Graph Convolutional Support Vector Regression for Robust Spatiotemporal Forecasting of Urban Air Pollution

ملخص تقني: انحدار متجه الدعم التلافيفي للرسوم البيانية للتنبؤ القوي بالزمن والمكان لتلوث الهواء في المناطق الحضرية

بيان المشكلة
تواجه التنبؤات بجودة الهواء في المناطق الحضرية تحديات كبيرة بسبب الطبيعة غير الخطية، وغير المستقرة، والمعتمدة زمانياً ومكانياً لتركيزات الملوثات. وتتعرض هذه الديناميكيات بشكل متكرر للاضطراب بسبب الملاحظات الشاذة الناجمة عن الازدحام المروري، والانبعاثات الصناعية، والتقلبات الجوية الموسمية. غالباً ما تفشل النماذج الإحصائية التقليدية (مثل ARIMA وSTARMA) في التقاط العلاقات غير الخطية المعقدة والاعتمادات المكانية، بينما قد تفتقر نماذج التعلم العميق القياسية (مثل LSTM وTransformer) إلى المتانة ضد القيم المتطرفة ولا توفر بطبيعتها تنبؤات احتمالية مُعايرة. تعالج هذه الدراسة الحاجة إلى إطار عمل قادر على التنبؤ القوي مكانياً وزمانياً في البيئات التي تتميز بتقلبات عالية في التلوث وبيانات عرضة للقيم المتطرفة، وتحديداً داخل السياقات الحضرية الهندية في دلهي ومومباي.

المنهجية
يقترح المؤلفون إطار عمل انحدار متجه الدعم التلافيفي للرسوم البيانية (GCSVR)، والذي يدمج تعلم الرسوم البيانية المكانية مع الانحدار الزمني القوي. تتكون المنهجية من وحدتين رئيسيتين:

1. الوحدة المكانية (الشبكة التلافيفية للرسوم البيانية - Graph Convolutional Network):

   • يتم نمذجة محطات الرصد كعُقد في رسم بياني غير موجه $G=(V, E)$، حيث تمثل الحواف العلاقات المكانية.
   • يتم بناء مصفوفة التجاور باستخدام مسافات "هافرسين" (Haversine) الموزونة لإحداثيات المحطات، والتي يتم ترميزها عبر نواة غاوسية (Gaussian kernel) لتحديد أوزان الحواف.
   • تقوم طبقات الرسم البياني التلافيفي (GCN) بتجميع المعلومات من المحطات المجاورة لتوليد تضمينات مكانية. يستخدم النموذج تقريباً من الدرجة الأولى لمرشحات حدود متعدد الحدود "تشيبيشيف" (Chebyshev polynomial) لضمان الكفاءة الحسابية.
   • تنتج هذه الوحدة تضمينات عقد معززة بالرسم البياني تلتقط الاعتماد المكاني بين المحطات.

2. الوحدة الزمنية (انحدار متجه الدعم - Support Vector Regression):

   • لكل محطة، يتم تشكيل متجه المدخلات عن طريق دمج السلاسل الزمنية للملوثات المتأخرة محلياً مع التضمين المكاني المعزز بالرسم البياني المستمد من الـ GCN.
   • يتم تدريب نموذج SVR منفصل لكل محطة باستخدام نواة الدالة الشعاعية الأساسية (RBF kernel).
   • من الضروري أن يستخدم الـ SVR دالة فقدان غير حساسة لـ $\epsilon$ ($\epsilon$-insensitive loss function). تتجاهل دالة الفقد هذه الأخطاء ضمن هامش تسامح محدد ($\epsilon$)، مما يقلل من الحساسية تجاه الملاحظات الضخمة أو المتطرفة المنعزلة مقارنة بالطرق القائمة على مربع الخطأ.
   • يتم تحقيق التنبؤ متعدد الخطوات من خلال استراتيجية تكرارية، حيث تُلحق القيم المتنبأ بها بالتسلسل المدخل للخطوات الزمنية اللاحقة.

3. تكميم عدم اليقين:

   • لتوليد فترات تنبؤ مُعايرة، يدمج إطار العمل التنبؤ المطابق (Conformal Prediction).
   • يقوم هذا النهج الخالي من التوزيع بحساب درجات المطابقة بناءً على أخطاء التنبؤ ضمن نافذة معايرة متدحرجة، مما ينتج فترات تنبؤ تكيفية تتسع أثناء الفترات المتقلبة وتضيق خلال الفترات المستقرة.

التقييم التجريبي
تم تقييم إطار العمل باستخدام سجلات جودة الهواء اليومية لـ PM2.5 وPM10 من:

• دلهي: 37 محطة رصد (2019–2023 للتدريب، 2023 للاختبار).
• مومباي: 18 محطة رصد (2021–2023 للتدريب، 2024 للاختبار).

تم تقييم الأداء عبر ثلاثة آفاق زمنية (30، 60، و90 يوماً) باستخدام ستة مقاييس: متوسط الخطأ المطلق (MAE)، متوسط الخطأ المطلق المقياس (MASE)، جذر متوسط مربع الخطأ (RMSE)، متوسط نسبة الخطأ المطلق المتماثل (SMAPE)، خسارة "بينبول" (Pinball Loss)، ودرجة الاحتمال المستمر المرتبة (CRPS). تمت مقارنة نموذج GCSVR مقابل تسعة نماذج مرجعية، بما في ذلك النماذج الزمنية (ARIMA، LSTM، DeepAR، Transformer، N-BEATS) والنماذج المكانية-الزمانية (STARMA، GSTAR، GpGp، STGCN).

النتائج الرئيسية

• دقة التنبؤ: حقق GCSVR باستمرار أدنى أو أقرب معدلات خطأ في معظم المقاييس والآفاق. وقد أظهر متانة خاصة خلال نوبات التلوث العالية ومواسم الشتاء في دلهي، حيث تؤدي البيانات المعرضة للقيم المتطرفة عادةً إلى تدهور النماذج الأخرى.
• الاستقرار: على عكس النماذج المرجعية للتعلم العميق (مثل Transformer وDeepAR) التي أظهرت زيادة في التقلب وحجم الأخطاء عند الآفاق الطويلة، حافظ GCSVR على أداء مستقر مع امتداد أفق التنبؤ من 30 إلى 90 يوماً.
• الأهمية الإحصائية: أكدت اختبارات "المقارنة المتعددة مع الأفضل" (MCB) أن الأداء المتفوق لـ GCSVR كان ذا دلالة إحصائية، حيث حقق النموذج أدنى مراتب متوسطة في غالبية مقاييس التقييم في كلا المدينتين.
• معايرة عدم اليقين: نجح دمج التنبؤ المطابق في توليد فترات تكيفية استطاعت التقاط تقلبات نوبات التلوث، مما يوفر حدود عدم يقين موثوقة لاتخاذ القرار.

الأهمية والادعاءات
يزعم البحث أن إطار عمل GCSVR يقدم حلاً قوياً للتنبؤ بتلوث الهواء في المناطق الحضرية من خلال الجمع بفعالية بين نمذجة الاعتماد المكاني للشبكات العصبية الرسومية وبين مقاومة القيم المتطرفة لانحدار متجه الدعم. ويؤكد المؤلفون أن هذا النهج الهجين ذو قيمة خاصة لـ:

• التعامل مع القيم المتطرفة: تسمح دالة الفقد غير الحساسة لـ $\epsilon$ للنموذج بالحفاظ على الدقة في ظل وجود طفرات التلوث الشاذة الشائعة في مدن مثل دلهي.
• القدرة على التعميم: أظهر إطار العمل أداءً متسقاً عبر بيئتين مناخيتين وجغرافيتين مختلفتين (دلهي الداخلية ومومباي الساحلية).
• الفائدة السياساتية: من خلال توفير كل من التنبؤات النقطية الدقيقة وفترات عدم اليقين المُعايرة، يدعم النموذج التخطيط الصحي العام القائم على الأدلة، وأنظمة الإنذار المبكر، واستراتيجيات التخفيف.

تخلص الدراسة إلى أنه بينما يعتمد إطار العمل الحالي على التركيزات التاريخية والرسوم البيانية القائمة على المسافة، فإنه يؤسس لأداة قابلة للتوسع وذات أساس إحصائي لتقييم المخاطر المكانية والزمانية، والتي يمكن توسيعها في العمل المستقبلي لتشمل المتغيرات الجوية وانبعاثات الملوثات.