📊 statistics

A Quantile-Based Kumaraswamy-Teissier autoregressive moving average models

تقترح هذه الورقة نموذج "كوماراسوامي-تيسير" ذاتي الانحدار والمتوسط المتحرك (KTARMA) مرنًا قائمًا على المئينات للسلاسل الزمنية ذات القيم الموجبة، وتُظهر من خلال عمليات المحاكاة ودراسة حالة حول هطول الأمطار في شمال غرب جبال الهيمالايا أنه يتفوق على نماذج KARMA و $\beta$ ARMA الحالية في دقة التنبؤ.

المؤلفون الأصليون: Kamana Mishra (School of Mathematical and Statistical Sciences, Indian Institute of Technology Mandi, Himachal Pradesh, India), Tanmay Kayal (School of Mathematical and Statistical Sciences, Indian In

نُشر 2026-09-07

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Kamana Mishra (School of Mathematical and Statistical Sciences, Indian Institute of Technology Mandi, Himachal Pradesh, India), Tanmay Kayal (School of Mathematical and Statistical Sciences, Indian Institute of Technology Mandi, Himachal Pradesh, India), Sarita Azad (School of Mathematical and Statistical Sciences, Indian Institute of Technology Mandi, Himachal Pradesh, India)

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تُعد الأمطار قوة عصية على التنبؤ. فهي لا تسقط في منحنيات منتظمة تشبه شكل الجرس، ولا تتصرف بالطريقة نفسها في كل عاصفة. وفي أجزى كثيرة من العالم، لا سيما في المناطق الجبلية، يكون هطول الأمطار مائلًا (skewed)؛ إذ يمكن أن يغيب لفترات طويلة ثم يأتي في هيئة دفقات عنيفة ومركزة. وغالبًا ما تعجز الأدوات الإحصائية التقليدية، التي بُنيت على افتراض أن الطبيعة تتبع نمطًا قياسيًا متماثلًا، عن استيعاب هذا الأمر؛ فهي كثيرًا ما تتنبأ بأمطار تقع خارج الحدود الطبيعية للواقع، أو تخطئ الهدف تمامًا عند محاولة التنبؤ بالظواهر المتطرفة. ويمثل هذا مشكلة حرجة لمناطق مثل شمال غرب جبال الهيمالايا، حيث تعتمد المجتمعات على تنبؤات دقيقة للزراعة وإدارة المياه والسلامة. وقد تمثل التحدي للعلماء في بناء نموذج رياضي يحترم الواقع المتعرج وغير المنتظم للأمطار، مع القدرة في الوقت نفسه على التقاط الأنماط التي تربط طقس يوم ما باليوم التالي.

لقد طور فريق من الباحثين في المعهد الهندي للتكنولوجيا في "ماندي" نهجًا جديدًا لحل هذه المشكلة. فقد ابتكروا نموذجًا متخصصًا يسمى نموذج "KTARMA"، المصمم خصيصًا لبيانات السلاسل الزمنية ذات القيم الموجبة، مثل كميات الأمطار التي لا يمكن أن تكون سالبة. وبدلاً من محاولة حشر البيانات في شكل قياسي، يتبنى هذا النموذج الطبيعة المائلة والفريدة للأمطار. ويقوم بذلك من خلال التركيز على نقاط محددة داخل توزيع الأمطار، تُعرف باسم "الكميات" (quantiles). فبدلاً من مجرد التنبؤ بمتوسط كمية المطر، والذي قد يكون مضللاً عند حدوث ظواهر متطرفة، يسمح هذا النموذج للعلماء بطرح أسئلة حول أجزاء مختلفة من طيف هطول الأمطار؛ حيث يمكنهم استقصاء ما الذي يدفع الرذاذ الخفيف، أو الزخات المتوسطة، أو الأمطار الغزيرة، والتعامل مع كل منها كجزء متميز من النظام الجوي.

ولبناء هذا النموذج، دمج الباحثون توزيعًا إحصائيًا مرنًا، يُعرف باسم "كوماراسوامي-تيير" (Kumaraswamy–Teissier)، مع بنية تأخذ في الاعتبار كيفية تغير الطقس بمرور الوقت. فكر في التوزيع كأنه قالب يمكن مطه وتشكيله ليتناسب مع التضار_يس غير المنتظمة والخاصة ببيانات الأمطار، بينما تعمل البنية القائمة على الوقت مثل الذاكرة، التي تتذكر كيف تؤثر أمطار الماضي على الحاضر. ويسمح هذا الجمع للنموذج بالتعلم من التاريخ دون أن يظل محبوسًا فيه. وقد اختبر الباحثون ابتكارهم بصرامة؛ أولاً، أجروا آلاف عمليات المحاكاة الحاسوبية بإعدادات مختلفة لضمان قدرة النموذج على استعادة الأنماط الحقيقية المخفية داخل البيانات بدقة. وأظهرت هذه الاختبارات أنه كلما زادت كمية البيانات، أصبحت تقديرات النموذج أكثر حدة وموثوقية، مع وجود أخطاء أقل.

إلا أن الاختبار الحقيقي جاء عندما طبقوا النموذج على بيانات واقعية من شمال غرب جبال الهيمالايا. هذه المنطقة شاسعة ومعقدة، وتغطي أجزاء من جامو وكشمير، وهيماشال براديش، وأوتاراخند. ولتحليل 525 مربع شبكي فردي تغطي هذه المنطقة، استخدم الباحثون تقنية لتجميعها في أربع مناطق متميزة بناءً على سلوك هطول الأمطار فيها. ثم قاموا بتغذية النموذج ليس فقط بتاريخ الأمطار، بل أيضًا بمجموعة واسعة من القرائن الجوية، بما في ذلك درجة الحرارة، والرطوبة، وأنماط الرياح على ارتفاعات مختلفة في السماء، وإشارات المناخ واسعة النطاق مثل تذبذب شمال الأطلسي. وتعلم النموذج كيف تتفاعل هذه العوامل بشكل مختلف في كل منطقة؛ ففي بعض المناطق، كان هطول الأمطار مرتبطًا بقوة بمؤشرات المناخ المتأخرة، بينما كان في مناطق أخرى مدفوعًا بأنماط الرياح المحلية أو الرطوبة.

كانت النتائج مذهلة. فعندما استخدم الباحثون النموذج للتنبؤ بهطول الأمطار لعام 2025، تفوق على نموذجين آخرين مستقرين، وهما نموذجي "KARMA" و"beta-ARMA". وبينما عانت النماذج الأخرى أحيانًا في استيعاب الكثافة الكاملة للأمطار أو أنتجت أخطاءً أكبر خلال فترات الذروة، قدم النموذج الجديد تنبؤات أكثر دقة باستمرار. لقد كان فعالًا بشكل خاص في تقليل حجم أخطائه، مما يضمن أنه حتى عندما يخطئ الهدف، فإن الخطأ يكون صغيرًا. كما أثبت النموذج مرونة كافية للتعامل مع الاحتياجات المختلفة لكل منطقة؛ ففي بعض المناطق، كانت أفضل التنبؤات تأتي من النظر إلى وسيط الأمطار، بينما في مناطق أخرى، وفر التركيز على الكميات الأعلى أو الأدنى صورة أوضح.

في نهاية المطاف، يقدم هذا العمل طريقة أكثر دقة لفهم وتوقع هطول الأمطار في البيئات المعقدة. فمن خلال الابتعاد عن فكرة أن المطر يجب أن يتبع مسارًا متوسطًا واحدًا، يقر نموذج "KTARMA" بأن الطقس ظاهرة متعددة الأوجه. إنه يوفر أداة يمكن ضبطها للنظر في المطر الخفيف، أو المطر الغزير، أو أي شيء بينهما، كل ذلك مع مراعاة ذاكرة الماضي وتأثير المناخ الأوسع. وبالنسبة لشمال غرب جبال الهيمالايا، وربما لمناطق أخرى ذات أنماط طقس مماثلة، يمثل هذا خطوة للأمام في القدرة على استباق مستقبل السماوات، وتحويل عملية طبيعية فوضوية إلى شيء يمكن فهمه والاستعداد له بثقة أكبر.

ملخص تقني: نموذج كماراسوامي-تيسير للارتباط الذاتي والمتوسط المتحرك القائم على المئينات

بيان المشكلة
غالبًا ما تظهر بيانات السلاسل الزمنية في العلوم البيئية، وخاصة هطول الأمطار، خصائص الموسمية، وعدم التماثل، والاعتماد المتسلسل. تعتمد نماذج المتوسط المتحرك المتكامل ذاتي الارتباط (ARIMA) الكلاسيكية على افتراضات التوزيع الطبيعي التي لا تتناسب مع المتغيرات شديدة الالتواء وغير الغاوسية. علاوة على ذلك، فإن مناهج ARIMA القياسية غالبًا ما تنتج تنبؤات خارج العينة تنتهك النطاق الطبيعي المحدود للعملية المرصودة. وبينما عالجت الأطر القائمة على التوزيع مثل النموذج العام لـ ARMA (المسمى GARMA)، و $\beta$ ARMA (للبيانات ضمن الفترة [0,1])، ونموذج كماراسوامي ARMA (المسمى KARMA) بعض هذه المشكلات، إلا أنها غالبًا ما تقتصر على نمذجة الوسيط الشرطي ( $\rho = 0.5$ ). وهذا القصور غير كافٍ للتطبيقات التي تهمها فيها أنظمة محددة من التوزيع (مثل حالات الهطول المنخفضة أو المرتفة للغاية). بالإضافة إلى ذلك، تفتقر النماذج الحالية للبيانات الموجبة إلى المرونة اللازمة لنمذجة التوزيع الشرطي بأكুলের عبر مستويات مئينية محددة.

المنهجية
يقترح البحث نموذج كماراسوامي-تيسير للارتباط الذاتي والمتوسط المتحرك (KTARMA)، وهو إطار عمل للسلاسل الزمنية القائمة على الملاحظة مصمم للعمليات ذات القيم الموجبة.

الإطار التوزيعي: يستخدم النموذج توزيع كماراسوامي-تيسير (KTD)، وهو توزيع مرن للملاحظات الموجبة. ولإدخال الاعتماد الزمني، استخدم المؤلفون معلمة قائمة على المئينات (Quantile-based parameterization). حيث تمت إعادة معلمة معامل الشكل $b$ لتوزيع KTD بدلالة المئين $\rho$ -الشرطي ( $\mu_{\rho,t}$ )، حيث $\rho \in (0,1)$ هو مستوى مئين ثابت. وهذا يسمح بنمذجة الديناميكيات المتغيرة زمنياً مباشرة من خلال المئين الشرطي بدلاً من المتوسط.
البنية الديناميكية: يوسع نموذج KTARMA إطار GARMA من خلال ربط المئين الشرطي $\mu_{\rho,t}$ $μ_{ρ, t}$ بمتنبئ خطي $\eta_{\rho,t}$ $η_{ρ, t}$ عبر دالة ربط أحادية الاتجاه $g(\cdot)$ $g (\cdot)$ . يتضمن المتنبئ الخطي:
- تقاطعاً ( $\alpha_\rho$ ).
- متغيرات خارجية ( $x_t$ ) مع معاملات انحدار ( $\beta_\rho$ ).
- حدود الارتباط الذاتي (AR) تعمل على الملاحظات المتأخرة المحولة.
- حدود المتوسط المتحرك (MA) تعمل على البواقي المتأخرة المحولة.
  ويتم تعريف حد الخطأ باعتباره الانحراف للملاحظة المحولة عن مئينها الشرطي.
التقدير: يتم تقدير المعلمات باستخدام طريقة التقدير بالاحتمال الأقصى الشرطي (CMLE). وقد اشتق البحث تعبيرات تحليلية صريحة لكل من:
- دالة الاحتمال الأقصى الشرطي.
- متجه الدرجة (المشتقات الأولى).
- مصفوفة المعلومات الشرطية (المشتقات الثانية)، باستخدام لمات (Lemmas) محددة للتعامل مع توقعات مشتقات KTD المعقدة.
التشخيص والتنبؤ: يتم تقييم كفاية النموذج باستخدام بواقي المئينات العشوائية، والتي يُتوقع أن تتبع التوزيع الطبيعي القياسي في حالة صحة التوصيف. ويتم اختبار الاستقلال المتسلسل باستخدام اختبار لنج-بوكس (Ljung–Box). كما يتم إجراء التنبؤ خارج العينة بشكل تكراري، مما يتطلب قيم المتغيرات الخارجية المستقبلية لأفق التنبؤ.

المساهمات الرئيسية
يحدد البحث ثلاث مساهمات رئيسية:

صياغة نموذج مبتكر: تقديم نموذج KTARMA، الذي يدمج توزيع KTD مع بنية ARMA خصيصاً للسلاسل الزمنية ذات القيم الموجبة.
إطار مئيني معمّم: توسيع نمذجة الديناميكيات القائمة على الوسيط (كما في نموذج KARMA) إلى صيغة مئينية شرطية عامة. وهذا يسمح للباحثين بفحص مناطق مختلفة من توزيع هطول الأمطار الشرطي عبر تغيير قيمة $\rho$ .
التطبيق التجريبي والتحقق: تطبيق النموذج على بيانات هطول الأمطار متباينة التوزيع مكانياً في شمال غرب جبال الهيمالايا (NWH)، بما في ذلك تطوير إجراءات تشخيصية وتحليل تنبؤي مقارن.

النتائج

الدراسة المحاكاتية: أُجريت دراسة مونت كارلو محاكاتية مع أحجام عينات تتراوح من $n=50$ إلى $n=500$ عبر سيناريوهين للمعلمات وثلاثة مستويات مئينية ( $\rho = 0.25, 0.50, 0.75$ ). وأظهرت النتائج أنه مع زيادة حجم العينة، تقاربت تقديرات المتوسط التجريبي مع قيم المعلمات الحقيقية، بينما انخفض التحيز ومتوسط مربع الخطأ (MSE) بشكل رتيب. وهذا يؤكد الاتساق والارتباط في العينات المحدودة لتقديرات CMLE.
التطبيق الواقعي (هطول الأمطار في NWH):
- البيانات: تم تجميع بيانات هطول الأمطار الشهرية (2001–2025) من 525 شبكة في منطقة NWH إلى أربع مناطق متجانسة باستخدام الخرائط ذاتية التنظيم (SOM).
- ملائمة النموذج: تم تطبيق نموذج KTARMA على كل منطقة باستخدام مستويات مئينية مختلفة. وأكدت الفحوصات التشخيصية (اختبار لنج-بوكس على بواقي المئينات العشوائية) عدم وجود ارتباط متسلسل معنوي في البواقي، مما يشير إلى كفاية ملائمة النموذج.
- تأثيرات المتغيرات الخارجية: كشف التحليل عن استجابات متباينة لهطول الأمطار عبر المناطق. فعلى سبيل المثال، أظهرت المنطقتان 1 و4 علاقات عكسية مع درجة الحرارة ومكونات رياح محددة، بينما تأثرت المنطقة 3 (لداخ) بشكل كبير بتذبذب شمال الأطلسي (NAO) المتأخر وارتفاع الجهد الجيوبوتنشلي.
- أداء التنبؤ: في التنبؤ خارج العينة لعام 2025، تمت مقارنة نموذج KTARMA بنماذج KARMA و $\beta$ $β$ ARMA القائمة على الوسيط.
  - المنطقتان 1 و4: حقق نموذج KTARMA أدنى متوسط مربع خطأ (MSE).
  - المنطقة 2: حقق نموذج KARMA متوسط خطأ مطلق (MAE) أقل بقليل، لكن KTARMA حقق أدنى MSE، مما يشير إلى قدرة أفضل على التحكم في الانحرافات الكبيرة.
  - المنطقة 3: تفوق نموذج KTARMA على كلا المنافسين في كل من MAE وMSE، خاصة في التعامل مع نظام هطول الأمطار منخفض الحجم وشديد الالتواء حيث أظهر نموذج $\beta$ ARMA أخطاءً كبيرة.

الأهمية
يزعم البحث أن نموذج KTARMA يوفر إطار عمل مرن وقائم على الملاحظة لنمذجة السلاسل الزمنية ذات القيم الموجبة ذات التوزيعات غير المتماثلة، والاعتماد الزمني، والآثار الموسمية. ومن خلال الانتقال من الوسيط الشرطي إلى صيغة مئينية عامة، يسمح النموذج بتحليل أكثر دقة لديناميكيات هطول الأمطار، لا سي_ما في المناطق ذات التباين المكاني العالي مثل شمال غرب جبال الهيمالايا. وتوضح الدراسة أن نموذج KTARMA يقدم أداءً تنبؤياً تنافسياً للغاية، حيث يحقق باستمرار متوسطات مربعة خطأ أقل مقارنة بنماذج KARMA و $\beta$ ARMA، مما يجعله أداة قوية للتنبؤ بهطول الأمطار وتقييم المخاطر في الأنظمة المناخية المتنوعة.

أبحاث مشابهة