חיזוי האנומליה של הטמפרטורה העולמית בעזרת רשתות LSTM תאומות נוספות

מדוע עולם חם יותר חשוב לך

התחממות עולמית עשויה להישמע מופשטת, אבל השפעותיה רחוקות מלהיות כאלו: עליית מפלסי הים, גליי חום קשים יותר, שינויי מסלולי סופות ועמידה בלחץ על מקורות מזון ומים. כדי להתכונן למה שמגיע, מדענים זקוקים לא רק לתצלומים של האקלים היום, אלא להערכות מהימנות של כמה מהר הטמפרטורות יעלו בעשורים הבאים. מאמר זה חוקר דרך חדשה להשתמש בבינה מלאכותית כדי לחזות כמה יותר חם קרוב לוודאי שהכוכב יהיה, ומה משמעות הדבר עבור העתיד הקרוב שלנו.

מתרמומטרים גלויים למגמות רחבות היקף

במקום לעבוד עם דוחות מזג אוויר מעיר בודדת, החוקרים משתמשים ברשומה גלובלית המכונה מערך נתוני האנומליות של הטמפרטורה של ברקלי. "אנומליית טמפרטורה" היא בפשטות עד כמה חם או קר יותר תקופה נתונה בהשוואה לבסיס היסטורי שנבחר. מאחר שקוראים חודשיים רועשים ומושפעים מאוד מתכונות מקומיות, הצוות מסתמך על ממוצעים של חמש שנים המתפרסים על פני 170 שנה, מאמצע המאה ה-19 ועד 2022. הצללת הנתונים באופן זה מצמצמת זעזועים אקראיים ומגלה טוב יותר את מגמת ההתחממות הבסיסית המשקפת את תגובת הפלנטה לטווח הארוך לגזי חממה והשפעות נוספות.

ללמד רשת עצבית לזכור את האקלים

כדי ללכוד את המגמה הזאת ולחזות קדימה, המחברים פונים לסוג של רשת עצבית מלאכותית הנקראת זיכרון לטווח קצר-ארוך, או LSTM. LSTM מיועדות להתמודד עם רצפים — כמו מילים במשפט או טמפרטורות לאורך זמן — על ידי קבלת החלטה אילו חלקים מהמידע הקודם לשמור ואילו לשכוח. מודלים מסורתיים מבוססי LSTM ומודלים קשורים הראו ביצועים טובים בתחזיות לטווח הקצר, כמו ניחוש נקודת הנתונים הבאה. אבל כאשר ניחושיהם עצמם מוזנים חזרה כקלט כדי לחזות כמה צעדים קדימה, שגיאות קטנות מצטברות והחזון לטווח הארוך עלול לסטות משמעותית מן המציאות.

להפריד אותות אקלימיים לשני מסלולים תאומים

החידוש המרכזי בעבודה זו הוא LSTM תאומי הריונית (Additive Twin LSTM, AT-LSTM). במקום LSTM אחד שמנסה לחקות כל פיתול וסיבוב של רשומת האקלים, המודל משתמש בשני ענפי LSTM מקבילים. כל ענף יכול למקד את תשומת ליבו במניעים נסתרים שונים בנתונים — לדוגמה, התחממות איטית כתוצאה מגזי חממה מול עליות וירידות מהירות יותר הקשורות לתנודות טבעיות במזג האוויר. הפלטים של שני הענפים התאומים מתווספים זה לזה ומועברים ברשת "דקודר" סופית שהופכת את האות המשולב לחיזוי אנומליית טמפרטורה. עיצוב תאומי זה אינו רק תואם לאופן שבו מדעני אקלים מתייחסים לתהליכים מרובים וחלקית בלתי תלויים במערכת כדור הארץ, אלא גם מרחיב את טווח השימושי של האותות הפנימיים של הרשת, ועוזר לה להישאר יציבה יותר לאורך אופקי חיזוי ארוכים.

בחינת המודל בעמידה

כדי לבדוק האם AT-LSTM אכן משפר חיזוי לטווח הארוך, המחברים מבצעים מבחן דו‑שלבי. קודם כל, הם מאמנים את המודל על סדרות סימולציה בוחניות — עקומות נקיות שנוצרו במחשב שמדמות סוגים שונים של מסלולי התחממות — ועל נתוני ברקלי ההיסטוריים. הם משווים עד כמה עיצובים שונים של רשתות עצביות משחזרים הן את נתוני האימון והן חלק "מבחן" נפרד בכל סדרה שהמודלים לא ראו בזמן האימון. מודלים רבים, כולל כמה היברידיים שמערבבים LSTM עם שכבות קונבולוציה, נראים מרשימים לפי המדדים הסטנדרטיים האלה. עם זאת, שיחזור נתונים היסטוריים אינו זהה ליכולת להסתכל באמינות אל העתיד.

לשפוט מודלים על פי חיזויים, לא רק התאמה

השלב השני קרוב יותר לשימוש בעולם האמיתי. מנקודה האחרונה שנצפתה בערכת המבחן, כל מודל משתמש בתחזית הקודמת שלו כקלט הבא, צועד קדימה 240 חודשים — 20 שנים — מבלי שניתן לו תיקון על ידי נתונים אמיתיים. סידור זה חושף כמה מהר השגיאות מצטברות עד לכדי מגדלי שלג. במגוון ארכיטקטורות, AT-LSTM בדרך כלל מציג את השגיאות הממוצעות הקטנות ביותר ואת הדירוגים הסטטיסטיים הגבוהים ביותר כאשר שופטים את ביצועיו במשימה של אופק חיזוי ארוך זה. ברשומת האנומליה של הטמפרטורה העולמית במיוחד, השגיאה הטיפוסית של המודל על חלון חיזוי מדומה של 20 שנה היא כ-0.07 מעלות צלזיוס, נמוכה במידה ניכרת מזו של גישות למידה עמוקה מתחרות רבות.

מה החיזוי אומר על העתיד הקרוב שלנו

מציוד במודל המתווך טוב יותר זה, המחברים יוצרים תחזיות ל-20 שנה של אנומליות טמפרטורה גלובליות מ-2022 עד 2042. לאחר שאימנו 40 גרסאות של AT-LSTM כדי ללכוד את חוסר הוודאות באופן שבו המודל לומד, הם מוצאים שכל אחת מהן מצביעה על המשך התחממות. עד 2042, המאגד של התחזיות מרוכז בין כ-1.05 °C ל-1.67 °C מעל הבסיס ההיסטורי, עם ממוצע של 1.415 °C וחוסר וודאות מוערך של כ-±0.073 °C. מספרים אלה מתיישבים באופן הדוק עם תחזיות ממודלים אקלימיים מרכזיים ועם אזהרות מארגונים כגון הפאנל הבין‑ממשלתי לשינויי אקלים. בלשון פשוטה, אם הדפוסים הנוכחיים יימשכו, סביר שנתקרב או נחצה את סף ה-1.5 °C המדובר בתוך העשורים הקרובים, דבר שמדגיש את הדחיפות של קיצוץ פליטות גזי החממה ורדיפה של אסטרטגיות הפחתת אקלים נוספות.

ציטוט: Keles, C., Baran, B. & Alagoz, B.B. Global temperature anomaly prediction by using additive twin LSTM networks. Sci Rep 16, 6456 (2026). https://doi.org/10.1038/s41598-026-37255-x

מילות מפתח: שינוי אקלים, התחממות עולמית, אנומליית טמפרטורה, רשתות עצביות, חיזוי אקלים