מודל חדש להערכה מיידית (nowcasting) המבוסס על מערכת חישוב מעורפלת נייטרוסופית היסטרטית אדפטיבית (ANNHFIS): מחקר מקרה של איסטנבול

מדוע המחקר הזה חשוב לאוויר העירוני

תחנות כוח ביומסה ממירות פסולת ביתית ושאריות אורגניות לחשמל, מה שנשמע כצעד לכיוון אנרגיה נקייה. עם זאת, מתקנים אלה עדיין משחררים חנקני חמצן — גז שיכול לגרות את הריאות ולהחמיר אסתמה. בערים צפופות כמו איסטנבול, ידיעה של רמת חנקני החמצן באותו יום בסמוך למתקנים כאלה יכולה לסייע לרשויות להתריע לתושבים ולנהל את איכות האוויר. במחקר זה מוצג סוג חדש של מערכת חיזוי חכמה שנועדה לספק הערכות אמינות יותר לאותו היום של ריכוז חנקני החמצן סביב מתקן גדול להמרת פסולת לאנרגיה.

כיצד מתקני המרת פסולת לאנרגיה משפיעים על האוויר הסמוך

מתקני ביומסה שורפים או מעבדים כמויות גדולות של פסולת כדי לספק חשמל. בהתאם לאופן ההפעלה שלהם, הם עלולים לפלוט חלקיקים וחנקן חמצני ברמות הדומות לחלק מתחנות דלק מאובנות. חנקני החמצן חשוב במיוחד כי הוא מטשטש את האוויר, תורם לסמוג ולהיווצרות חומציות, ופוגע בריאות הריאות. ברובע איופ של איסטנבול, קומפלקס גדול של מתקני המרת פסולת לאנרגיה ומתקני ביומדניזציה מספק חשמל למיליוני אנשים, אך גם משחרר גזים כמו חנקני חמצן וחלקיקים זעירים לאטמוספירה. לכן הבנת האופן שבו מזג האוויר המקומי ומזהמים נלווים מתחברים ועצבנים את רמות חנקני החמצן היומיות בסמוך לקומפלקס היא שאלה ציבורית מרכזית.

אילו נתונים הוזנו למודל

החוקרים התמקדו בתנאים יומיים בין השנים 2019 ל-2023 בסמוך למתקני איופ. הם השתמשו בחמישה משתנים כקלט: קרינת שמש, טמפרטורת אוויר, לחות, תחמוצות חנקן, וחלקיקים גסים באוויר. כל הנתונים נמדדו בתחנה סמוכה המנטרת גם מזג אוויר וגם איכות אוויר. המטרה היתה לאמוד את ממוצע חנקני החמצן לאותו יום מהמדידות הללו. לפני אימון המודלים, הצוות ניקה את הנתונים על ידי הסרת ימים עם קריאות חסרות וסינון תקלות קיצוניות בחיישנים. לאחר מכן הם קינו כל הערכים לטווח משותף ובדקו את הרשומות עבור קפיצות פתאומיות או סטיות ארוכות טווח שעלולות לבלבל אלגוריתמי למידה.

דרך חדשה לטיפול באותות מפושטים מהעולם האמיתי

מודלים סטטיסטיים מסורתיים מתייחסים לקשרים בנתונים כקוים ברובם ועלולים להיאבק כאשר הדפוסים גלים, לא סדירים או משתנים בזמן. רשתות עצביות סטנדרטיות גמישות יותר אך עלולות להצטיין יתר על המידה או לתת מעט תובנה לגבי אופן קבלת ההחלטה שלהן. המחברים בנו מערכת היברידית המשלבת רשתות עצביות עם לוגיקה מעורפלת — שיטה העובדת בגווני אפור במקום בכן/לא. החידוש שלהם הוא לאפשר למערכת להביע לא רק עד כמה קלט שייך לקטגוריה כמו נמוך או גבוה, אלא גם את חוסר הוודאות וההיסוס בנוגע לכך. באמצעות זוגות של פונקציות פעמון וחוק מיזוג מיוחד, המודל מסוגל לייצג מקרים אמביוולנטיים שבהם הנתונים רעשניים או סותרים, מצב שכיח במדידות איכות אוויר בחוץ.

כיצד המעריך החכם לומד

המודל החדש נסמך על סט של כללים בסגנון ‘אם אז’, כמו ‘אם קרינת שמש נמוכה ורמות חלקיקים גבוהות יתכן שחנקני החמצן יהיה גבוה יותר’. מאחורי הקלעים הוא משלב מאות כללים כאלה, שכל אחד מהם בעל חוזק משתנה בצורה חלקה במקום גבולות חדים. כדי לכוונן את בסיס הכללים המורכב הזה, הצוות השתמש באופטימיזציה באמצעות מושבות חלקיקים (particle swarm optimization), שיטה המטפלת בכל פתרון מועמד כחלקיק הנע בחלל ומדחפת את המושבה לכיוון ביצועים טובים יותר. שלב החיפוש הזה מתאים את מיקום הקטגוריות המעורפלות ואת חשיבות כל חוק. שלב כוונון נוסף המבוסס על למידת גרדיאנט משייף אז את ההתאמה. דיוק המודל נבדק בעזרת מדדי שגיאה סטנדרטיים והושווה מול מספר קווי בסיס חזקים, כולל רשתות עצביות קלאסיות, רשתות LSTM ומערכות מעורפלות קודמות.

מה מצאו החוקרים

בנתוני מבחן שלא נראו קודם, המערכת החדשה הניבה את השגיאה הממוצעת הנמוכה ביותר ואת ההתאמה הגבוהה ביותר עם רמות חנקני החמצן הנצפות בין כל המודלים שנבדקו. היא תפסה תנודות יומיות ושיאי זיהום טוב יותר מגישות מעורפלות אחרות וממודל רצף בלמידה עמוקה, וביצעה בדומה לרשת עצבית סטנדרטית מכויילת היטב, תוך שהיא שומרת על שקיפות רבה יותר. מבחנים סטטיסטיים הראו שהשיפורים על פני רוב המתחרים סבירים שלא נבעו ממקרה. המחברים טוענים שהאופן העשיר שבו המודל שלהם מטפל בחוסר ודאות עוזר לו להתמודד עם דפוסים שאינם חלקים ומשתנים ברשומות איכות האוויר.

מה המשמעות לתושבי ערים

עבור תושבים החיים סמוך לתחנות כוח מבוססות פסולת, המחקר מדגים כיצד כלי חיזוי מיידיים חכמים יותר יכולים לספק תמונה ברורה יותר של האוויר שהם נושמים היום. השיטה המוצעת אינה מבטלת את הזיהום, אך עשויה לאפשר לרשויות העירוניות לזהות ימים מסוכנים באופן מהימן יותר ולתכנן תגובות כגון התרעות או שינויים תפעוליים. מכיוון שהגישה גמישה, היא עשויה להיות מותאמת לאזורים אחרים, למזהמים נוספים או לאופקי חיזוי שונים בעבודה עתידית. בפשטות, המחקר מציע תרמומטר מפורט יותר לאיכות אוויר שמכיר בחוסר הוודאות ועדיין מספק הנחיות מעשיות לניהול חנקני החמצן בערים צפופות.

ציטוט: 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

מילות מפתח: זיהום אוויר, חנקני חמצן, תחנות כוח ביומסה, מודליזציית איכות אוויר, למידת מכונה