تنبؤ أسعار الكربون باستخدام RF-LSTM قائم على تفكيك CEEMDAN وإعادة بناء الإنتروبيا متعددة المقاييس

لماذا تهم أسعار الكربون الجميع

عندما تدفع الحكومات والشركات مقابل الحق في إطلاق ثاني أكسيد الكربون، يشكّل سعر تلك الانبعاثات بهدوء فواتير الطاقة، والاستثمار في التقنيات النظيفة، وحتى وتيرة العمل المناخي. لكن أسعار الكربون تتقلب بطرق معقدة، مدفوعة بالسياسة والطقس والأسواق. تقدم هذه الدراسة طريقة جديدة للتنبؤ بأسعار الكربون بدقة أكبر، مما يساعد صانعي السياسات والشركات والمستثمرين على التخطيط بشكل أفضل لمستقبل منخفض الكربون.

فك تشابك سوق مناخي مليء بالضوضاء

تم إنشاء أنظمة تداول الكربون، مثل نظام الاتحاد الأوروبي لتجارة الانبعاثات والتجارب الإقليمية في الصين، لخفض الغازات الدفيئة بأقل تكلفة. عملياً، أسعارها بعيدة كل البعد عن السلاسة: فهي تتفاعل مع تغيّر القواعد والدورات الاقتصادية والتوقعات المتغيرة. تكافح النماذج الإحصائية التقليدية مع هذا النوع من السلوك المتقلب وغير الثابت. وحتى أدوات الذكاء الاصطناعي الحديثة مثل الشبكات العصبية القياسية قد تفوت أنماطًا مهمة أو تصبح غير مستقرة عندما تتأرجح الأسعار بشكل حاد. يجادل المؤلفون بأن فهم مثل هذه البيانات يتطلب أولاً تفكيك سجل الأسعار إلى عناصر أبسط قبل تطبيق أدوات التنبؤ المتقدمة.

تفكيك الأسعار إلى إيقاعات خفية

الركيزة الأولى للنهج الجديد هي طريقة تسمى CEEMDAN، والتي تأخذ منحنى سعر الكربون المتعرج وتفككه إلى عدة مكونات أكثر سلاسة، كل منها يمثل إيقاع حركة مختلف — من الاهتزازات اليومية السريعة إلى الاتجاهات البطيئة طويلة الأجل. بدلاً من معاملة كل هذه المكونات بشكل منفصل، يستخدم الباحثون مقياسًا يسمى الإنتروبيا متعددة المقاييس لتقييم مدى تعقيد كل مكون عبر مقاييس زمنية مختلفة. تُجمَع المكونات ذات التعقيد المماثل وتُعاد بناؤها إلى بضعة إشارات أوضح. تقلل هذه الخطوة الضوضاء والتكرار، مما يسمح للنموذج بالتركيز على الأنماط ذات الأهمية الحقيقية للتنبؤ بدلاً من التشتت بفعل التقلبات العشوائية.

دمج عقلين للآلة

بعد تنظيف وإعادة تجميع سلسلة سعر الكربون، تجمع الدراسة بين طريقتين في تعلم الآلة تتفوقان في مهام مختلفة. يُسند نموذج الغابة العشوائية — وهو مجموعة من العديد من أشجار القرار البسيطة — إلى مجموعة الترددات الأعلى، حيث تقفز الأسعار بسرعة وبشكل غير متوقع. تتفوق الغابات العشوائية في التقاط الحركات الحادة قصيرة الأجل بدون فرط التكيّف. للمجموعات الأكثر سلاسة التي تلتقط الاتجاهات المتوسطة والطويلة الأجل، يستخدم المؤلفون شبكة ذاكرة طويلة قصيرة الأمد (LSTM)، وهي نوع من الشبكات العصبية المتكررة المصممة لتذكر الأنماط عبر الزمن. من خلال ترك كل طريقة تتخصص ثم إعادة دمج مخرجاتها، يهدف النظام الهجين RF–LSTM إلى مواكبة كل من التقلبات الفورية والاتجاه الأوسع لسوق الكربون.

التعامل مع السوق واختبار الأداء

لمراعاة طريقة عمل التنبؤ في العالم الواقعي، يتبنى المؤلفون مخطط نافذة زمنية متداخلة (تدحرجية). يتم تدريب النموذج على فترة أولية من البيانات التاريخية، يُصدر توقعًا قصير الأجل، ثم تُزح النافذة إلى الأمام ويعاد تكرار الدورة حتى الوصول إلى نهاية السلسلة. يمنع هذا النموذج من «التلصص» على بيانات المستقبل ويسمح له بالتكيف مع التغيرات الهيكلية في السوق. اختُبر الإطار على سلاسل زمنية طويلة من سوق الكربون في هوبي بالصين ونظام الاتحاد الأوروبي، باستخدام مقاييس خطأ معيارية ومؤشر دقة اتجاهي يحسب عدد المرات التي يتنبأ فيها النموذج بحركة السعر — صعودًا أو هبوطًا — بشكل صحيح. أنتج النموذج الهجين أخطاء أصغر ودقة اتجاهية أعلى باستمرار مقارنة بمجموعة من طرق المقارنة، بما في ذلك أدوات السلاسل الزمنية الكلاسيكية وتصاميم التعلم العميق الأحدث مثل المحولات وشبكات الانتباه.

موازنة الدقة والسرعة للقرارات العملية

بما أن النماذج شديدة الدقة قد تكون بطيئة ومكلفة أيضًا في التشغيل، يقدم المؤلفون درجة مركبة تمزج بين خطأ التنبؤ ووقت الحوسبة. من خلال تعديل مقدار الوزن المعطى للدقة مقابل السرعة، يظهرون متى قد تكون النماذج الأبسط كافية ومتى تستحق المقاربة الهجينة الأكثر تطورًا التكلفة. في كل من سوقي هوبي والاتحاد الأوروبي، عندما تُمنح الدقة حتى وزنًا متوسطًا، يبرز إطار RF–LSTM الجديد في المقدمة. بالنسبة للقراء غير المتخصصين، الخلاصة الأساسية هي أن هذه الطريقة تقدم «تنبؤًا جوّيًا» أكثر موثوقية لأسعار الكربون، مما يمنح المشاركين في السوق والمنظمين أداة أوضح، ومع ذلك عملية، لتوجيه الاستثمارات، وإدارة المخاطر، وتصميم سياسات المناخ.

الاستشهاد: Wang, H., Li, Y. RF-LSTM carbon price prediction based on CEEMDAN decomposition and multiscale entropy reconstruction. Sci Rep 16, 5230 (2026). https://doi.org/10.1038/s41598-026-35085-5

الكلمات المفتاحية: تسعير الكربون, تداول الانبعاثات, تعلم الآلة, تنبؤ السلاسل الزمنية, سياسة المناخ