异常值占比、均方根误差、平均绝对误差和皮尔逊相关系数在三次抽样中的变动幅度较小,具备良好的鲁棒性和泛化能力;HCW-随机森林插补方法相较于指数平滑、三次样条、Prophet、K近邻、LSTM和基于自注意力机制的变体网络插补方法,在插补灯光数据缺失值方面具有显著的优越性。
-
关键词
hcw-随机森林
时间序列
缺失值插补
-
Keywords
hcw-random forest
time series
interpolation of missing values
-
分类号
O212.1
[理学—概率论与数理统计]
-
