Clustering of multivariate tail dependence using conditional methods

कल्पना कीजिए कि आप सबसे भयानक तूफानों को समझने की कोशिश करने वाले एक मौसम जासूस हैं। आप जानते हैं कि कभी-कभी, जब हवाएं गरजती हैं, तो बारिश भी मूसलाधार होती है; अन्य समय में, वे एक-दूसरे को अनदेखा करते हुए प्रतीत होते हैं। चरम विज्ञान (extreme science) की दुनिया में, इस संबंध को "टेल डिपेंडेंस" (tail dependence) कहा जाता है। यह एक फैंसी तरीका है यह पूछने का कि: "यदि एक चीज़ पागल हो जाती है, तो क्या दूसरी भी उसमें शामिल हो जाती है?" वैज्ञानिक इस बात को मापने के लिए लंबे समय से उपकरणों का उपयोग करते आए हैं, लेकिन जब वे एक साथ दर्जनों स्थानों को देखते हैं, तो डेटा एक उलझी हुई, जटिल गांठ बन जाता है। यह अलग-अलग बक्सों से मिले-जुले पहेली के टुकड़ों को यह जाने बिना छांटने की कोशिश करने जैसा है कि वे किस चित्र के हैं। पुराने उपकरण अक्सर बहुत सरल थे, जो केवल दो चरों (variables) के जोड़े के लिए काम करते थे या यह मान लेते थे कि चरम घटनाएं हमेशा एक साथ होती हैं, जो कि कई वास्तविक दुनिया के परिदृश्यों जैसे कि हवा और बारिश के लिए सच नहीं है।

यहीं पर शोधकर्ताओं की एक नई टीम एक ताज़ा, तेज़ नज़र के साथ आती है। उन्होंने चरम मौसम के पैटर्न को व्यवस्थित, समझने योग्य समूहों में छांटने के लिए एक चतुर नया तरीका बनाया है। अनुमान लगाने या मोटे अनुमानों का उपयोग करने के बजाय, वे एक गणितीय "रूलर" (मापक) का उपयोग करते हैं जो सटीक रूप से मापता है कि विभिन्न स्थानों के चरम व्यवहार कितने समान हैं। इस रूलर को लागू करके, वे उन स्थानों को समूहों में बांट सकते हैं जो तूफानों के दौरान एक ही तरह का "व्यक्तित्व" साझा करते हैं, जिससे वे छिपे हुए पैटर्न सामने आते हैं जो पहले अदृश्य थे। यह एक जादू की टोपी होने जैसा है जो तुरंत जान लेती है कि कौन से तूफानी दोस्त एक साथ belong करते हैं, जिससे हमें जोखिमों का पूर्वानुमान लगाने और अपने बदलते जलवायु को अधिक स्पष्टता के साथ समझने में मदद मिलती है।

---

समस्या: तूफानों का एक उलझा हुआ जाल

कल्पना कीजिए कि आप आयरलैंड के एक मानचित्र को देख रहे हैं, जो 59 मौसम केंद्रों से भरा हुआ है। प्रत्येक केंद्र दो चीजें रिकॉर्ड करता है: हवा कितनी तेज़ चलती है और कितनी बारिश होती है। वैज्ञानिक जानना चाहते हैं: क्या ये दो चर चरम स्थितियों में एक साथ नृत्य करते हैं? कभी-कभी, एक भीषण आंधी भारी वर्षा लेकर आती है; अन्य समय में, हवा चिल्लाती है जबकि आसमान सूखा रहता है। यह संबंध पेचीदा है। अतीत में, शोधकर्ताओं ने इन स्टेशनों को उनके चरम व्यवहार के आधार पर समूहबद्ध करने का प्रयास किया, लेकिन उनके पास जो उपकरण थे वे कुंद औजारों जैसे थे। कुछ केवल एक समय में दो चरों (bivariate) पर काम करते थे, जबकि अन्य यह मान लेते थे कि चरम घटनाएं हमेशा एक साथ होती हैं, जो हमेशा सच नहीं होता।

शोधकर्ताओं ने महसूस किया कि इस पहेली को हल करने के लिए, उन्हें विभिन्न स्थानों के "चरम व्यक्तित्वों" की तुलना करने का एक तरीका चाहिए था, भले ही उन स्थानों के पास जटिल, बहु-आयामी डेटा हो। उन्हें एक ऐसे तरीके की आवश्यकता थी जो उन स्थितियों को भी संभाल सके जहाँ चरम घटनाएं एक साथ होती हैं (asymptotic dependence) और उन स्थितियों को भी जहाँ वे नहीं होतीं (asymptotic independence), और यह सब उच्च-आयामी डेटा के साथ काम करते हुए।

समाधान: एक नया गणितीय रूलर

लेखकों, पैट्रिक ओ'टूले, क्रिश्चियन रोहरबेक और जॉर्डन रिचर्ड्स ने एक नया क्लस्टरिंग (समूहीकरण) तरीका प्रस्तावित किया है। "क्लस्टरिंग" को ताश के पत्तों के डेक को उनके समान सूट के आधार पर ढेरों में छांटने के रूप में समझें। उनका लक्ष्य 59 मौसम केंद्रों को ऐसे ढेरों में छांटना था जहाँ प्रत्येक ढेर के स्टेशन सबसे चरम मौसम की घटनाओं के दौरान समान व्यवहार करते हैं।

ऐसा करने के लिए, उन्होंने "कंडीशनल एक्सट्रीम्स" (CE) नामक एक ढांचे का उपयोग किया। कल्पना कीजिए कि आप यह अध्ययन कर रहे हैं कि बारिश कैसी होगी बशर्ते कि हवा पहले से ही एक तूफान की तरह चल रही है। CE ढांचा इस संबंध को मॉडल करता है। हालांकि, 59 अलग-अलग साइटों के बीच इन मॉडलों की तुलना करना कठिन है क्योंकि गणित बहुत जटिल और गणनात्मक रूप से भारी हो जाता है।

टीम का बड़ा नवाचार एक नया "डिसिमिलैरिटी मेजर" (असमानता माप) बनाना था। सरल शब्दों में, यह एक 'रूलर' है जो मापता है कि दो मौसम केंद्र अपने चरम व्यवहार में कितने भिन्न हैं। उन्होंने "स्क्यू-जियोमेट्रिक जेन्सन-शैनन डायवर्जेंस" (skew-geometric Jensen-Shannon divergence) नामक एक गणितीय अवधारणा का उपयोग किया। यदि यह सुनने में बहुत कठिन लगता है, तो इसे एक अत्यंत सटीक दूरी कैलकुलेटर के रूप में समझें। यह दो अलग-अलग साइटों के जटिल सांख्यिकीय मॉडल लेता है और एक एकल संख्या देता है: संख्या जितनी छोटी होगी, साइटें उतनी ही समान होंगी; संख्या जितनी बड़ी होगी, साइटें उतनी ही भिन्न होंगी।

महत्वपूर्ण बात यह है कि यह नया रूलर "क्लोज्ड-फॉर्म" (closed-form) है, जिसका अर्थ है कि इसका एक साफ, सीधा सूत्र है। यह इसे जटिल, उच्च-आयामी डेटा के लिए भी अविश्वसनीय रूप से तेज़ बनाता है। पुराने तरीकों के विपरीत जो डेटा कम होने पर संघर्ष करते थे या जब चरम घटनाएं एक साथ नहीं होती थीं, यह नया टूल दोनों परिदृश्यों में सुचारू रूप से काम करता है।

निष्कर्ष: आयरलैंड के तूफानों की छंटनी

टीम ने अपने नए तरीके का परीक्षण दो तरीकों से किया: पहले कंप्यूटर सिमुलेशन के साथ, और फिर आयरलैंड के वास्तविक डेटा के साथ।

सिमुलेशन में, उन्होंने ज्ञात समूहों के साथ नकली मौसम डेटा बनाया। उन्होंने पाया कि उनका नया तरीका पिछले सबसे अच्छे तरीके (विग्नोटो एट अल., 2021 द्वारा) की तुलना में सही समूहों को खोजने में बेहतर था। पुराना तरीका संघर्ष करता था जब डेटा जटिल हो जाता था या जब चरम घटनाएं हमेशा एक साथ नहीं होती थीं। हालाँकि, नया तरीका लगातार सही समूहों को खोजता रहा, भले ही डेटा शोर (noisy) वाला हो या संबंध पेचीदा हों। इसने यह भी दिखाया कि एक बार साइटों को समूहबद्ध करने के बाद, मौसम मॉडल के अनुमान अधिक सटीक और कम अनिश्चित हो गए, जैसे धुंधली तस्वीरों को मिलाकर एक स्पष्ट तस्वीर प्राप्त करना।

फिर, उन्होंने अपने तरीके को 1990 से 2020 तक साप्ताहिक वर्षा और हवा की गति के साथ आयरलैंड के 59 साइटों के वास्तविक डेटा पर लागू किया। उन्होंने कंप्यूटर को यह नहीं बताया कि साइटें मानचित्र पर कहाँ स्थित हैं; इसे शुद्ध रूप से संख्याओं के आधार पर खुद पता लगाना था।

परिणाम क्या रहा? एल्गोरिदम ने स्वाभाविक रूप से साइटों को तीन विशिष्ट, भौगोलिक रूप से सुसंगत समूहों में विभाजित किया:

1. पूर्व (The East): एक क्लस्टर जो पूर्वी तट (डब्लिन सहित) को कवर करता है।
2. पश्चिम (The West): एक क्लस्टर जो पश्चिमी तट को कवर करता है।
3. केंद्र (The Center): एक मध्य समूह जो दोनों के बीच एक बफर के रूप में कार्य करता है।

यह एक बड़ी सफलता थी क्योंकि मॉडल ने इन समूहों को बनाने के लिए किसी मानचित्र निर्देशांक (coordinates) का उपयोग नहीं किया था। इसने केवल तूफानों के सांख्यिकीय "व्यक्तित्व" को देखा। तथ्य यह है कि समूह भूगोल के साथ इतनी अच्छी तरह मेल खाते हैं, यह सुझाव देता है कि विधि द्वीप भर में हवा और बारिश की परस्पर क्रिया के वास्तविक, सार्थक पैटर्न को पकड़ रही है।

उन्होंने कुछ दिलचस्प "आउटलेयर्स" (outliers) भी पाए। उदाहरण के लिए, डब्लिन में मालाहाइड नामक एक साइट अपने पड़ोसियों से इतनी अलग थी कि वह लगभग अपना स्वयं का समूह बना सकती थी। यह अन्य अवलोकनों से मेल खाता है जो दिखाते हैं कि मालाहाइड में हवा और बारिश के चरम के बीच सबसे कमजोर कड़ी थी। एक अन्य साइट, डोनेगल में किलकार, एक तरह की 'शेपशिफ्टर' थी, जो विशिष्ट सेटिंग्स के आधार पर कभी पश्चिम के साथ तो कभी केंद्र के साथ समूह बनाती थी। यह संवेदनशीलता विश्लेषण दिखाता है कि हालांकि विधि मजबूत है, लेकिन इसकी सटीक सीमाएं थोड़ी बदल सकती हैं, जो जटिल डेटा की खोज का एक सामान्य हिस्सा है।

इसका क्या अर्थ है

यह पेपर यह दावा नहीं करता है कि इसने मौसम विज्ञान की सभी समस्याओं को हल कर दिया है, लेकिन यह एक शक्तिशाली नया उपकरण प्रदान करता है। इस नए "रूलर" का उपयोग करके, वैज्ञानिक अब चरम मौसम की घटनाओं को एक ऐसे तरीके से समूहित कर सकते हैं जो गणितीय रूप से सुदृढ़ और गणनात्मक रूप से कुशल है। यह जोखिम प्रबंधन रणनीतियों को समझने में मदद करता है, जैसे कि यह जानना कि किन क्षेत्रों को एक साथ हवा और बारिश की आपदाओं का सामना करना पड़ सकता है। यह पद्धति बताती है कि हम सरल, एक-समान मॉडलों से आगे बढ़ सकते हैं और विभिन्न क्षेत्रों को उनके विशिष्ट, सूक्ष्म विवरणों के साथ समझना शुरू कर सकते हैं। लेखक दिखाते हैं कि सही गणितीय उपकरणों के साथ, सबसे अराजक तूफानों को भी समझने योग्य पैटर्न में व्यवस्थित किया जा सकता है।