Exploratory Modelling of Multi-System Transformation Pathways from Real-World Data: A SINDy-Inspired Sparse Orthogonal Regression Technique

Technische Samenvatting: Exploratieve Modellering van Multi-Systeem Transformatiepaden

Probleemstelling
Duurzaamheidstransities brengen interactieve dynamieken met zich mee over sociale, technologische, economische, milieutechnische en bestuurlijke dimensies. Bestaande modelleringsbenaderingen kampen vaak met een dichotomie: ze isoleren ofwel subsystemen, ofwel ze vertrouwen op optimalisatiegestuurde paden die er niet in slagen om feedback, padafhankelijkheid en institutionele beperkingen expliciet weer te geven. Bovendien hebben traditionele modellen moeite om de niet-lineaire, asynchrone en vaak door crises gedreven aard van socio-ecologische transities te vatten, terwijl ze tegelijkertijd transparantie en empirische gronding moeten behouden. Er is behoefte aan een modelleringskader dat kwantitatieve dynamische systemen en transitietheorie overbrugt zonder rigide structurele aannames op te leggen of aanspraak te maken op deterministische voorspellende precisie.

Methodologie: Sparse Orthogonal Regression Technique (SORT)
De studie introduceert de Sparse Orthogonal Regression Technique (SORT), een datagestuurd dynamisch-systemenraamwerk geïnspireerd door de Sparse Identification of Non-linear Dynamical Systems (SINDy). In tegenstelling tot benaderingen die vooraf een volledig structureel model specificeren, leidt SORT parsimonieuze cross-domein afhankelijkheden af direct uit geharmoniseerde tijdreeksgegevens.

• Data en Variabelen: Het prototype maakt gebruik van een empirisch venster van 20 jaar (2005–2025) dat EU-brede indicatoren beslaat over tien domeinen: het aandeel hernieuwbare energie, ETS-gereguleerde emissies, de productiviteit van hulpbronnen, digitaliseringsintensiteit, schone innovatie (groene patenten), beleidsstrengheid, transitiefinanciering, sociaal welzijn, milieudruk en systeemresilience.
• Algoritmische Benadering: De methode construeert een bibliotheek van potentiële verklarende termen (lineaire en laag-orde niet-lineaire interacties) vanuit de geobserveerde variabelen. Deze termen worden gerepresenteerd via een orthogonale basisexpansie om stabiele en compacte benaderingen te waarborgen. Vervolgens wordt sparse regressie toegepast om de subset van termen te selecteren die de geobserveerde veranderingssnelheden het best verklaart, waarbij de modelcomplexiteit wordt bestraft om overfitting te voorkomen.
• Filosofie: Het resulterende compacte dynamische systeem wordt geïnterpreteerd als een structurele representatie van interacties en feedbackloops op de middellange termijn, en niet als een voorspellingsinstrument. De benadering geeft prioriteit aan het identificeren van dominante afhankelijkheden en teken-consistente invloeden boven precieze numerieke voorspelling.

Belangrijkste Resultaten
De studie vergelijkt het door SORT-afgeleide dynamische systeem (DS) met eenvoudige univariate lineaire extrapolaties over de tien variabelen:

• Divergentie van Lineaire Trends: Hoewel het DS-model de historische gegevens nauwkeurig reproduceert, wijken de voorwaartse projecties (2025–2045) af van lineaire trends op plaatsen waar versterkende feedbacks bestaan.

  • ETS-emissies: Het DS-model projecteert een meer uitgesproken daling dan de lineaire extrapolatie, wat suggereert dat onder afgestemde structurele condities (financiering, productiviteit, druk), decarbonisatie kan versnellen op een niet-lineaire wijze.
  • Transitiefinanciering: Het model vangt een convexe acceleratie in groene financiering op, wat de endogene versterking reflecteert naarmate coördinatiemechanismen volwassen worden, terwijl lineaire modellen uitgaan van constante marginale groei.
  • Hulpbronproductiviteit: Het DS-model toont een versnelling in productiviteitswinsten gedreven door gecoördineerde technologische upgrades, in contrast met de constante snelheid die lineaire trends veronderstellen.
  • Milieudruk: In tegenstelling tot lineaire modellen die uitgaan van een gestage accumulatie, vangt het DS-model niet-lineaire oscillaties en conditionele stabilisatie op, wat de hydrologische en systemische aard van de druk reflecteert.
  • Stabiliteit: Variabelen zoals het aandeel hernieuwbare energie, digitalisering en beleidsstrengheid vertonen trajecten waarbij het DS-model dicht bij de lineaire extrapolatie blijft, wat duidt op structurele stabiliteit of traag bewegende institutionele ritmes.

• Geïnformeerde Causale Structuur: De sparse regressie onthult een compacte set van terugkerende afhankelijkheden, georganiseerd in drie interagerende domeinen:

  1. Sociaal-Technologisch: Een wederzijds versterkende feedbackloop tussen schone innovatie en sociaal welzijn.
  2. Milieu-Productief: Milieudruk fungeert als een beperkende hub, die zowel de opname van hernieuwbare energie als de hulpbronproductiviteit negatief beïnvloedt.
  3. Bestuur-Transitie: Beleidsstrengheid ondersteunt de mobilisatie van financiën, wat op zijn beurt de innovatiedynamiek mogelijk maakt. Resilience (financiële integratie) fungeert als een stabiliserende modifier in plaats van een directe drijfveer.

Betekenis en Claims
Het artikel positioneert SORT als een instrument voor "causale steunstructuren" (causal scaffolding) voor de wetenschaps-beleidsinterface, in plaats van een voorspellingsmotor. De primaire bijdragen zijn:

1. Empirische Gronding van Transitietheorie: Het model biedt een empirisch gegrond representatie van multi-systeem feedbackdynamieken, waarmee de kloof tussen abstracte transitietheorie en kwantitatieve modellering wordt overbrugd. Het demonstreert dat duurzaamheidstransities co-evolutionaire processen zijn waarbij technologische verandering, governance, financiën en sociale condities structureel interdependent zijn.
2. Exploratieve Reconstructie: De techniek biedt een compacte methode voor het reconstrueren van transformatiepaden uit real-world data, waarbij structurele tendensen en conditionele dynamieken worden geïdentificeerd (bijv. hoe versnelde decarbonisatie afhankelijk is van de afstemming van financiering, innovatie en drukvermindering).
3. Beleidrelevantie: Door geïnformeerde afhankelijkheden te vertalen naar feedbackstructuren, identificeert de analyse versterkende sequenties (bijv. innovatie-welzijn) en balancerende beperkingen (bijv. milieudruk). Dit ondersteunt de formulering van beleid als structurele sturingsprincipes in plaats van optimalisatiemdoelen, waarbij de nadruk ligt op de noodzaak van cross-domein coördinatie om positieve feedbacks te activeren en destabiliserende koppelingen te mitigeren.

De auteurs nemen een bescheiden standpunt in door te erkennen dat het model een haalbaarheidsstudie en een prototype is. Zij stellen dat de waarde ligt in de interpreteerbaarheid van de causale structuur en de generatie van transparante contrafeitelijke scenario's, in plaats van in het voorspellen van deterministische toekomsten. Het werk dient als een fundament voor de ontwikkeling van meer uitgewerkte versies en de integratie van deze datagestuurde inzichten met participatieve scenario-planning.