INLA-RF: A Hybrid Modeling Strategy for Spatio-Temporal Environmental Data

ملخص تقني: INLA-RF: استراتيجية نمذجة هجينة للبيانات البيئية المكانية والزمانية

بيان المشكلة
غالبًا ما تظهر العمليات البيئية أنماطًا معقدة وغير خطية وانقطاعات عبر الزمان والمكان، مما يفرض تحديات كبيرة أمام النمذجة الجيومكانية التقليدية. وبينما توفر النماذج الإحصائية، لا سيما تلك القائمة على تقريب لابلاب المدمج (INLA) المقترن بمنهج المعادلة التفاضلية الجزئية العشوائية (SPDE)، تقديرًا مبدئيًا لعدم اليقين وقدرة على التفسير، إلا أنها قد تفتقر إلى المرونة اللازمة لالتقاط العلاقات المعقدة غير الخطية والارتباطات عالية الأبعاد. وفي المقابل، تبرع أساليب تعلم الآلة (ML)، مثل الغابة العشوائية (Random Forest - RF)، في نمذجة العلاقات غير الخطية والبيانات عالية الأبعاد، لكنها تعاني عادةً من محدودية التفسير، والافتقار إلى آليات أصيلة لتقدير عدم اليقين، والتعامل الضمني بدلاً من الصريح مع التبعية المكانية والزمانية. وغالبًا ما تفشل النهج الهجينة الحالية في نقل عدم اليقين عبر مراحل النمذجة أو تعتمد على أساليب تجميع بسيطة لا تدمج بشكل كامل نقاط القوة لكلا النموذجين.

المنهجية
تقترح الورقة استراتيجية نمذجة هجينة، تُسمى مجتمعة INLA-RF، والتي تربط بشكل تكراري بين نموذج مكاني-زماني بايزي (يتم ضبطه عبر INLA-SPDE) وبين الغابة العشوائية (RF). يعمل الإطار على نموذج غاوسي كامن (LGM) حيث يتم تفكيك الاستجابة $y$ إلى مكون واسع النطاق (LS) مدفوع بمتغيرات تفسيرية، ومكون متبقي (RE) يلتقط التبعية المكانية-الزمانية والضجيج. يكمن الابتكار الجوهري في مخطط ثنائي المراحل تكراري:

1. الخطوة 1 (INLA): يتم ضبط نموذج LGM بارامتري مكاني-زماني لالتقاط التبعية المكانية-الزمانية.
2. الخطوة 2 (RF): يتم تدريب الغابة العشوائية على البواقي (residuals) الناتجة عن نموذج INLA لتعلم الهياكل غير الخطية المتبقية.

بعد ذلك، يتم تغذية مخرجات RF مرة أخرى في مرحلة INLA لتنقيح النموذج. تقدم الورقة خوارزميتين متمايزتين ضمن هذا الإطار:

• خوارزمية INLA-RF1 (نهج الإزاحة - Offset Approach): تتعامل هذه الخوارزمية مع تنبؤ RF كحد تصحيحي يتم إدراجه في نموذج INLA كـ إزاحة (offset). وهي تعمل فعليًا كعملية تصحيح للمتوسط. وتتميز بميزة رئيسية وهي خيار نقل عدم اليقين (uncertainty propagation)، حيث يُستخدم متوسط مربع الخطأ خارج العينة (OOB-MSE) من RF كعنصر تباين ثابت في احتمالية غاوس (Gaussian likelihood) لنموذج INLA. يضمن ذلك أن التصحيحات غير المؤكدة لـ RF يكون لها تأثير مخفض على الملاءمة النهائية.
• خوارزمية INLA-RF2 (تصحيح عقد المجال الكامن - Latent Field Nodes Correction): تستهدف هذه الخوارزمية "عقد الإجهاد" (stress nodes) المحددة داخل المجال الكامن لنموذج LGM. وبدلاً من الإزاحة الشاملة، فإنها تُدخل تأثيرًا عشوائيًا إضافيًا مستقلًا ومتماثل التوزيع (IID) مُفهرسًا فقط على مجموعة فرعية مختارة من العقد الكامنة ($K$). يتم اختيار هذه العقد بناءً على معايير مثل أعلى التباينات البعدية أو أكبر أخطاء التنبؤ. يتم تجميع مخرجات RF لهذه العقد لتحديث المتوسط والدقة لهذا المكون الكامن الإضافي، مما يسمح بتصحيحات موضعية للتغيرات المفاجئة أو الانقطاعات التي قد تخفق المكونات الناعمة لنموذج LGM القياسي في التقاطها.

تستخدم كلتا الخوارزميتين تباعد كولباك - ليبلر (Kullback-Leibler Divergence - KLD) بين التوزيعات البعدية للمجال الكامن في التكرارات المتتالية كمعيار للتوقف. يوفر هذا النهج القائم على البيانات تحديد عدد التكرارات، مما يتجنب ضبط المعلمات التعسفي ويقلل من خطر الإفراط في التخصيص (overfitting).

المساهمات الرئيسية

1. خوارزميات هجينة مبتكرة: تقديم خوارمي-تَيّن INLA-RF1 وINLA-RF2، اللتين تدمجان صراحةً تعلم بواقي RF في إطار عمل INLA-SPDE البايزي.
2. نقل عدم اليقين: على عكس العديد من النهج الهجينة، يقوم إطار العمل المقترح بنقل عدم اليقين صراحةً من مرحلة تعلم الآلة (عبر OOB-MSE) مرة أخرى إلى النموذج الإحصائي، سواء من خلال تباين الإزاحة (INLA-RF1) أو من خلال دقة مكون التصحيح الكامن (INLA-RF2).
3. معيار توقف تكيفي: يوفر استخدام KLD كمعيار للتوقف طريقة منهجية لإنهاء العملية التكرارية عندما يستقر التوزيع البعدي، مما يعزز الكفاءة الحسابية.
4. التصحيح الموضعي المستهدف: توفر خوارزمية INLA-RF2 آلية لتصحيح مناطق محددة من المجال الكامن، مما يعالج الانكسارات الهيكلية أو سوء التوصيف الموضعي الذي قد تفشل النماذج الشاملة في التقاطه.

النتائج
تم تقييم أداء INLA-RF من خلال دراستين للمحاكاة وتطبيق واقعي يتعلق بتركيزات PM10 اليومية في منطقة لومبارديا بإيطاليا (2016–2021).

• محاكاة مكانية-زمانية (INLA-RF1): في سيناريو يتسم بعلاقات غير خطية بين المتغيرات، أدى INLA-RF1 إلى تحسين دقة التنبؤ (انخفاض RMSE وMAE) مقارنة بكل من نموذج INLA المستقل وRF القياسي. النسخة المزودة بنقل عدم اليقين (INLA-RF1.2) قدمت معايرة أفضل لعدم اليقين (ارتفاع احتمالية التغطية) على حساب فترات تنبؤ أوسع، بينما قدمت النسخة بدون نقل (INLA-RF1.1) تنبؤات أكثر حدة.
• محاكاة الانقطاع الزماني (INLA-RF2): في إعداد زمني بحت يتسم بقفزات مفاجئة، أدى INTA-RF2 إلى تحسين التقدير بشكل كبير عند "نقاط الإجهاد" المختارة (العقد القريبة من القفزات). انخفض RMSE عند هذه النقاط من 0.93 (المرجع INLA) إلى 0.22، وزادت احتمالية التغطية من 0.47 إلى 0.92، مما يثبت قدرة الخوارزمية على تصحيح المجالات الكامنة في المناطق ذات عدم اليقين العالي أو التغيير الهيكلي.
• دراسة حالة واقعية (مجموعة بيانات Agrimonia): عند تطبيقها على بيانات تلوث الهواء، تفوق INLA-RF1 (كلا النسختين) على نموذج INLA المرجعي وRF القياسي من حيث RMSE وMAE. حققت نسخة INLA-RF1.2 تغطية أعلى بكثير من النموذج المرجعي. في المقابل، لم يحقق INLA-RF2 تحسينات ملحوظة مقارنة بالنموذج المرجعي في هذا التطبيق المحدد، ويرجع ذلك على الأرجح إلى أن البيانات الواقعية لم تظهر الميزات الموضعية الواضحة التي تتطلب تصحيحًا على مستوى العقد كما صُممت الخوارزمية.

الأهمية والادعاءات
تدعي الورقة أن إطار عمل INLA-RF ينجح في سد الفجوة بين القدرة على التفسير وتقدير عدم اليقين للنماذج الإحصائية البايزية، وبين المرونة التنبؤية لتعلم الآلة. تشير النتائج إلى أن INLA-RF يمكن أن يحسن دقة التنبؤ المكاني-الزماني، خاصة في وجود انقطاعات زمنية أو علاقات غير خطية بين المتغيرات والاستجابة. ويؤكد المؤلفون أن الاختيار بين INLA-RF1 وINTA-RF2 يعتمد على هدف النمذجة: يُفضل INLA-RF1 لتحسين الأداء التنبئي العام مع الحد الأدنى من التعقيد، بينما يعد INLA-RF2 مناسبًا لتصحيح مناطق محددة من المجال الكامن، رغم أنه يتطلب اختيارًا دقيقًا لعقد الإجهاد. ويُقدم الإطار كأداة مرنة تحافظ على الكفاءة الحسابية لمنهج INLA-SPDE مع تعزيز قدرتها على نمذجة البيانات البيئية المعقدة.