تظل ظاهرة النينيو-التذبذب الجنوبي (ENSO) الإشارة الرئيسية بين السنوات في مناخ الأرض، إذ تؤثر على الجفاف والفيضانات والمحاصيل في جميع أنحاء العالم. من الصعب التنبؤ بها: فهي تخلط في سلسلة واحدة بين الضوضاء السريعة والدورات الموسمية والاتجاهات البطيئة على مدى عقود. الأساليب الحالية، من النماذج المفاهيمية إلى النماذج المناخية العالمية، تعمل بثقة فقط حتى عام واحد مقدمًا. حسّن التعلم الآلي الوضع، لكن جميع النماذج الناجحة تقريبًا تستخدم مرشّحات تنظر ضمنيًا إلى المستقبل عند تنعيم السلسلة. وهذا يجعلها غير مناسبة للتنبؤ التشغيلي في الزمن الحقيقي. يقف هذا العمل إلى جانب الأبحاث المتعلقة بالتنبؤ بالظواهر المناخية باستخدام الحوسبة الخزانية والشبكات العصبية، لكنه يتميز بأنه لأول مرة يبني خط الأنابيب بأكمله، من البيانات الخام إلى التنبؤ، بدقة دون أي معلومات مستقبلية.
أخذ المؤلفون بيانات شهرية لدرجة حرارة سطح المحيط في منطقة نينيو-3.4 (5°N-5°S، 170°W-120°W) من مجموعة HadISST للأعوام 1870-2022. طرحوا منها المتوسط المناخي للفترة 1971-2000، فحصلوا على الشذوذ دون أي متوسط متحرك. ثم طبقوا مرشّحًا نطاقيًا جديدًا: متوسط متحرك مرجّح بدالة وزن تساوي صفرًا لجميع اللحظات المستقبلية. تم ضبط معاملات المرشّح (عرض النافذة، معاملات جيب التمام، درجة التخميد) باستخدام التحسين البايزي لتعظيم نسبة الأنماط المتكررة في السلسلة المفلترة مع الحفاظ على ارتباط عالٍ بالسلسلة الأصلية. أُدخلت السلسلة المفلترة إلى شبكة الصدى (حاسوب الخزان) بإحداثيات مؤجلة: يتكون متجه الإدخال من تسع قيم للسلسلة بخطوة تأخير 4 أشهر. كما تم ضبط المعاملات الفائقة للشبكة (حجم الخزان 244، نصف القطر الطيفي 0.712، معدل التسرب 0.975 وغيرها) باستخدام Optuna على فترة التدريب 1986-1995، لتعظيم الارتباط عند الشهر 24 من التنبؤ.
يمرر المرشّح الأمثل التذبذبات بفترات تتراوح تقريبًا بين 4 و8 سنوات، وهو ما يتطابق مع المقياس الزمني النموذجي لظاهرة ENSO. بسبب عدم تماثل دالة الوزن، تكون السلسلة المفلترة مزاحة للخلف بحوالي 5 أشهر، لكن الارتباط بالسلسلة الأصلية يصل إلى 0.837. في فترة الاختبار المستقلة من يناير 2001 إلى ديسمبر 2015 (180 نقطة بداية للتنبؤ)، يظل متوسط الارتباط لجميع الفصول أعلى من 0.5 لمدة 29 شهرًا. وباعتبار إزاحة المرشّح البالغة خمسة أشهر، يعني هذا أفق تنبؤ فعليًا قدره 24 شهرًا، أي عامين. للمقارنة، تعطي مصفوفات الخزان العشوائية بنفس المعاملات الفائقة نتيجة أسوأ بشكل ملحوظ، مما يؤكد أهمية التحسين. يعيد النموذج إنتاج القمم الكبيرة الموجبة والسالبة لظاهرة ENSO في 2010-2014 بشكل جيد، لكنه يقلل من شأن نينيو القياسية في 2015-2016.
يتميز هذا العمل عن الأبحاث المجاورة بأنه لأول مرة يقدم خط أنابيب كامل للتنبؤ بـ ENSO لا يستخدم أي معلومات من المستقبل في أي مرحلة، من الترشيح إلى تدريب النموذج. وهذا يزيل قيدًا أساسيًا للتنبؤ التشغيلي في الزمن الحقيقي. علاوة على ذلك، يظهر المؤلفون أن بنية بسيطة لحاسوب الخزان مع مرشّح مضبوط بشكل صحيح تحقق أفقًا لعامين، مماثلًا للشبكات العصبية العميقة الأكثر تعقيدًا. الأسلوب ليس مرتبطًا بـ ENSO: يمكن تطبيقه على أي سلسلة زمنية ذات تذبذبات منخفضة التردد واضحة حيث يكون التنبؤ طويل المدى دون النظر إلى المستقبل مطلوبًا.
الاتجاه الطبيعي هو اختبار الأسلوب على مؤشرات مناخية أخرى (مثل تذبذب مادن-جوليان، والتذبذب شمال الأطلسي) وعلى سلاسل غير مناخية: من الإشارات المالية إلى الطبية الحيوية. يمكن أيضًا دراسة كيفية تأثير ضبط نطاق تمرير المرشّح على أفق التنبؤ في أنظمة مختلفة. زيادة طول بيانات التدريب، ربما من خلال التوسيع، ستسمح باستخدام خزانات أكبر والتقاط ديناميكيات أكثر تعقيدًا. من الواعد دمج المرشّح المقترح مع بنيات أخرى للتعلم الآلي، مثل أجهزة الخزان العميقة أو النماذج الهجينة.
يمكن للأسلوب تحسين التنبؤات التشغيلية لـ ENSO في وكالات الأرصاد الجوية، وهو أمر مهم للزراعة وإدارة الموارد المائية والتأمين. كما يوفر أداة عالمية لأي مجال يتطلب تنبؤًا طويل المدى للسلاسل الزمنية في الزمن الحقيقي دون معلومات مستقبلية.
الخطوة التالية هي التحقق من صحة الأسلوب على متغيرات مناخية أخرى ومجموعات بيانات مستقلة. كما ينبغي دراسة حساسية أفق التنبؤ لاختيار نطاق تمرير المرشّح وطول نافذة التدريب.
في علوم المناخ، يبقى السؤال مفتوحًا حول قابلية التنبؤ بـ ENSO بعد "الحاجز الربيعي" ودور التقلب العشري في تحديد أفق التنبؤ. لا يحل هذا العمل هذه المشكلات، لكنه يقدم طريقة عملية لتجاوز القيد المرتبط بالاستخدام الضمني للمعلومات المستقبلية في المرشّحات، مما قد يزيد الثقة في التنبؤات طويلة المدى. تظل الصلة بالأسئلة الأساسية حول فوضوية النظام المناخي وحدود قابلية التنبؤ موضوعًا للبحث المستقبلي.
هذا القسم موجَّه إلى مؤلف العمل وزملائه. الأعمال المجاورة عثر عليها بحثٌ دلالي في أرشيفنا، لا بتطابق الكلمات. نحن لا نقيّم العمل: نعرض الحقل من حوله.
ماذا يفعل هذا العمل
بنى الباحثون مرشحًا نطاقيًا (band-pass filter) يعتمد فقط على القيم السابقة للسلسلة الزمنية، ودمجوه مع حاسوب خزاني (reservoir computer) للتنبؤ بظاهرة النينيو-التذبذب الجنوبي (ENSO). باستخدام بيانات درجة حرارة سطح البحر في منطقة نينيو 3.4، حققت الطريقة ارتباطًا يتجاوز 0.5 في أفق زمني يبلغ 29 شهرًا، وهو ما يعادل عامين مع مراعاة إزاحة المرشح. تم ضبط المعلمات الفائقة للمرشح والنموذج باستخدام التحسين البايزي (Bayesian optimization).
أين تكمن قوته
تكمن القوة في الالتزام الصارم بالسببية (causality) في جميع المراحل، بدءًا من الترشيح وصولًا إلى التنبؤ، مما يجعل الطريقة مناسبة للاستخدام التشغيلي. كما يبرز أفق التنبؤ المحقق والذي يبلغ عامين، متجاوزًا الحدود النموذجية لتنبؤات ENSO.
إلى أين يمكن المضي
يستحق التجربة
لماذا قد يكون هذا مهمًا
يُظهر النهج المطور أن الطرق السببية الصارمة يمكن أن تحقق أفقًا مفيدًا للتنبؤ بـ ENSO، وهو أمر مهم للتطبيقات العملية مثل التخطيط الزراعي وإدارة الموارد المائية. علاوة على ذلك، يمكن نقل الطريقة إلى أنظمة معقدة أخرى ذات خصائص مماثلة في السلاسل الزمنية.
أعمال قريبة في أرشيفنا
الأرشيف خالٍ حول هذا العمل: أقرب تحليل عند 0.53 فقط، مقابل 0.64 المعتادة. يبدو أن الحفر بجواره كان نادرًا.
مؤشر نينيو-3.4 المعتاد، الذي يُستخدم للإعلان عن ظاهرة النينيو، هو نفسه مُنعّم بمتوسط متحرك لخمسة أشهر، أي أن الوضع الرسمي للظاهرة في أي لحظة يحتوي بالفعل على معلومات عن الأشهر المستقبلية. رفض المؤلفون حتى هذا لجعل التنبؤ تشغيليًا بنزاهة.
في رواية كيم ستانلي روبنسون "أربعون علامة للمطر"، يحاول العلماء التنبؤ بالتغيرات المناخية المفاجئة، مواجهين الفوضى ونقص البيانات. فكرة المرشّح الذي يعمل فقط مع الماضي تتردد مع حلم التنبؤ الذي لا يعتمد على معرفة المستقبل.