ntry-header

近日,统计学研究中心2017级博士研究生李杰,2020级博士研究生胡祺睿斩获国际统计学会 (International Statistical Institute, ISI) 颁发的国际统计学会2021年度简·丁伯根奖一等奖(2021 ISI Jan Tinbergen Award Division A First Prize)。

总部在荷兰的国际统计学会(ISI)是全球三个权威统计学学术组织之一,旨在引领、支持和促进全世界对统计学的理解、发展和良好实践。ISI 颁发的各类荣誉奖项都被国际统计学界高度认可。简·丁伯根奖命名于获得1969年首个诺贝尔经济学奖的荷兰学者简·丁伯根,是从每两年举行一次的世界统计学大会(World Statistics Congress, WSC)青年统计学者(1987年以后出生)提交的论文中评选的最佳论文(https://www.isi-web.org/events/isi-awards/tinbergen-award)。其中Division A的获奖论文必须解决一个对广大发展中国家具有实际意义的应用统计问题。自2019年开始,获奖者已不再限于发展中国家。自2013年至2021年,共有来自多个国家的14人获奖,其中3位华人,李杰和胡祺睿是第一次获得一等奖的华人。除此之外,西安电子科技大学数学与统计学院研究生韩路于2013年获二等奖。

今年共有3人获奖。李杰和胡祺睿获得2500欧元奖金,受邀免注册费参加于7月11日至16日在荷兰海牙举行(最终因疫情在线举办)的国际统计学会第63届世界统计学大会(The 63rd ISI World Statistics Congress),并在简·丁伯根奖会场(Jan Tinbergen Awards Session)做了30分钟的邀请报告。

李杰和胡祺睿的获奖论文“非参数回归分析空气污染物浓度的预测区间”(Prediction Interval of Air Pollutants Concentration by Nonparametric Regression Analysis)将非参数回归模型应用于局部平稳时间序列的趋势,分析了由中国环境监测总站高级工程师张凤英博士提供的西安市2013年到2020年间6种主要空气污染物的每日浓度数据,并构造出了未来5日各空气污染物浓度的预测区间。论文提出用样条回归(Spline regression)估计趋势函数,核回归(Kernel regression)估计方差函数,对所得的近似平稳序列拟合自回归(AR)模型,再用核分布(Kernel distribution estimator)方法估计其误差的分位数后,得到了带趋势项自回归时间序列的数据驱动多步向前预测区间。相比于季节性差分整合移动平均自回归(Seasonal ARIMA)等传统方法产生的预测区间,论文中方法得到的预测区间不仅长度更窄,还具有更好的预测精度和覆盖率。该方法有效解释了空气污染物浓度数据潜在的动态变化规律,并可以精确预测未来五到七日空气污染物的浓度,在污染物管理和早期预防方面有着广泛的应用价值。特别值得一提的是李杰和胡祺睿的获奖论文是在无指导教师直接参与的条件下完成的。

官网新闻链接:https://www.isi-web.org/news-newsletter/20555-2021-isi-jan-tinbergen-awards

 

#post-12271