نموذَج تقدير فوري جديد قائم على نظام استدلال غامض متردد نيوتروسوفي متكيّف (ANNHFIS): دراسة حالة إسطنبول

لماذا تهم هذه الدراسة هواء المدن

تحوّل محطات الطاقة بالكتلة الحيوية النفايات المنزلية والعضوية إلى كهرباء، وهو ما يبدو مكسباً للطاقة النظيفة. ومع ذلك لا تزال هذه المنشآت تطلق ثاني أكسيد النيتروجين، وهو غاز يهيّج الرئتين ويزيد من سوء النوبات لدى مرضى الربو. في مدن مزدحمة مثل إسطنبول، يمكن أن يساعد معرفة مستوى ثاني أكسيد النيتروجين اليومي قرب مثل هذه المحطات السلطات على تحذير السكان وإدارة جودة الهواء. تقدم هذه الدراسة نوعاً جديداً من أنظمة التنبؤ الذكية المصممة لتوفير تقديرات أكثر موثوقية لنفس اليوم لتركيز ثاني أكسيد النيتروجين حول محطة كبيرة لتحويل النفايات إلى طاقة.

كيف تؤثر محطات تحويل النفايات إلى طاقة على الهواء القريب

تحرق محطات الكتلة الحيوية أو تعالج كميات هائلة من النفايات لتوليد الطاقة. حسب التشغيل، قد تنبعث منها جسيمات وأكسيدات نيتروجين بمستويات مشابهة لبعض محطات الوقود الأحفوري. يعد ثاني أكسيد النيتروجين مهماً بشكل خاص لأنه يعتم الهواء ويساهم في تكوين الضباب الدخاني والأحماض ويضر بالرئتين. في منطقة أيوب بإسطنبول، يزود مجمّع كبير من محطات تحويل النفايات إلى طاقة ومحطات التحلل الحيوي الكهرباء لملايين الأشخاص، لكنه أيضاً يطلق غازات مثل ثاني أكسيد النيتروجين وجسيمات دقيقة إلى الغلاف الجوي. لذلك، فإن فهم كيفية تفاعل الطقس المحلي مع الملوثات الأخرى لتشكيل مستويات ثاني أكسيد النيتروجين اليومية قرب هذا المجمّع يُعد مسألة صحة عامة أساسية.

ما البيانات المستخدمة في النموذج

ركز الباحثون على ظروف يومية بين 2019 و2023 قرب منشآت أيوب. استخدموا خمس متغيرات كمدخلات: ضوء الشمس، ودرجة حرارة الهواء، والرطوبة، وأكاسيد النيتروجين، والجسيمات الخشنة في الهواء. جميعها قيسَت في محطة رصد قريبة تتابع الطقس وجودة الهواء. كان الهدف تقدير متوسط نفس اليوم لثاني أكسيد النيتروجين من هذه القياسات. قبل تدريب النماذج، نظف الفريق البيانات بإزالة الأيام ذات القراءات المفقودة وتصفية الخلل الحاد في الحساسات. ثم وحدوا مدى القيم وتحققوا من السجلات بحثاً عن قفزات مفاجئة أو انحرافات طويلة الأمد قد تربك خوارزميات التعلم.

طريقة جديدة للتعامل مع إشارات العالم الواقعي المتشوشة

تتعامل النماذج الإحصائية التقليدية مع العلاقات في البيانات على أنها في الغالب خطية وقد تواجه صعوبة عندما تكون الأنماط متعرجة أو غير منتظمة أو متغيرة مع الزمن. الشبكات العصبية التقليدية أكثر مرونة لكنها قد تجمع معلومات زائدة أو تقدم تفسيراً محدوداً لكيفية الوصول إلى القرار. بنى المؤلفون نظاماً هجينا يمزج الشبكات العصبية بالمنطق الضبابي، وهي طريقة تتعامل مع درجات من الرمادي بدلاً من إجابات نعم أو لا. ما ميّزهم هو السماح للنظام بالتعبير ليس فقط عن مدى انتماء مدخل إلى فئة مثل منخفض أو مرتفع، بل أيضاً عن درجة عدم اليقين والتردد. باستخدام منحنيات جرس مزدوجة وقاعدة مزج خاصة، يمكن للنموذج تمثيل الحالات الغامضة حيث تكون البيانات ضوضائية أو متضاربة، وهو أمر شائع في قياسات الهواء في الهواء الطلق.

كيف يتعلّم المُقدّر الذكي

يعتمد النموذج الجديد على مجموعة من قواعد بصيغة «إن ... فـ ...»، مثل ضوء الشمس المنخفض ومستويات الجسيمات العالية قد تشير إلى زيادة ثاني أكسيد النيتروجين. في الخلفية يدمج مئات من هذه القواعد، كلٌّ منها بقوة متغيرة بسلاسة بدلاً من حدود حادة. لضبط قاعدة القواعد المعقدة هذه، استخدم الفريق تحسين سرب الجسيمات، وهي طريقة تعامل كل حل مرشح كجسيم يتحرك في فضاء الحلول وتدفع السرب نحو أداء أفضل. تضبط هذه خطوة البحث كيفية وضع فئات الضبابية ومدى أهمية كل قاعدة. تليها خطوة ضبط دقيقة تعتمد على التعلم التدرجي لصقل الملاءمة. فُحصت دقة النموذج بمقاييس خطأ معيارية وقورنت بعدد من النماذج القوية المرجعية، بما في ذلك الشبكات العصبية الكلاسيكية، وشبكات الذاكرة الطويلة القصيرة الأجل (LSTM)، والأنظمة الضبابية الأقدم.

ما الذي اكتشفه الباحثون

على بيانات اختبار غير مرئية، أنتج النظام الجديد أدنى متوسط خطأ وأعلى توافق مع مستويات ثاني أكسيد النيتروجين المرصودة مقارنة بالنماذج المدروسة. التقط تقلبات يومية وذروات تلوث أفضل من النهج الضبابي الأخرى ونموذج تسلسلي للتعلم العميق، وأدى أداءً مشابهاً لشبكة عصبية معيارية مضبوطة جيداً مع بقاءه أكثر شفافية. أظهرت الاختبارات الإحصائية أن التحسينات على معظم المنافسين من غير المرجح أن تكون نتيجة صدفة. يجري الباحثون أن الطريقة الأكثر غنى التي يتعامل بها نموذجهم مع عدم اليقين تساعده على التعامل مع أنماط غير ملساء ومتغيرة في سجلات جودة الهواء.

ماذا يعني هذا لسكان المدن

بالنسبة للأشخاص المقيمين قرب محطات الطاقة المعتمدة على النفايات، تُظهر الدراسة كيف يمكن لأدوات التنبؤ الفوري الأذكى أن تقدم صورة أوضح عن الهواء الذي يتنفسونه اليوم. لا تلغي الطريقة المقترحة التلوث، لكنها قد تتيح لهيئات المدينة رصد الأيام الخطرة بشكل أكثر موثوقية والتخطيط لإجراءات مثل التنبيهات أو تغييرات تشغيلية. وبما أن النهج مرن، فيمكن تكييفه لمناطق وملوثات وآفاق توقعية أخرى في أعمال مستقبلية. ببساطة، يقدم البحث مقياس جودة هواء أكثر تفصيلاً يعترف بعدم اليقين ومع ذلك يوفّر إرشاداً عملياً لإدارة ثاني أكسيد النيتروجين في بيئات حضرية مزدحمة.

الاستشهاد: Turgut, A., Seker, S. A novel nowcasting (estimation) model based on an adaptive network neutrosophic hesitant fuzzy inference system (ANNHFIS): a case study of Istanbul. Sci Rep 16, 14855 (2026). https://doi.org/10.1038/s41598-026-45618-7

الكلمات المفتاحية: تلوث الهواء, ثاني أكسيد النيتروجين, محطات الطاقة بالكتلة الحيوية, نمذجة جودة الهواء, تعلّم الآلة