Comparative Analysis of Exponential Smoothing and ARIMA Models for Forecasting Major Agricultural Crops in Bangladesh

कल्पना कीजिए कि आप अनुमान लगाने की कोशिश कर रहे हैं कि अगले साल एक पेड़ से कितने सेब गिरेंगे। आप बस अंदाज़ा लगा सकते हैं, या आप देख सकते हैं कि पिछले साल, उससे पिछले साल और उससे भी पिछले साल कितने गिरे थे। यही टाइम सीरीज़ फोरकास्टिंग (समय श्रृंखला पूर्वानुमान) का मूल है: भविष्य की भविष्यवाणी करने के लिए संख्याओं के इतिहास का उपयोग करना। विज्ञान की दुनिया में, यह डेटा के जासूस होने जैसा है, जो सुरागों के निशान में छिपे पैटर्न को खोजता है। कभी-कभी वह निशान ऊपर की ओर जाने वाली एक सीधी रेखा (ट्रेंड) होता है, कभी-कभी यह दिल की धड़कने की तरह ऊपर-नीचे होता है (सीजनलिटी), और कभी-कभी यह सिर्फ एक उलझी हुई टेढ़ी-मेढ़ी रेखा होती है। इन उलझनों को समझने के लिए, वैज्ञानिक गणितीय "क्रिस्टल बॉल्स" का उपयोग करते हैं। दो सबसे लोकप्रिय क्रिस्टल बॉल्स हैं, एक्सपोनेंशियल स्मूथिंग (घातांकीय स्मूथिंग), जो हाल की खबरों को अधिक महत्व देने और दूर के अतीत को भूल जाने जैसा है, और ARIMA, जो एक अधिक जटिल मशीन है जो यह समझने की कोशिश करती है कि आज की संख्याएं कल की संख्याओं से गहरे, लयबद्ध संबंध कैसे रखती हैं। यह क्यों मायने रखता है? क्योंकि यदि आप एक किसान या सरकार के नेता हैं, तो यह जानना कि क्या आपके पास अगले वर्ष राष्ट्र का पेट भरने के लिए पर्याप्त भोजन होगा, केवल एक गणित की समस्या नहीं है; यह एक भरे हुए पेट और खाली पेट के बीच का अंतर है।

अब, आइए बांग्लादेश में चल रही एक विशिष्ट जासूसी कहानी पर नज़र डालें। दो शोधकर्ताओं, माहिम एमडी. मुंतशिर प्रमोनिक और डॉ. मोहम्मद शाहेद मसूद ने यह देखने के लिए कि कौन सा उपकरण चार प्रमुख फसलों: चावल, मक्का, आलू और गेहूं की उपज की भविष्यवाणी करने में सबसे अच्छा है, तीन अलग-अलग पूर्वानुमान उपकरणों का परीक्षण करने का निर्णय लिया। उन्होंने केवल अनुमान नहीं लगाया; उन्होंने ऐतिहासिक डेटा पर एक लंबी नज़र डाली—कुछ चावल के लिए 1961 जितना पुराना और मक्का के लिए 2000 जितना हालिया था—और इसे दो ढेरों में विभाजित किया। एक ढेर "ट्रेनिंग सेट" था, जिसका उपयोग मॉडल को सीखने के लिए सिखाने के लिए किया गया था, और दूसरा "वैलिडेशन सेट" था, जिसका उपयोग यह देखने के लिए एक अंतिम परीक्षा की तरह किया गया कि मॉडल वास्तव में कैसा प्रदर्शन करते हैं।

शोधकर्ताओं ने तीन विशिष्ट तरीकों का परीक्षण किया। पहला, सिंपल एक्सपोनेंशियल स्मूथिंग (SES) था, जो एक सीधा दृष्टिकोण है जो डेटा के उतार-चढ़ाव को सुचारू बनाता है। दूसरा, होल्ट्स लीनियर मेथड (Holt's Linear Method) था, जो SES जैसा ही है लेकिन एक सुपरपावर के साथ: यह भी देख सकता है कि समय के साथ संख्याएं आम तौर पर ऊपर जा रही हैं या नीचे। अंत में, ARIMA था, जो एक परिष्कृत मॉडल है जो यह समझने की कोशिश करता है कि पिछले दोष (errors) और पिछली मूल्य (values) भविष्य को कैसे प्रभावित करते हैं। विजेता तय करने के लिए, उन्होंने केवल यह नहीं देखा कि किसने सबसे सटीक अनुमान लगाया; उन्होंने चार मेट्रिक्स के एक सख्त स्कोरबोर्ड का उपयोग किया: रूट मीन स्क्वायर एरर (RMSE), मीन एब्सोल्यूट एरर (MAE), मीन एब्सोल्यूट परसेंटेज एरर (MAPE), और थिल का यू सांख्यिकी (Theil's U statistic)। इन्हें अनुमान से कितनी दूरी थी, इसे मापने के विभिन्न तरीकों के रूप में समझें, जहाँ कम स्कोर का अर्थ बेहतर भविष्यवाणी है।

इस कृषि मुकाबले के परिणाम स्पष्ट थे, हालांकि वे हर फसल के लिए एक समान नहीं थे। चार में से तीन फसलों—चावल, मक्का और आलू के लिए—होल्ट्स लीनियर मेथड चैंपियन बनकर उभरा। यह पता चला कि इन फसलों के लिए, सबसे अच्छी रणनीति हाल के इतिहास और सामान्य ऊपर की ओर बढ़ते रुझान (अपवर्ड ट्रेंड) को देखना था, जिससे शोर को कम किया जा सके और चीज़ों को बहुत जटिल न बनाया जाए। शोधकर्ताओं ने पाया कि "स्मूथिंग पैरामीटर्स" को ठीक से ट्यून करके, होल्ट्स विधि लगातार सबसे कम त्रुटि दर उत्पन्न करती है। हालांकि, गेहूं इस समूह का विद्रोही था। गेहूं के लिए, सरल तरीके पैटर्न को पकड़ने में सक्षम नहीं थे। इसके बजाय, ARIMA(0,3,2) मॉडल ने ताज पहना। ARIMA का यह विशिष्ट संस्करण, जिसमें डेटा को स्थिर बनाने का एक विशेष तरीका शामिल है, एकमात्र ऐसा था जो गेहूं के उत्पादन का सटीक पूर्वानुमान लगा सका।

इन निष्कर्षों के आधार पर, शोधकर्ताओं ने एक दस-वर्षीय पूर्वानुमान तैयार किया, जो 2022 से 2031 तक भविष्य की ओर देख रहा है। वे सुझाव देते हैं कि बांग्लादेश में नीति निर्माताओं और किसानों के लिए, मुख्य बात यह नहीं है कि कोई एक एकल मॉडल हर चीज़ के लिए पूर्ण है। इसके बजाय, "सर्वश्रेष्ठ" उपकरण पूरी तरह से इस बात पर निर्भर करता है कि आप कौन सी फसल उगा रहे हैं। यदि आप चावल, मक्का या आलू की योजना बना रहे हैं, तो ट्रेंड-केंद्रित होल्ट्स विधि आपका सबसे अच्छा मित्र होने की संभावना है। लेकिन यदि आप गेहूं के साथ काम कर रहे हैं, तो आपको अधिक जटिल ARIMA मशीनरी की आवश्यकता है। अध्ययन यह दावा नहीं करता है कि उसने भविष्य के रहस्य को हमेशा के लिए सुलझा लिया है, लेकिन यह अगले दशक के लिए एक विश्वसनीय मानचित्र प्रदान करता है, जो हितधारकों को बेहतर निर्णय लेने में मदद करता है ताकि खाद्य सुरक्षा और संसाधनों का बेहतर नियोजन किया जा सके।