Long-Term PM2.5 Forecasting Using a DTW-Enhanced CNN-GRU Model

تخيل الهواء من حولنا كمحيط عملاق غير مرئي. أحياناً يكون هذا المحيط صافياً ونقياً، ولكن في أحيان أخرى، يمتلئ بذرات صغيرة غير مرئية من الغبار والسخام تسمى PM2.5. هذه الذرات صغيرة جداً لدرجة أنها تستطيع التسلل إلى أعماق رئتينا، مما يجعلنا نمرض، ولهذا السبب يحاول العلماء والأطباء دائماً التنبؤ بالوقت الذي سيصبح فيه الهواء ملوثاً. وللقيام بذلك، يستخدمون "التعلم العميق"، وهو يشبه تعليم حاسوب فائق الذكاء كيف ينظر إلى بيانات الطقس والتلوث السابقة ليخمن ما سيحدث لاحقاً. فكر في الأمر كخبير أرصاد جوية قرأ كل تقرير عن الطقس من المائة عام الماضية؛ فكلما تعرف على أنماط أكثر، كان أفضل في إخبارك ما إذا كنت بحاجة إلى مظلة غداً. ولكن هنا يكمن الجزء الصعب: فبينما تكون هذه العقول الحاسوبية بارعة في تخمين حالة الهواء في اليوم أو اليومين القادمين، إلا أنها غالباً ما ترتبك وتفقد دقتها عندما تحاول النظر إلى مستقبلاً أبعد، خاصة في المدن التي لا يوجد بها الكثير من أجهزة الاستشعار لمراقبة الهواء عن كثب.

وهنا تأتي دراسة جديدة، تركز على مدينة أصفهان في إيران، وهي مكان يتميز بأنماط تلوث معقدة وعدد قليل جداً من محطات مراقبة الهواء. أراد الباحثون بناء "كرة بلورية" أفضل لجودة الهواء يمكنها النظر بعيداً في المستقبل دون أن تشعر بالدوار. لقد ابتكروا نموذجاً حاسوبياً خاصاً يجمع بين أداتين قويتين: وهي (CNN) التي تعمل مثل الكاميرا التي تمسح الأشكال في البيانات، و(GRU) التي تعمل مثل بنك ذاكرة يتذكر ما حدث في الماضي. لكن الخدعة السحرية الحقيقية التي أضافوها هي شيء يسمى "التواء الوقت الديناميكي" أو (DTW). تخيل أنك تحاول العثور على أغنية تشبه لحنك المفضل، لكن نسخة واحدة منها تُعزف بشكل أسرع قليلاً والنسخة الأخرى أبطأ قليلاً. (DTW) يشبه المحرر الموسيقي الذي يمد ويضغط الوقت لكي تتطابق الأغنيتان تماماً، مما يسمح للحاسوب بأن يقول: "مهلاً، نمط التلوث من الشهر الماضي يطابق نمط اليوم، حتى لو كان التوقيت مختلفاً قليلاً!". ومن خلال استخدام هذا لإيجاد أيام تلوث مشابهة من محطات أخرى قريبة، يمكن للنموذج أن يتعلم من تاريخ أوسع حتى عندما تكون البيانات المحلية شحيحة.

اختبر الفريق نظامهم الجديد "DTW-Enhanced CNN-GRU" باستخدام بيانات بالساعات من ثماني محطات مراقبة مختلفة على مدار عدة سنوات. ووجدوا أن هذه الطريقة كانت أفضل بكثير في الحفاظ على هدوئها مقارنة بالنماذج الحاسوبية الفاخرة والثقيلة الأخرى التي تحاول القيام بكل شيء في آن واحد. وللتنبؤ بجودة الهواء قبل 24 ساعة، كان نموذجهم دقيقاً للغاية، حيث سجل 0.91 على مقياس يكون فيه 1.0 هو الدرجة المثالية. ولكن العنوان الأبرز هو ما حدث عندما دفعوا النموذج للنظر إلى مستقبل أبعد بكثير. فبينما تنهار الطرق الأخرى عادةً بعد يومين، تمكن هذا الإطار الجديد من التنبؤ بمستويات PM2.5 لمدة 10 أيام كاملة (240 ساعة) مسبقاً وبدرجة 0.73، مما أظهر عدم وجود أي علامات على الارتباك أو فقدان الاستقرار. ويشير المؤلفون إلى أنه نظراً لأن نظامهم خفيف ولا يحتاج إلى أدوات خارجية باهظة الثمن أو قدرة حوسبية هائلة، فإنه يمكن أن يكون نقطة تحول للمدن ذات الموارد المحدودة، مما يمنحها نظام إنذار مبكر موثوق لحماية الصحة العامة قبل وقت طويل من سوء حالة الهواء.