A comparative evaluation of Bayesian inference, fuzzy time series, and adaptive neuro-fuzzy inference systems for predicting the intensity of concurrent drought-pluvial events
تقيم هذه الدراسة الاستدلال البايزي، والسلاسل الزمنية الضبابية، وأنظمة الاستدلال العصبي الضبابي للتنبؤ بشدّة أحداث الجفاف والفيضانات المتزامنة باستخدام المتنبئات السينوبتيكية، لتجد أن أيًا من النماذج لا يتفوق على نماذج الاستمرارية البسيطة أو المراجع المناخية نظرًا لعدم قدرتها على رصد التوزيع ثنائي المنوال لهذه الأحداث، وتخلص في النهاية إلى أن شدة أحداث الجفاف والفيضانات المتزامنة يمكن التنبؤ بها بشكل ضعيف فقط من الحالات السينوبتيكية الشهرية المعاصرة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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
نادرًا ما يكون الطقس موحدًا عبر قارة ما. فبينما يطبخ جزء من البلاد تحت موجة حر، قد يغرق جزء آخر في الأمطار. وأحيانًا، تحدث هذه التطرفات في الوقت نفسه، مما يخلق نمطًا غريبًا وقويًا حيث تقع جفاف شديد بجوار فيضان شديد مباشرة في غضون الشهر نفسه. يسمي العلماء هذه الأحداث بـ "أحداث الجفاف والفيضان المتزامنة". إنها بمثابة أرجوحة مكانية، ثنائي (جاف-رطب) يمتد عبر الولايات المتحدة، مدفوع بتحولات معقدة في الغلاف الجوي. إن فهم كيفية تشكل هذه الأحداث وما إذا كان بإمكاننا التنبؤ بقوتها أمر بالغ الأهمية لإدارة الموارد المائية والاستعداد للكوارث. ومع ذلك، فإن الغلاف الجوي نظام فوضوي، وقد ثبت أن التنبؤ بهذه التطرفات المحددة والمتزامنة أمر صعب. غالبًا ما يلجأ الباحثون إلى نماذج حاسوبية متقدمة لإيجاد أنماط في الفوضى، آملين في تمييز الإشارة عن الضجيج. ويبقى السؤال: هل يمكن للأدوات الإحصائية الحديثة حقًا توقع شدة هذه التطرفات المتضادة، أم أنها ببساطة غير قابلة للتنبؤ؟
وضع باحث مسعى لاختبار هذا السؤال من خلال وضع ثلاثة أنواع مختلفة من النماذج الحاسوبية قيد الاختبار. ركزوا على اثنتين وخمسين من أحداث (الجاف-الرطب) هذه التي حدثت عبر الولايات المتحدة المتصلة. ولقياس شدة كل حدث، نظروا في الفرق بين المكان الأكثر جفافًا والمكان الأكثر رطوبة، باستخدام درجة معيارية تأخذ في الاعتبار كلاً من هطول الأمطار ومدى تبخر المياه من الأرض. قام الباحث بتغذية كل نموذج بمجموعة من سبعة أدلة جوية، بما في ذلك درجة حرارة الهواء، والرطوبة، واتجاه الرياح، وسرعة الرياح، المستمدة من قاعدتي بيانات عالميتين للطقس. واختبروا النماذج عند ثلاثة ارتفاعات مختلفة في الغلاف الجوي، من السطح وصولًا إلى السماء السفلى، لمعرفة ما إذا كان مصدر البيانات أو الارتفاع سيغير النتائج. كان الهدف بسيطًا: هل يمكن لهذه النماذج التنبؤ بمدى قوة التباين (الجاف-الرطب) لشهر معين بشكل أفضل من مجرد التخمين بناءً على المتوسط أو افتراض أن الطقس سيبقى كما هو في الشهر السابق؟
كانت النتائج محبطة. لم يتمكن أي من النماذج الثلاثة، بغض النظر عن البيانات التي استخدموها أو الارتفاع الذي نظروا إليه، من التفوق بشكل موثوق على أبسط التخمينات الممكنة. في الواقع، كان التنبؤ الأكثر نجاحًا ليس خوارزمية معقدة، بل افتراض أساسي بأن الططقس سيكون مشابهًا جدًا لما كان عليه في الشهر السابق. وعندما قارن الباحث تنبؤات النماذج مقابل الأحداث الفعلية، وجد أن أكثر الطرق تطورًا فشلت في التقاط الطبيعة الحقيقية للظاهرة. فنموذجان من النماذج، اللذان يعتمدان على الاحتمالات والشبكات العصبية، مالا إلى اتخاذ موقف حذر؛ فبدلاً من التنبؤ بالظروف الجافة الشديدة أو الرطبة الشديدة التي حدثت بالفعل، توقعا باستمرار قيمًا قريبة من المنتصف، مما أدى فعليًا إلى تسوية التطرفات ذاتها التي كان من المفترض أن يتنبأ بها. أما النموذج الثالث، الذي يستخدم المنطق الضبابي للتعامل مع عدم اليقين، فقد تمكن بالفعل من التنبؤ بنطاق أوسع من النتائج، بما في ذلك التطرفات، لكن تخميناته كانت مشتتة وغير دقيقة للغاية لدرجة أن معدل الخطأ الإجمالي لديه كان مرتفعًا مثل النماذج التي التزمت بالمتوسط.
كما بحثت الدراسة فيما كانت النماذج "تتعلمه" من البيانات. وعلى الرغم من فشل النماذج في التنبؤ بالشدة بدقة، إلا أنها اتفقت على العوامل الجوية الأكثر أهمية. فقد وضع كل من النموذج القائم على الاحتمالات ونموذج الشبكة العصبية أثقل وزن على أنماط الرياح شمال-جنوب وحركة الرطوبة في ذلك الاتجاه. وهذا منطقي فيزيائيًا، حيث تُدار هذه الأحداث غالبًا بواسطة تحرك الهواء الذي ينقل الرطوبة من منطقة رطبة نحو منطقة جافة، أو العكس. لقد حددت النماذج المكونات الصحيحة، لكنها لم تستطع الجمع بينها لتقديم تنبؤ صحيح بالنتيجة النهائية. الأمر يشبه طباخًا حدد التوابل الرئيسية في الحساء بشكل صحيح ولكنه لم يستطع تخمين النكهة النهائية. وجد الباحث أن المعلومات المتاحة في لقطة واحدة من حالة الطقس في شهر واحد لم تكن كافية لتحديد مدى شدة التباين (الجاف-الرطب).
خلص الباحث إلى أن التنبؤ بقوة هذه الجفافات والفيضانات المتزامنة أصعب مما كان متوقعًا. فالنماذج التي اختبرها، والتي تضع افتراضات قليلة جدًا حول كيفية سلوك البيانات، انهارت نحو المتوسط بدلًا من التقاط التقلبات الجامحة للواقع. وبينما حددت بشكل صحيح أن نقل الرطونة شمال-جنوب هو المحرك الرئيسي، إلا أن هذه المعرفة لم تترجم إلى توقع مفيد. تشير الدراسة إلى أنه لتحسين التنبؤات، قد يحتاج العلماء إلى النظر في أنماط الطقس على مدى عدة أشهر تسبق الحدث، بدلاً من مجرد الشهر المعني، وقد يحتاجون إلى بناء نماذج منفصلة لمواسم مختلفة. في الوقت الحالي، يظل التنبؤ بشدة هذه الثنائيات (الجافة-الرطبة) الدرامية ضعيف القدرة على التنبؤ من حالة الغلاف الجوي عند حدوثها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.