חיזוי רב-דגמי של $$\text {NO}_{2}$$ ו-$$\text {O}_{3}$$ באבו דאבי: יתרונות של הרחבת תכונות המבוססת על מתאם

מדוע חיזוי אוויר נקי חשוב

תושבים בערים המתפתחות כמו אבו דאבי נושמים אוויר שנעצב ללא הרף על ידי תנועה, תעשייה ומזג אוויר. שני גזים בלתי נראים, תחמוצת חנקן ואוזון בגובה פני הקרקע, משחקים תפקיד מרכזי בערפול ובעיות נשימתיות. המחקר הזה שואל שאלה מעשית בעלת השלכות ממשיות: עד כמה ניתן לחזות במדויק מזהמים אלה שעות עד ימים מראש באמצעות בינה מלאכותית מודרנית, והאם ניתן לשפר את התחזיות על-ידי לימוד המודלים כיצד שני הגזים משפיעים זה על זה?

המעורבים הכפולים באוויר העירוני

תחמוצת חנקן ואוזון קשורים זה לזה באופן הדוק באטמוספירה. תחמוצת החנקן נעדרת בעיקר מפלטי כלי רכב וממקורות בעירה אחרים; באור שמש היא תורמת ליצירת אוזון, שהוא מרכיב מרכזי בערפול. במשך היום רמות האוזון עולות בעוד שתחמוצת החנקן לעתים יורדת, ובעת לילה הדפוס עשוי להיפוך. באבו דאבי, גידול עירוני מהיר, תנועה כבדה ותנאי מדבר שמגבילים "ניקוי אוויר" טבעי הופכים את המזהמים הללו לדאגה מיוחדת. חיזוי מדויק של התנודות שלהם מאפשר לרשויות להתריע לאוכלוסיות פגיעות, להתאים זרימת תנועה או לתכנן פעילות תעשייתית כדי להפחית סיכונים בריאותיים.

מבט עשיר על אוויר אבו דאבי

החוקרים השתמשו במאגר נתונים יוצא דופן, גדול ומפורט: חמש שנות מדידות שעתיות של תחמוצת חנקן ואוזון משבע תחנות ניטור קבועות שמפוזרות במדבר, פרברים, אזורים חופיים ואזור תעשייתי בנפות אבו דאבי. התיעוד הארוך הזה, המכסה את השנים 2018–2022, נמנע מתנאים המעוותים של הסגרים בתקופת COVID-19 שהשפיעו על מחקרים מוקדמים. הקבוצה ניקתה בקפידה את הנתונים, מילאה פערים מדי פעם על-ידי חישוב ממוצעים מתאריכים ושעות דומים בשנים אחרות, ויישמה צעדים מתמטיים לטיפול בקפיצות חדות תוך שמירה על שיאי זיהום אמיתיים. לאחר מכן הם חילקו את ציר הזמן לבלוקים עוקבים של אימון ובדיקה, המדמים כיצד מערכת חיזוי אמיתית היתה לומדת מן העבר ומוערכת על פרקי זמן עתידיים שלא נראו.

מבחן למגוון רחב של שיטות חיזוי

כדי לבדוק אילו כלים פועלים הכי טוב, המחקר השווה טווח רחב של גישות. שיטות פשוטות כללו עצי החלטה, יערות אקראיים ומכונות וקטורים תומכות, המחפשות דפוסים במדידות העבר. שיטות מתקדמות יותר בלמידה עמוקה כללו רשתות עצביות מתמרות (convolutional neural networks), שעולות בזיהוי צורות מקומיות בסדרות זמן, ורשתות LSTM, המיועדות לזכור דפוסים ארוכי טווח. החוקרים השתמשו גם ב-Prophet, מודל המתאים ללכידה של מחזורים יומיים ועונתיים חוזרים, ובמודל Transformer, ארכיטקטורה חדשה המשתמשת במנגנון "תשומת לב" (attention) להערכת מידת ההשפעה של רגעים עבר על כל תחזית. נדרשו מכל המודלים לחזות רמות מזהמים לפני שעה אחת, שעתיים, יום אחד ושבוע, והטעויות שלהם הוערכו באמצעות מספר מדדים משלימים.

לימוד מתוך האופן שבו מזהמים נעים יחד

מכיוון שתחמוצת החנקן והאוזון קשורים מבחינה כימית, הצוות בדק האם היסטוריית אחד המזהמים יכולה לעזור לחזות את השני. הם מדדו תחילה עד כמה שני הגזים קשורים בכל תחנה ואישרו יחס הפוך חזק באופן כללי: כאשר אחד גבוה, השני נוטה להיות נמוך. לאחר מכן בנו שתי גרסאות של כל מודל. בגרסה הבסיסית המודל ראה רק את הערכים ההיסטוריים של המזהם שהוא אמור לחזות. בגרסה המשופרת הוא ראה גם ערכים מוקדמים (lagged) של המזהם השני, מה שנתן לו רמז נוסף על מצב האוויר בעיר. זה איפשר לחוקרים לבדוק האם "הרחבת תכונות" — הוספת מידע מתואם — מניבה תחזיות מדויקות יותר מבלי להחדיר ידע מהעתיד.

איזה מודלים ניצחו, ולמה זה חשוב

בקרב כמעט כל התחנות, המזהמים וזמני החיזוי, מודל ה-Transformer הציג ביצועים טובים משמעותית מהאחרים, סיפק את השגיאות הממוצעות הנמוכות ביותר והתנהגות היציבה ביותר לאורך זמן. עבור תחמוצת החנקן, שיעור השגיאה האופייני שלו נע בערך מרבע עד שליש, ועבור האוזון הוא עשה מעט יותר טוב. רשתות מתמרות התקרבו מאחור לחיזויים קצרים מאוד, במיוחד בשעות הראשונות, בעוד Prophet הוכיח את יעילותו באופק של שבוע הודות לשליטתו החזקה בדפוסים חוזרים. באופן חשוב, מתן מידע נוסף למודלים על המזהם השותף הקטין בעקביות את שגיאות החיזוי, במיוחד עבור תחמוצת חנקן לחיזוי שעה קדימה ובעבור תחזיות אוזון עד יום שלם קדימה. במונחים יומיומיים, עבודה זו מראה כי בינה מלאכותית מתקדמת מבוססת תשומת לב, הנתונה למאגר עשיר של שנים רבות ולמדה לנצל את ה"שיחה" הכימית בין מזהמים מרכזיים, יכולה לספק תחזיות איכות אוויר מהימנות יותר. כלים כאלה יכולים לסייע לתכנוני ערים ולסוכנויות בריאות באבו דאבי ובאזורים דומים לפעול מוקדם ומדויק יותר כדי להגן על בריאות הציבור, במיוחד ילדים, קשישים ואנשים עם בעיות ריאה או לב.

ציטוט: Abuouelezz, W., Ali, N., Aung, Z. et al. Multi-model forecasting of \(\text {NO}_{2}\) and \(\text {O}_{3}\) in Abu Dhabi: benefits of correlation-based feature augmentation. Sci Rep 16, 13825 (2026). https://doi.org/10.1038/s41598-026-44485-6

מילות מפתח: ניבוי זיהום אוויר, תחמוצת חנקן, אוזון בגובה פני הקרקע, מודלים של למידה עמוקה, איכות האוויר באבו דאבי