🔢 mathematics

Application of Differential Transform Method for El Nino Southern Oscillation (ENSO) Model with compared Adomian Decomposition and Variational Iteration Methods

यह शोध पत्र दो गैर-रेखीय एल नीनो दक्षिणी दोलन (ENSO) मॉडलों के लिए अनुमानित समाधान प्राप्त करने हेतु डिफरेंशियल ट्रांसफॉर्म विधि को लागू करता है और विश्लेषणात्मक, अडोमियन डिकंपोजिशन और वेरिएशनल इटरेशन विधियों के साथ उनकी तुलना करके उनकी दक्षता और सटीकता का मूल्यांकन करता है।

मूल लेखक: Murat Gubes, H. Alpaslan Peker, Galip Oturanc

प्रकाशित 2026-06-04

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 3.0

मूल लेखक: Murat Gubes, H. Alpaslan Peker, Galip Oturanc

मूल पेपर CC BY 3.0 (http://creativecommons.org/licenses/by/3.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

पृथ्वी की जलवायु प्रणाली की कल्पना एक विशाल, जटिल जल और वायु के महासागर के रूप में करें जो लगातार इधर-उधर डोल रहा है। कभी-कभी पूर्वी प्रशांत क्षेत्र में पानी असामान्य रूप से गर्म हो जाता है (एक घटना जिसे एल नीनो (El Niño) कहा जाता है), और कभी-कभी यह असामान्य रूप से ठंडा (ला नीना (La Niña)) हो जाता है। वैज्ञानिक इन "डोलने" (sloshes) की भविष्यवाणी करने के लिए गणित का उपयोग करते हैं क्योंकि वे दुनिया भर के मौसम को प्रभावित करते हैं।

यह शोध पत्र इस बारे में है कि इस डोलने (sloshing) का वर्णन करने वाले जटिल गणितीय समीकरणों को हल करने का सबसे अच्छा तरीका क्या है। विशेष रूप से, लेखक एक नए उपकरण का परीक्षण कर रहे हैं जिसे डिफरेंशियल ट्रांसफॉर्म मेथड (DTM) कहा जाता है, यह देखने के लिए कि क्या यह दो अन्य लोकप्रिय उपकरणों की तुलना में बेहतर काम करता है: अडोमियन डिकंपोजिशन मेथड (ADM) और वेरिएशनल इटरेशन मेथड (VIM)।

यहाँ उन्होंने जो किया है, उसका सरल उपमाओं (analogies) का उपयोग करके विवरण दिया गया है:

1. समस्या: समीकरणों की एक उलझी हुई गांठ

एल नीनो के पीछे का गणित सरल नहीं है; यह एक "नॉनलीनियर" (nonlinear) प्रणाली है। इसे उलझे हुए हेडफ़ोन की गांठ की तरह समझें। समीकरण इतने उलझे हुए हैं कि आप एक सटीक उत्तर खोजने के लिए उन्हें आसानी से अलग नहीं कर सकते। वैज्ञानिक आमतौर पर "अनुमानित" (approximate) तरीकों का उपयोग करते हैं—जैसे कि गांठ को इंच-दर-इंच सुलझाने की कोशिश करना—ताकि एक ऐसा समाधान प्राप्त किया जा सके जो उपयोगी होने के लिए "काफी अच्छा" हो।

2. नया उपकरण: "लेगो" दृष्टिकोण (DTM)

लेखक डिफरेंशियल ट्रांसफॉर्म मेथड (DTM) का उपयोग करने का प्रस्ताव देते हैं।

उपमा: कल्पना करें कि आप लेगो (Legos) से एक जटिल महल बनाना चाहते हैं। पूरे महल को मिट्टी से तराशने के बजाय (जो कठिन और गंदा काम है), DTM समस्या को व्यक्तिगत लेगो ईंटों (सरल बीजगणितीय समीकरणों) में तोड़ देता है।
यह कैसे काम करता है: यह विधि जटिल, घुमावदार गणितीय समीकरणों को संख्याओं की एक सरल सूची (गुणांक/coefficients) में बदल देती है। एक बार जब आपके पास सूची आ जाती है, तो आप अनुमानित समाधान बनाने के लिए टुकड़ों को आसानी से वापस जोड़ सकते हैं। लेखक दावा करते हैं कि यह अन्य विधियों की तुलना में बहुत आसान और तेज़ है, जो सीधे मिट्टी को तराशने की कोशिश करने जैसी हैं।

3. प्रयोग: तीन धावकों के बीच एक दौड़

यह देखने के लिए कि उनका "लेगो" तरीका (DTM) सबसे अच्छा था या नहीं, लेखकों ने दो अन्य धावकों के साथ एक दौड़ आयोजित की:

धावक A (ADM): अडोमियन डिकंपोजिशन मेथड।
धावक B (VIM): वेरिएशनल इटरेशन मेथड।
धावक C (DTM): डिफरेंशियल ट्रांसफॉर्म मेथड (नया दावेदार)।

उन्होंने इन तीनों विधियों को दो अलग-अलग "ENSO मॉडलों" (एल नीनो घटना के दो अलग-अलग गणितीय विवरण) के विरुद्ध चलाया।

4. परिणाम: दौड़ कौन जीता?

लेखकों ने अपने परिणामों की तुलना संख्याओं की तालिकाओं और ग्राफ (जैसे स्कोरबोर्ड) का उपयोग करके की।

स्कोरबोर्ड: उन्होंने देखा कि प्रत्येक विधि का उत्तर "सटीक" (Exact) उत्तर के कितने करीब था (पूर्ण समाधान)।
परिणाम: शोध पत्र का दावा है कि DTM और ADM विजेता थे। उन्होंने बहुत सटीक और सटीक उत्तर के बहुत करीब परिणाम दिए।
हारने वाला: पाया गया कि VIM विधि उनके परीक्षणों में थोड़ी कम सटीक थी, जिसमें संख्याओं में बड़ी त्रुटियां देखी गईं।

5. डेटा का दृश्य चित्रण (Visualizing the Data)

शोध पत्र में अपने तर्क को सिद्ध करने के लिए कई चार्ट शामिल हैं:

चित्र 1-4: ये दिखाते हैं कि समय के साथ समुद्र का तापमान और पानी की परतों की गहराई कैसे बदलती है। लेखक दिखाते हैं कि उनकी DTM विधि इन परिवर्तनों को सुचारू रूप से और सटीक रूप से ट्रैक करती है।
चित्र 5-10: ये "त्रुटि मानचित्र" (error maps) हैं। एक ऐसे मानचित्र की कल्पना करें जहाँ लाल क्षेत्र का अर्थ है "बड़ी गलतियाँ" और हरा क्षेत्र "पूर्ण सटीकता" का अर्थ है। लेखक दिखाते हैं कि DTM विधि (और ADM) ने अपने "गलतियों के क्षेत्रों" को बहुत छोटा रखा है, जबकि VIM विधि के अपने परीक्षणों में थोड़े बड़े "गलतियों के क्षेत्र" थे।

मुख्य निष्कर्ष (The Bottom Line)

लेखक निष्कर्ष निकालते हैं कि डिफरेंशियल ट्रांसफॉर्म मेथड (DTM) एल नीनो के पीछे के जटिल गणित को हल करने के लिए एक शक्तिशाली, कुशल और सटीक उपकरण है। उन्होंने सफलतापूर्वक इसे दो अलग-अलग मॉडलों पर लागू किया और साबित किया कि, उनके परीक्षणों में, यह स्थापित विधियों के समान ही (या बेहतर) प्रदर्शन करता है, जबकि इसे लागू करना आसान है क्योंकि यह कठिन कैलकुलस समस्याओं को सरल बीजगणित में बदल देता है।

महत्वपूर्ण नोट: यह शोध पत्र सख्ती से इन विशिष्ट गणितीय समीकरणों को हल करने पर केंद्रित है। यह भविष्य के मौसम की भविष्यवाणी करने, चिकित्सा सलाह देने या वर्तमान में हम जलवायु नीति को कैसे प्रबंधित करते हैं, इसे बदलने का दावा नहीं करता है; यह पूरी तरह से इस बात का अध्ययन है कि इन विशिष्ट समीकरणों को सुलझाने के लिए कौन सा गणितीय "उपकरण" सबसे अच्छा काम करता है।

तकनीकी सारांश: एल नीनो दक्षिणी दोलन (ENSO) मॉडल के लिए डिफरेंशियल ट्रांसफॉर्म मेथड का अनुप्रयोग

समस्या विवरण
यह अध्ययन एल नीनो दक्षिणी दोलन (ENSO) के लिए दो विशिष्ट गैररेखीय (nonlinear) गणितीय मॉडलों के सन्नट समाधान (approximate solutions) प्राप्त करने की चुनौती को संबोधित करता है। ENSO एक जलवायु पैटर्न है जो उष्णकटिबंधीय वायुमंडल और महासागर में गर्म (एल नीनो) और ठंडे (ला नीना) चरणों द्वारा पहचाना जाता है, जो वैश्विक जलवायु गतिशीलता को महत्वपूर्ण रूप से प्रभावित करता है। लेखक दो अलग-अलग सूत्रीकरणों पर ध्यान केंद्रित करते हैं:

एक युग्मित गतिक प्रणाली (coupled dynamical system) जो समुद्री सतह के तापमान ( $H$ ) और थर्मोक्लाइन गहराई विसंगति ( $h$ ) के बीच परस्पर क्रिया का वर्णन करती है, जो भौतिक स्थिरांकों और एक विक्षोभ गुणांक (perturbation coefficient) वाले गैररेखीय अवकल समीकरणों द्वारा नियंत्रित होती है।
एक विलंबित ऑसिलेटर मॉडल (delayed oscillator model) जो भूमध्यरेखीय पूर्वी प्रशांत क्षेत्र में महासागर-वायुमंडल परस्पर क्रिया का प्रतिनिधित्व करता है, जो एक विशिष्ट युग्मन क्षेत्र के भीतर विसंगति विविधताओं पर जोर देता है।

जबकि समान समस्याओं के लिए होमोटोपी परटर्बेशन मेथड (HPM), होमोटोपी एनालिसिस मेथड (HAM), अडोमियन डीकंपोजिशन मेथड (ADM), और वेरिएशनल इटरेशन मेथड (VIM) जैसे विभिन्न संख्यात्मक और अर्ध-विश्लेतिक तरीकों को लागू किया गया है, इस शोध पत्र का उद्देश्य इन विशिष्ट ENSO मॉडलों के लिए डिफरेंशियल ट्रांसफॉर्म मेथड (DTM) की प्रभावकारिता का मूल्यांकन करना है।

कार्यप्रणाली
प्रयुक्त मुख्य कार्यप्रणाली डिफरेंशियल ट्रांसफॉर्म मेथड (DTM) है, जो टेलर सीरीज़ विस्तार (Taylor series expansion) पर आधारित एक संख्यात्मक तकनीक है। पारंपरिक तरीकों के विपरीत जिन्हें रैखिकीकरण (linearization) या विविक्तकरण (discretization) की आवश्यकता होती है, DTM गैररेखीय अवकल समीकरणों को बीजगणितीय समीकरणों में परिवर्तित करता है।

रूपांतरण प्रक्रिया: विधि एक बिंदु $x_0$ पर फलन $y(x)$ के डिफरेंशियल ट्रांसफॉर्म को इसके सीरीज़ विस्तार के गुणांकों के रूप में परिभाषित करती है। व्युत्क्रम रूपांतरण (inverse transform) समाधान को एक श्रृंखला के रूप में पुनर्गठित करता है।
गैररेखीयता का प्रबंधन: ENSO मॉडलों में मौजूद गैररेखीय पदों (विशेष रूप से $H^3$ जैसे क्यूबिक पदों) के लिए, लेखक इन गैररेखीय फलनों के रूपांतरित रूपों को पुनरावर्ती रूप से (recursively) गणना करने के लिए विशिष्ट प्रमेयों का उपयोग करते हैं।
कार्यान्वयन: लेखक युग्मित प्रणाली (समस्या 1) और विलंबित ऑसिलेटर (समस्या 2) पर DTM लागू करते हैं। प्रारंभिक स्थितियों को प्रतिस्थापित करके और रूपांतरित गुणांकों की पुनरावर्ती गणना करके, वे $H(t)$ और $h(t)$ दोनों के लिए विश्लेषणात्मक सीरीज़ समाधान प्राप्त करते हैं।
तुलनात्मक विश्लेषण: DTM समाधानों की सटीकता और दक्षता का अडोमियन डीकंपोजिशन मेथड (ADM) और वेरिएशनल इटरेशन मेथड (VIM) के माध्यम से प्राप्त समाधानों के विरुद्ध कड़ाई से मूल्यांकन किया जाता है। विशिष्ट समय अंतरालों और विक्षोभ मानों ( $\epsilon$ ) के लिए संख्यात्मक परिणाम तालिकाओं में प्रस्तुत किए गए हैं, और त्रुटि दरों तथा समाधान व्यवहारों को दृश्यमान बनाने के लिए ग्राफिकल तुलना प्रदान की गई है।

प्रमुख योगदान और परिणाम
इस कार्य का प्राथमिक योगदान इन दो विशिष्ट गैररेखीय ENSO मॉडलों पर पहली बार DTM का अनुप्रयोग है। अध्ययन निम्नलिखित परिणाम देता है:

सन्नट समाधानों का व्युत्पत्ति: लेखकों ने युग्मित गतिक प्रणाली और विलंबित ऑसिलेटर मॉडल दोनों के लिए सफलतापूर्वक सन्नट सीरीज़ समाधान प्राप्त किए।
संख्यात्मक सत्यापन: तालिका 1 से 4 विभिन्न पैरामीटर सेटों (जैसे $c, \eta, \gamma, \theta, \alpha, \beta, \sigma$ के विभिन्न मान) के लिए संख्यात्मक तुलना प्रस्तुत करती है। डेटा इंगित करता है कि DTM समाधान सटीक समाधानों के साथ निकटता से संरेखित हैं और कई मामलों में, ADM और VIM की तुलना में उच्च सटीकता या तेज़ अभिसरण (convergence) प्रदर्शित करते हैं।
त्रुटि विश्लेषण: चित्र 5 से 10 विलंबित ऑसिलेटर मॉडल के लिए त्रुटि मानों को दर्शाते हैं। ये ग्राफ प्रदर्शित करते हैं कि DTM विक्षोभ गुणांक $\epsilon$ और विलंब पैरामीटर $\sigma$ के विभिन्न मानों केAcross कम त्रुटि दर बनाए रखता है।
भौतिक अंतर्दृष्टि: अध्ययन समुद्री सतह के तापमान और थर्मोक्लाइन गहराई विसंगति के बीच परस्पर क्रिया को दृश्यमान बनाता है (चित्र 1) और भौतिक स्थिरांकों ( $\eta, \theta$ ) के परिवर्तन के प्रभावों की जांच करता है (चित्र 2–4)।

महत्व और दावे
शोध पत्र का दावा है कि डिफरेंशियल ट्रांसफॉर्म मेथड गैररेखीय साधारण अवकल प्रणालियों को हल करने के लिए एक "शक्तिशाली अर्ध-विश्लेतिक विधि" है, विशेष रूप से जलवायु मॉडलिंग के संदर्भ में। लेखक तर्क देते हैं कि DTM, ADM, VIM और HPM की तुलना में स्पष्ट लाभ प्रदान करता है क्योंकि यह जटिल गैररेखीय मॉडलों को सीधे बीजगणितीय समीकरणों में बदल देता है, जिससे गणना प्रक्रिया सरल हो जाती है।

अध्ययन निष्कर्ष निकालता है कि DTM "काफी अच्छे परिणाम" प्रदान करता है और ENSO मॉडलों पर लागू होने पर उच्च दक्षता और सटीकता प्रदर्शित करता है। ADM और VIM के विरुद्ध त्रुटि दरों और संख्यात्मक मानों की तुलना करके, लेखक DTM को महासागरीय जलवायु, वायुमंडलीय भौतिकी और गतिक प्रणालियों के अध्ययन के लिए एक विश्वसनीय विकल्प के रूप में स्थापित करते हैं। यह कार्य अन्य विधियों द्वारा अक्सर आवश्यक रैखिकीकरण या विक्षोभ तकनीकों की आवश्यकता के बिना, जटिल, वास्तविक दुनिया की गैररेखीय समस्याओं को हल करने में DTM की उपयोगिता को मान्य करने के लिए कार्य करता है।