Forecast-Aware Explainable Hybrid Stacking for Forecasting Across Heterogeneous Indian Cities

दुनिया के कई हिस्सों में वायु गुणवत्ता जीवन और मृत्यु का मामला है, फिर भी हमारे शहरों के ऊपर मंडराते प्रदूषण के अदृश्य बादलों की भविष्यवाणी करना बेहद कठिन है। समस्या यह है कि हवा हर जगह एक जैसा व्यवहार नहीं करती है। एक घने, औद्योगिक राजधानी के धुंध भरे सुबह के नियम एक तटीय बंदरगाह या एक आर्द्र दक्षिणी महानगर की धुंधली दोपहर से अलग होते हैं। इसके अलावा, प्रदूषण को चलाने वाले कारक—यातायात के पैटर्न, मौसम में बदलाव, और वाहनों एवं कारखानों की भारी संख्या—लगातार बदलते रहते हैं, जिससे एक जटिल पहेली बन जाती है जो हर घंटे बदलती रहती है। दशकों से, वैज्ञानिक इन स्थितियों का पूर्वानुमान लगाने के लिए कंप्यूटर मॉडल बनाने की कोशिश कर रहे हैं, इस उम्मीद में कि वे शहर के योजनाकारों और स्वास्थ्य अधिकारियों को सूक्ष्म कणों (जिन्हें PM2.5 के रूप में जाना जाता है) के खतरनाक स्तर के आबादी पर जमने से पहले सचेत कर सकें। चुनौती हमेशा सटीकता और स्पष्टता के बीच संतुलन बनाए रखने की रही है: एक मॉडल भविष्य की सटीक भविष्यवाणी कर सकता है, लेकिन यदि वह एक "ब्लैक बॉक्स" है जिसे कोई समझ नहीं पाता, तो उस पर भरोसा करना या उस पर कार्रवाई करना कठिन होता है।

यही वह समस्या है जिसे भारत के पांडिचेरी विश्वविद्यालय के शोधकर्ताओं की एक टीम ने हल किया है। उन्होंने एक नए प्रकार की पूर्वानुमान प्रणाली बनाने का लक्ष्य रखा जो न केवल भविष्य का अनुमान लगाती है, बल्कि यह भी बताती है कि उसने उस अनुमान तक पहुँचने के लिए किन रास्तों का उपयोग किया। उनका काम तीन बहुत ही अलग भारतीय शहरों पर केंद्रित है: दिल्ली, एक विस्तृत उत्तरी राजधानी जो भारी शीतकालीन स्मॉग के लिए जानी जाती है; मुंबई, एक हलचल भरा पश्चिमी बंदरगाह; और चेन्नई, एक दक्षिणी तटीय शहर। 2021 से 2025 तक के प्रति घंटा डेटा का अध्ययन करके, शोधकर्ताओं ने एक विधि विकसित की जिसे वे "एक्सप्लेनेबल हाइब्रिड स्टैकिंग फ्रेमवर्क" (व्याख्यात्मक हाइब्रिड स्टैकिंग फ्रेमवर्क) कहते हैं। सरल शब्दों में, वे केवल एक कंप्यूटर प्रोग्राम पर सारा काम करने के लिए निर्भर नहीं थे। इसके बजाय, उन्होंने विभिन्न एल्गोरिदम की एक टीम बनाई, जिसमें से प्रत्येक का डेटा को देखने का अपना तरीका था, और एक मास्टर एल्गोरिदम को उनके निष्कर्षों को संयोजित करना सिखाया। परिणाम एक ऐसी प्रणाली है जो न केवल एक घंटे आगे की वायु गुणवत्ता की उच्च सटीकता के साथ भविष्यवाणी करती है, बल्कि यह भी प्रकट करती है कि प्रत्येक विशिष्ट शहर के लिए कौन से कारक—जैसे पिछले घंटे के प्रदूषण स्तर या वर्तमान आर्द्रता—इस भविष्यवाणी को संचालित कर रहे हैं।

शोधकर्ताओं ने इन तीनों शहरों के आधिकारिक निगरानी केंद्रों से बड़ी मात्रा में कच्चा डेटा एकत्र करके शुरुआत की। इस डेटा में सूक्ष्म कणों की सांद्रता के साथ-साथ समय, सप्ताह का दिन, हवा की गति और आर्द्रता जैसे अन्य विवरण भी शामिल थे। इस कच्चे प्रवाह को समझने के लिए, उन्हें सबसे पहले कंप्यूटर को संख्याओं के भीतर छिपे पैटर्न को देखना सिखाना था। उन्होंने नए चर (variables), या "विशेषताएं" (features) बनाईं, जो शहर की लय को पकड़ती थीं। उन्होंने ऐसी विशेषताएं जोड़ीं जो कंप्यूटर को बताती थीं कि साल का कौन सा समय है, ऐसी विशेषताएं जो ट्रैक करती थीं कि पिछले कुछ घंटों में प्रदूषण कैसा रहा है, और ऐसी विशेषताएं जो पिछले कुछ दिनों के औसत प्रदूषण की गणना करती थीं। उन्होंने यहाँ तक कि विशेष संयोजन भी बनाए जो देखते थे कि मौसम और प्रदूषण कैसे परस्पर क्रिया करते हैं। इस प्रक्रिया ने सैकड़ों संभावित सुराग उत्पन्न किए, लेकिन उनमें से कई दोहराव वाले या अनावश्यक थे।

सबसे उपयोगी सुराग खोजने के लिए, टीम ने एक कठोर चयन प्रक्रिया का उपयोग किया। केवल एक विधि पर भरोसा करने के बजाय कि कौन सी विशेषताएं महत्वपूर्ण हैं, उन्होंने उन्हें रैंक करने के लिए चार अलग-अलग सांख्यिकीय दृष्टिकोणों का उपयोग किया। उन्होंने देखा कि किन विशेषताओं का प्रदूषण के साथ सबसे मजबूत सांख्यिकीय संबंध था, किन विशेषताओं को एक ट्री-बेस्ड कंप्यूटर मॉडल ने सबसे उपयोगी पाया, किन विशेषताओं के हटने से सटीकता में सबसे बड़ी गिरावट आई, और किन विशेषताओं ने अंतिम निर्णय में सबसे अधिक योगदान दिया। इन चार विधियों के परिणामों को मिलाकर, वे एक "सर्वसम्मति" (consensus) पर पहुँचे। इसने यह सुनिश्चित किया कि विशेषताओं की अंतिम सूची किसी एक गणितीय तकनीक के पूर्वाग्रह से मुक्त हो। दिल्ली के लिए, उन्होंने सूची को 173 प्रमुख विशेषताओं तक सीमित कर दिया; मुंबई के लिए 159; और चेन्नई के लिए 178। यह कदम महत्वपूर्ण था क्योंकि इसने शोर को हटा दिया, जिससे केवल वे संकेत बचे जो प्रत्येक विशिष्ट स्थान के लिए वास्तव में मायने रखते थे।

सर्वश्रेष्ठ विशेषताओं के चयन के साथ, शोधकर्ताओं ने अपना प्रेडिक्शन इंजन बनाया। उन्होंने एक एकल मॉडल का उपयोग नहीं किया, जो कुछ पैटर्न देखने में अच्छा हो सकता है लेकिन दूसरों को छोड़ सकता है। इसके बजाय, उन्होंने डेटा पर तीन अलग-अलग प्रकार के मशीन लर्निंग मॉडल—रैंडम फॉरेस्ट, एक्स्ट्रा ट्रीज़ और XGBoost—को प्रशिक्षित किया। इन तीन मॉडलों को डेटा के तीन अलग-अलग विशेषज्ञों के रूप में सोचें। एक दीर्घकालिक रुझानों को पहचानने में उत्कृष्ट हो सकता है, दूसरा अचानक आने वाले उछाल को पकड़ने में, और तीसरा चरों के बीच जटिल अंतःक्रियाओं को समझने में। प्रत्येक विशेषज्ञ ने अगले घंटे की वायु गुणवत्ता के लिए अपना स्वयं का अनुमान लगाया। हालाँकि, यह सुनिश्चित करने के लिए कि सिस्टम उस डेटा का उपयोग न करे जिसे उसने अपने प्रशिक्षण के दौरान नहीं देखा था, शोधकर्ताओं ने एक सावधानीपूर्ण तकनीक का उपयोग किया जहाँ प्रत्येक विशेषज्ञ का परीक्षण उस डेटा पर किया गया जो उसके प्रशिक्षण के दौरान मौजूद नहीं था।

अंतिम चरण इन विशेषज्ञों को एक साथ लाना था। एक चौथा मॉडल, जिसे 'कैटबूट' (CatBoost) कहा जाता है, टीम लीडर या "मेटा-लर्नर" के रूप में कार्य करता है। इसका काम तीन विशेषज्ञों के भविष्यवाणियों को सुनना और उन्हें एक एकल, बेहतर पूर्वानुमान में संयोजित करना सीखना है। इस लीडर ने सीखा कि कभी-कभी पहला विशेषज्ञ सही होता है, कभी-कभी दूसरा, और कभी-कभी सबसे अच्छा उत्तर तीनों का मिश्रण होता है। यह "स्टैकिंग" दृष्टिकोण इस बात की अनुमति देता है कि सिस्टम किसी भी एकल मॉडल की तुलना में बहुत व्यापक रेंज के पैटर्न को कैप्चर कर सके। शोधकर्ताओं ने अपने सिस्टम का परीक्षण 2024 और 2025 के उस डेटा पर किया जिसे मॉडलों ने पहले कभी नहीं देखा था, जिससे उनकी भविष्य कहने की शक्ति का वास्तविक परीक्षण सुनिश्चित हुआ।

परिणाम चौंकाने वाले थे। नया सिस्टम साधारण अनुमानों और व्यक्तिगत विशेषज्ञ मॉडलों दोनों से काफी बेहतर प्रदर्शन करता है। दिल्ली के लिए, सिस्टम वायु गुणवत्ता के उतार-चढ़ाव का 93.83% हिस्सा समझा सका, जिसमें औसत त्रुटि लगभग 30 माइक्रोग्राम प्रति घन मीटर थी। मुंबई में, इसने 88.79% उतार-चढ़ाव को समझाया और इसकी त्रुटि लगभग 11 माइक्रोग्राम थी। सबसे नाटकीय सुधार चेन्नई में देखा गया, जहाँ वायु गुणवत्ता का पूर्वानुमान लगाना अत्यंत कठिन है। जहाँ सबसे अच्छा एकल मॉडल केवल लगभग 58% उतार-चढ़ाव को समझा सका, वहीं नए संयुक्त सिस्टम ने 76.96% की व्याख्या की, जिससे त्रुटि 22 माइक्रोग्राम से घटकर केवल 16.7 रह गई। इसने सिद्ध कर दिया कि विभिन्न शिक्षण रणनीतियों को जोड़कर, सिस्टम एक ही आकार के (one-size-fits-all) दृष्टिकोण की तुलना में प्रत्येक शहर की अनूठी और जटिल गतिशीलता को बहुत बेहतर तरीके से संभाल सकता है।

सटीकता के साथ-साथ शायद उतना ही महत्वपूर्ण सिस्टम की पारदर्शिता थी। क्योंकि शोधकर्ताओं ने SHAP (जो SHapley Additive exPlanations के लिए है) नामक विधि का उपयोग किया था, वे "ब्लैक बॉक्स" को खोल सकते थे और देख सकते थे कि मॉडल क्या सोच रहा था। दिल्ली के लिए, सिस्टम ने दिखाया कि कुल प्रदूषण भार और बड़े कणों की सांद्रता भविष्यवाणियों के सबसे बड़े चालक थे। मुंबई के लिए, बड़े कणों का वर्तमान स्तर और पिछले एक घंटे में वे क्या कर रहे थे, सबसे महत्वपूर्ण कारक थे। चेन्नई में, सिस्टम हाल के अतीत के वायु गुणवत्ता सूचकांक और कुल प्रदूषण भार पर बहुत अधिक निर्भर था। निर्णय लेने वालों के लिए विवरण का यह स्तर अत्यंत महत्वपूर्ण है। इसका अर्थ यह है कि यदि कोई शहर अधिकारी उच्च प्रदूषण का पूर्वानुमान देखता है, तो वह व्याख्या को देख सकता है और जान सकता है कि क्या अचानक आए ट्रैफिक उछाल, हवा में बदलाव, या औद्योगिक उत्सर्जन के जमाव को दोष देना है।

अध्ययन ने यह भी रेखांकित किया कि हर शहर के लिए कोई एक "सर्वश्रेष्ठ" मॉडल नहीं होता है। जो एल्गोरिदम दिल्ली के लिए सबसे अच्छा था, वह मुंबई के लिए सबसे अच्छा नहीं था, और न ही वह चेन्नई के लिए था। यह निष्कर्ष इस विचार को पुख्ता करता है कि वायु प्रदूषण एक स्थानीय घटना है, जो किसी स्थान की विशिष्ट भूगोल, जलवायु और मानवीय गतिविधियों से गहराई से जुड़ी हुई है। एक मॉडल जो एक शहर में काम करता है, उसे दूसरे शहर में सीधे कॉपी-पेस्ट नहीं किया जा सकता; इसे अनुकूलित किया जाना चाहिए। शोधकर्ताओं का ढांचा सफल रहा क्योंकि यह प्रत्येक शहर के अद्वितीय नियमों को सीखने के लिए पर्याप्त लचीला था और साथ में एक सुसंगत, कठोर पद्धति बनाए हुए था।

हालाँकि परिणाम उत्साहजनक हैं, शोधकर्ता अपने काम की सीमाओं के बारे में सावधान रहने को कहते हैं। इस सिस्टम का परीक्षण केवल तीन शहरों और एक विशिष्ट पांच साल की अवधि पर किया गया था। हालांकि इसने वहां अच्छा प्रदर्शन किया, लेकिन अभी तक यह साबित नहीं हुआ है कि यह भारत या दुनिया के हर शहर में काम करेगा। उपयोग किया गया डेटा सरकारी निगरानी केंद्रों से आया था, जो विश्वसनीय है, लेकिन सिस्टम ने सूचना के अन्य संभावित स्रोतों जैसे उपग्रह चित्रों या वास्तविक समय के यातायात डेटा को शामिल नहीं किया था। लेखक सुझाव देते हैं कि भविष्य के कार्यों में इस सिस्टम का परीक्षण विभिन्न जलवायु और विभिन्न प्रकार के डेटा के साथ किया जाना चाहिए ताकि यह देखा जा सके कि क्या यह वास्तव में सार्वभौमिक हो सकता है। वे इस बात पर भी जोर देते हैं कि जबकि सिस्टम उच्च सटीकता के साथ प्रदूषण स्तर की भविष्यवाणी कर सकता है, यह एक पूर्वानुमान उपकरण है, न कि प्रदूषण की घटना के विशिष्ट स्रोत की पहचान करने का साधन।

अंततः, यह शोध इस बात का एक नया ब्लूप्रिंट प्रदान करता है कि हम अपनी सांस ली जाने वाली हवा का प्रबंधन कैसे कर सकते हैं। यह दुनिया की हवा के लिए एक एकल आदर्श सूत्र खोजने के पुराने विचार से आगे बढ़ता है। इसके बजाय, यह समस्या की जटिलता को स्वीकार करता है, प्रत्येक शहर की अनूठी चुनौतियों से निपटने के लिए विविध डिजिटल विशेषज्ञों की एक टीम का उपयोग करता है। उच्च सटीकता के साथ स्पष्ट व्याख्याओं को जोड़कर, यह प्रणाली एक ऐसा उपकरण प्रदान करती है जो न केवल शक्तिशाली है बल्कि भरोसेमंद भी है। यह दिखाता है कि सही दृष्टिकोण के साथ, हम न केवल अपनी वायु गुणवत्ता के भविष्य को देख सकते हैं, बल्कि उन शक्तियों को भी समझ सकते हैं जो इसे आकार देती हैं, जिससे शहरों को स्मॉग के आने से पहले ही अपने निवासियों की रक्षा करने के लिए आवश्यक ज्ञान मिल सके।