Ин таҳқиқот моделҳои шабакаи нейронии рекуррентии стандартӣ (Recurrent Neural Network, RNN), хотираи дароз-кӯтоҳмуддат (Long Short-Term Memory, LSTM) ва воҳиди рекуррентии дарвозадор (Gated Recurrent Unit, GRU)-ро дар як чаҳорчӯбаи таҷрибавӣ барои пешгӯии арзиши рӯзи баъдии консентратсияи миёнаи ҳаррӯзаи PM2.5 дар вилоятҳои Mae Hong Son, Lampang, Tak ва Chiang Mai-и Шимоли Таиланд муқоиса мекунад. Шабакаи нейронии рекуррентӣ синфи шабакаҳои нейронии сунъист, ки дар додаҳои пайдарпай ҳолати пинҳонии аз қадамҳои қаблии вақт интиқолёфтаро бо вуруди нав муттаҳид карда, вобастагиҳои замониро меомӯзад. Вурудҳои модел аз сатҳи PM2.5-и рӯзи қаблӣ ва тағйирёбандаҳои фасл, ҳарорат, намии нисбӣ, суръати максималии шамол, фишори ҳаво ва бориш иборатанд.

Додаҳо давраи 1 январи 2022–31 марти 2026-ро фаро мегиранд. Январи 2022–декабри 2024 ҳамчун давраи омӯзиш ва январи 2025–марти 2026 ҳамчун давраи мустақили санҷиш ҷудо шудааст. Азбаски дар таҳлили PACF вобастагии асосии замонӣ дар таъхири якум мутамарказ буд, дар ҳамаи моделҳои RNN, LSTM ва GRU сохтори вуруди lag-1 истифода шудааст. Гиперпараметрҳо бо grid search ва кросс-валидатсияи силсилаи вақт бо равзанаи васеъшаванда интихоб шудаанд.

GRU дар ҳамаи чор вилоят баландтарин R² ва пасттарин MAE-ро додааст; дар Lampang, Tak ва Chiang Mai аз рӯи RMSE низ беҳтарин модел буд. Дар Mae Hong Son бошад, пасттарин RMSE аз ҷониби LSTM ба даст омадааст. Бартарии MAE-и GRU нисбат ба RNN-и стандартӣ дар Mae Hong Son %14,4, дар Lampang %9,5, дар Tak %5,2 ва дар Chiang Mai танҳо %0,4 буд. Санҷишҳои Diebold–Mariano нишон медиҳанд, ки бартарии GRU махсусан дар силсилаҳои тағйирёбандатар равшантар мешавад, дар муҳитҳои устувортар бошад фарқияти моделҳо кам мешавад.

Бо вуҷуди ин, ҳамаи моделҳо қуллаҳои фавқулодаи PM2.5-ро ба таври низомманд паст пешгӯӣ кардаанд. Манбаъ инро ба он нисбат медиҳад, ки мушоҳидаҳои ифлосшавии баланд дар додаҳои омӯзишӣ кам намояндагӣ шудаанд ва функсияи талафоти MSE пешгӯиҳоро ба тамоюли марказии тақсимот мекашад. Ба модел ворид нашудани самти шамол, ҳамсоягиҳои фазоӣ ва нишондиҳандаҳои интиқоли фаромарзӣ, махсусан ҳангоми ҳодисаҳои ногаҳонии интиқоли дуд, маҳдудияти иловагӣ мебошад.

Натиҷаҳо муваффақияти саҳроии низоми амалиётии сифати ҳаво дар вақти воқеиро исбот намекунанд. Ин таҳқиқот муқоисаи пешгӯии якрӯза бо истифода аз додаҳои мушоҳидавии таърихӣ мебошад ва махсусан барои огоҳии барвақт аз ҳодисаҳои ифлосшавии шадид бо вурудҳои иловагӣ, пешгӯии эҳтимолӣ ва функсияҳои талафоти ҳассос ба арзишҳои ҳаддӣ валидацияи бештарро талаб мекунад.

Шарҳи Муфассал

Масъалаи таҳқиқот

PM2.5 моддаҳои заррагии майдаро ифода мекунад, ки диаметри аэродинамикиашон аз 2,5 микрометр хурдтар аст. Силсилаҳои вақти PM2.5 дар Шимоли Таиланд силсилаҳои содае нестанд, ки танҳо дар атрофи як миёнаи устувор каме тағйир ёбанд. Дар фасли хушк бар асари сӯхтани биомасса ва интиқоли минтақавии дуд қуллаҳои ногаҳонӣ ва хеле баланд ба вуҷуд меоянд, дар давраи сербориш бошад консентратсияҳо ба таври назаррас кам шуда, устувортар мегарданд.

Ин хусусиятҳо дар силсила ҳам миёнаи бо вақт тағйирёбанда ва ҳам дисперсияи бо вақт тағйирёбандаро ба вуҷуд меоранд. Манбаъ ин сохторро ҳамчун силсилаи вақти ғайристационарӣ ва гетероскедастикӣ арзёбӣ мекунад. Модели пешгӯӣ бояд на танҳо қолаби миёнаи мавсимиро омӯзад, балки ба тағйироти ногаҳонии режим ва қуллаҳои экстремалӣ низ ҷавоб дода тавонад.

Холигии таҳқиқот

Дар адабиёти пешгӯии PM2.5 CNN, механизмҳои attention, шабакаҳои гибридӣ ва низомҳои ensemble торафт мураккабтар шудаанд. Ҳадафи ин таҳқиқот таҳияи меъмории нав ва мураккабтар нест. Ба ҷои ин, муҳаққиқон кӯшиш кардаанд ҷудогона муайян кунанд, ки RNN, LSTM ва GRU-и стандартӣ бо як дода, як сохтори lag, як чаҳорчӯбаи оптимизатсия ва як давраи санҷиш дар режимҳои гуногуни волатилӣ чӣ гуна рафтор мекунанд.

Аз ин рӯ, саволи асосии муқоисавии таҳқиқот “кадом меъморӣ мураккабтарин аст?” нест, балки “ҳангоми тағйир ёфтани волатилии силсилаи вақти маҳаллии PM2.5 кадом меъмории рекуррентӣ рафтори устувортари пешгӯиро нишон медиҳад?” мебошад.

Чор вилояти таҳқиқшуда

Мувофиқи ин ҷадвал, тартиби миқдории инҳирофи стандартӣ чунин аст: Mae Hong Son > Lampang > Chiang Mai > Tak. Mae Hong Son инчунин бо 321 µg/m³ баландтарин арзиши экстремалии мушоҳидашударо дорад.

Сохтори мавсимӣ

Дар Расми 3-и манбаъ дар ҳамаи вилоятҳо қолаби равшани солона дида мешавад. Дар давраи феврал–апрел қуллаҳои фасли хушк ба вуҷуд меоянд, дар ҳоле ки давраи сербориши май–октябр бо сатҳҳои пасттар ва устувортари PM2.5 тавсиф мешавад. Хусусан дар Mae Hong Son дар баъзе солҳо ҷаҳишҳои хеле тез ва кӯтоҳмуддат мушоҳида мешаванд.

Ин сохтор аз нуқтаи назари моделсозӣ муҳим аст; зеро дар як силсила ҳам давраҳои ороми дисперсияашон паст ва ҳам давраҳои ногаҳонии ифлосшавии дисперсияашон баланд мавҷуданд. Як метрикаи миёнаи хато наметавонад рафторро дар ин ду режим пурра ҷамъбаст кунад.

Вурудҳои модел

Самти шамол қасдан хориҷ карда шудааст. Манбаъ сабабро камбуди додаҳо ва он шарҳ медиҳад, ки кодгузории тағйирёбандаи кунҷӣ/circular мураккабии иловагии моделсозиро ба вуҷуд меорад.

Фарқи асосии байни RNN, LSTM ва GRU

RNN-и стандартӣ дар ҳар қадами вақт вуруди ҷорӣ ва ҳолати пинҳонии қаблиро истифода бурда, ҳолати пинҳонии нав эҷод мекунад. Ин сохтор метавонад вобастагиҳои кӯтоҳмуддати замониро омӯзад; аммо дар пайдарпайиҳои дароз мушкили нопадидшавии градиент ба вуҷуд омада метавонад.

LSTM ба RNN-и стандартӣ дарвозаҳои фаромӯшкунӣ, вуруд ва баромад, инчунин ҳолати ҷудогонаи ҳуҷайраро илова мекунад. Ин дарвозаҳо барои танзими он тарҳрезӣ шудаанд, ки кадом маълумот нигоҳ дошта, навсозӣ ё ба баромад интиқол дода шавад.

GRU назорати монанди хотираро бо сохтори содатар иҷро мекунад. Он ду дарвоза — навсозӣ ва азнавтанзимкунӣ — истифода мебарад ва ҳолати ҷудогонаи ҳуҷайраро нигоҳ намедорад. Аз ин рӯ, бо ҷузъҳои сохтории камтар аз LSTM шабакаи рекуррентии дарвозадор месозад.

Таҳқиқот муодилаҳои пурраи ҳолати пинҳонии меъмориҳоро на дар мақолаи асосӣ, балки дар Supplementary Material S1 гузоштааст. Азбаски PDF-и асосии боршуда ҳамаи ин муодилаҳоро дар бар намегирад, матни Verianla муодилаҳои меъмории нопурраро аз нав намесозад.

Чаро lag-1 интихоб шуд?

Autocorrelation Function (ACF) дар силсилаҳои PM2.5 дар чанд таъхири аввал коррелятсияи қавии мусбатро нишон додааст. Partial Autocorrelation Function (PACF) бошад нишон додааст, ки қавитарин робитаи мустақил дар таъхири якум аст ва дар таъхирҳои баландтар сохтори мунтазам мушоҳида нашудааст.

Аз ин рӯ, муҳаққиқон барои ҳамаи моделҳо як сохтори lag-1-ро интихоб кардаанд. Ҳадаф кам кардани мураккабии модел ва хатари overfitting аз вурудҳои нолозим, дар ҳоле ки вобастагии асосии кӯтоҳмуддат нигоҳ дошта мешавад, мебошад.

Чаро GRU дар Силсилаҳои Тағйирёбандаи PM2.5 Устувортар Ба Назар Расид?

Мувофиқи натиҷаҳои манбаъ, бартарии GRU нисбат ба RNN-и стандартӣ махсусан дар силсилаҳои PM2.5 бо тағйирёбии ногаҳонӣ ва баланд афзудааст; бузургтарин беҳбудии MAE — %14,4 — дар Mae Hong Son мушоҳида шудааст, дар шароити устувортар бошад фарқияти моделҳо кам шудааст. Таҳқиқот ин қолабро ба он вобаста медонад, ки навсозии ҳолати дарвозадори GRU метавонад ба тағйироти ногаҳонии консентратсия нисбат ба RNN-и стандартӣ беҳтар ҷавоб диҳад; аммо GRU дар ҳар метрика ва ҳар вилоят аз ҷиҳати оморӣ бартар нест.

Mae Hong Son

Mae Hong Son баландтарин инҳирофи стандартӣ ва баландтарин арзиши мушоҳидашудаи PM2.5-ро дорад. Барои RNN R² = 0,9176, RMSE = 10,8048 ва MAE = 5,5031 µg/m³; барои LSTM R² = 0,9201, RMSE = 10,5762 ва MAE = 4,9062 µg/m³; барои GRU R² = 0,9215, RMSE = 10,6404 ва MAE = 4,7100 µg/m³ ба даст омадааст.

Ҳамин тавр, GRU аз рӯи R² ва MAE беҳтарин, LSTM бошад аз рӯи RMSE беҳтарин аст. Дар санҷишҳои Diebold–Mariano бар асоси хатои мутлақ байни RNN ва ду меъмории дарвозадор фарқи маънодор пайдо шудааст; фарқи LSTM–GRU аз ҳадди Bonferroni нагузаштааст.

Lampang

Дар Lampang GRU дар ҳар се метрика натиҷаи беҳтарин додааст: R² = 0,9186, RMSE = 5,5808 µg/m³ ва MAE = 3,6292 µg/m³. Азбаски MAE-и RNN 4,0089 µg/m³ аст, коҳиши нисбии MAE-и GRU %9,5 мебошад.

Tak

Дар Tak барои GRU R² = 0,8909, RMSE = 5,7621 ва MAE = 3,9702 µg/m³ ба даст омадааст. Коҳиши MAE нисбат ба RNN %5,2 аст. Фарқи GRU–RNN ҳам дар санҷиши squared-error ва ҳам absolute-error DM маънодор аст.

Chiang Mai

Дар Chiang Mai GRU боз ҳам аз ҷиҳати ададӣ беҳтарин се метрикаро додааст: R² = 0,8689, RMSE = 6,3109 ва MAE = 4,0557 µg/m³. Аммо азбаски MAE-и RNN 4,0724 µg/m³ аст, фарқ танҳо %0,4 мебошад ва дар ҳеҷ як муқоисаи ҷуфтии моделҳои санҷиши Diebold–Mariano фарқи маънодор ёфт нашудааст.

Ин натиҷа яке аз муҳимтарин бозёфтҳои таҳқиқот аст, ки нишон медиҳад меъмории дарвозадори мураккабтар дар ҳар шароит бартарии маънодор намедиҳад.

Чаро Қуллаҳои Экстремалии PM2.5 Ба Таври Низомманд Паст Пешгӯӣ Шуданд?

Мувофиқи таҳқиқот, мушоҳидаҳои ифлосшавии экстремалӣ нисбат ба тамоми додаҳои омӯзишӣ каманд ва гарчанде функсияи талафоти MSE хатогиҳои калонро ба таври квадратӣ ҷазо медиҳад, раванди оптимизатсияро ба сӯи арзишҳои марказии зуд-зуд дучоршавандаи тақсимоти додаҳо равона карда, каҷи пешгӯиро ҳамвор мекунад; вақте ки камбуди самти шамол, интиқоли фаромарзии дуд ва маълумоти ҷории фазоӣ низ илова мешавад, ҷаҳишҳои ногаҳонии экстремалии PM2.5 аз ҷониби моделҳо бо бузургии пурра пешгӯӣ намешаванд.

Ин шакли нокомӣ махсусан барои огоҳии барвақт муҳим аст. Паст будани MAE ё RMSE-и миёна кафолат намедиҳад, ки ҳодисаҳои нодир, вале барои саломатӣ муҳим, дуруст пешгӯӣ шудаанд.

Муаллифон пешниҳод мекунанд, ки дар оянда asymmetric ё quantile-based loss истифода шавад, underprediction бештар ҷазо дода шавад ё ба ҷои баромади стандартии MSE усулҳои истифодабарандаи parametric extreme-value distribution арзёбӣ шаванд.

Чаро набудани самти шамол муҳим аст?

Суръати шамол метавонад қувваи омехташавии атмосфераро нишон диҳад; аммо нишон намедиҳад, ки массаи ҳаво аз минтақаи оташсӯзии ифлос ё аз самти тоза омадааст. Хусусан дар минтақаҳои наздик ба сарҳади Myanmar маълумоти самт барои пешакӣ муайян кардани интиқоли дуд ба масофаи дур муҳим аст.

Азбаски модели мавҷуда тағйирёбандаи интиқолие надорад, ки ҳодисаи дуди фаромарзиро мустақим пешгӯӣ кунад, он ба афзоиши PM2.5 танҳо баъд аз инъикос шудани он дар вуруди PM2.5-и рӯзи қаблӣ ҷавоб дода метавонад.

Номувофиқии тартиби волатилӣ дар манбаъ

Дар Ҷадвали 2 инҳирофҳои стандартӣ чунин дода шудаанд: Mae Hong Son 39,49, Lampang 27,00, Chiang Mai 24,71 ва Tak 21,40 µg/m³. Аз ин рӯ, аз рӯи инҳирофи стандартии ченшудаи PM2.5-и ҳаррӯза Tak камтарин ва Mae Hong Son баландтарин тағйирёбиро дорад.

Дар қисми баъдии муҳокима бошад гуфта мешавад, ки Mae Hong Son ва Tak баландтарин тағйирёбиро доранд ва Chiang Mai камтарин тағйирёбиро нишон медиҳад. Ин гуфтаҳо бо арзишҳои миқдории Ҷадвали 2 мувофиқ нестанд. Аз ин рӯ, дар ин ҷо ҳангоми истифодаи истилоҳи “волатилӣ” барои инҳирофи стандартии ададӣ арзишҳои Ҷадвали 2 асос гирифта мешаванд, дар ҳоле ки шарҳи минтақаи сарҳадӣ/топография ҳамчун контексти ҷудогонаи физикӣ нигоҳ дошта мешавад.

Усул ва Натиҷаҳои Таҳқиқот

Манбаъҳои додаҳо

Додаҳои PM2.5 аз манбаъҳои Pollution Control Department, Air Quality and Noise Management Bureau-и Таиланд ва GISTDA гирифта шудаанд. Мақолаи манбаъ мефаҳмонад, ки дар стансияҳои заминӣ усулҳои beta-ray attenuation, парокандашавии рӯшноӣ ва истинодии гравиметрӣ истифода шудаанд; аз ҷониби GISTDA бошад дастгирӣ бо маълумоти aerosol optical depth аз манбаъҳои моҳвораӣ ба монанди Himawari, MODIS, VIIRS, GEMS ва Sentinel-5P таъмин шудааст.

Додаҳои метеорологӣ аз Northern Meteorological Center ва Thai Meteorological Department Automatic Weather System гирифта шудаанд.

Стансияҳо

Пешкоркарди додаҳо

Азбаски ҳиссаи додаҳои нопурра дар ҳамаи вилоятҳо аз %5 кам буд, мушоҳидаҳои нопурра хориҷ шуда, додаҳои complete-case истифода шуданд. Манбаъ марҳилаи “cleaning and transformation”-ро дар ҷараёни кор нишон медиҳад; аммо дар матни асосии усул ба таври муфассал гузориш намедиҳад, ки оё стандартсозии хусусиятҳо, миқёсбандии min–max ё ягон амали дигари normalization истифода шудааст ё не.

Ба ҳамин монанд, дар мақолаи асосӣ ба таври равшан гуфта нашудааст, ки тағйирёбандаи “season” ба модел бо кодгузории ададӣ, dummy ё дигар кодгузории категориалӣ чӣ гуна дода шудааст. Ин ҷузъиёти набуда бо тахмин пур карда нашудаанд.

Омӯзиш, валидация ва санҷиш

Давраи асосии омӯзиш январ 2022–декабр 2024 аст. Давраи ниҳоии санҷиш январ 2025–март 2026 аст.

Барои интихоби гиперпараметрҳо expanding-window rolling cross-validation истифода шудааст. Дар ҳар fold-и нав маҷмӯи омӯзиш тавре васеъ карда шуд, ки ҳамаи мушоҳидаҳои то он вақт дастрасро дар бар гирад ва давраи шашмоҳаи фавран баъдӣ барои валидация истифода шуд. Бо ин роҳ аз ворид шудани мушоҳидаҳои оянда ба намунаҳои омӯзишии гузашта пешгирӣ шудааст.

Кросс-валидатсия 100 маротиба такрор шуд; талафоти миёнаи валидацияи ҳар конфигуратсия дар тамоми fold-ҳо ва такрорҳо арзёбӣ гардид.

Фазои ҷустуҷӯи гиперпараметрҳо

Комбинатсияи Epoch × batch size × hidden-unit 4 × 3 × 4 = 48 варианти гуногун медиҳад. Манбаъ дар ҷадвали асосӣ нишон намедиҳад, ки аз 48 комбинатсия кадомаш барои ҳар вилоят/модел ниҳоят интихоб шудааст.

Нармафзор ва такрорпазирӣ

Таҳияи модел дар муҳити барномасозии R бо бастаҳои keras3 ва tensorflow анҷом дода шудааст. Манбаъ мегӯяд, ки барои R 4.6.0, Python 3.9 ва TensorFlow 2.16.0 конфигуратсияи deterministic seed истифода шудааст.

Функсияи талафот

Барои RNN-и стандартӣ ҳангоми омӯзиш хатои умумии квадратӣ:

\[ \sum_{t=1}^{n}(y_t-o_t^L)^2 \]

кам карда шудааст. Дар ин ҷо \(y_t\) ҳадафи мушоҳидашуда ва \(o_t^L\) баромади ниҳоии пешгӯии пайдарпайии дарозии \(L\) мебошад.

Барои LSTM ва GRU манбаъ ҳамон мантиқи хатои квадратиро:

\[ \sum_{t=1}^{n}(y_t-h_t)^2 \]

ба ин шакл медиҳад ва \(h_t\)-ро ҳамчун ҳолати пинҳонии навшуда ё вектори баромад муайян мекунад.

R²

Метрикаи коэффисиенти детерминация:

\[ R^2 = 1- \frac{\sum_{t=1}^{n}(y_t-o_t^L)^2} {\sum_{t=1}^{n}(y_t-\bar y)^2} \]

мебошад. \(R^2\) нишон медиҳад, ки модели пешгӯӣ тағйирёбии мушоҳидашудаи PM2.5-ро нисбат ба пешгӯии миёна то чӣ андоза шарҳ медиҳад. Дар ин таҳқиқот арзиши баландтар ба мутобиқати беҳтар мувофиқ аст.

RMSE

\[ RMSE = \sqrt{ \frac{1}{n} \sum_{t=1}^{n} (y_t-o_t^L)^2 } \]

Воҳиди RMSE бо PM2.5 яксон аст: µg/m³. Азбаски квадратҳои хатоҳоро истифода мебарад, ба хатогиҳои калони пешгӯӣ нисбат ба MAE вазни бештар медиҳад.

MAE

\[ MAE = \frac{1}{n} \sum_{t=1}^{n} |y_t-o_t^L| \]

MAE низ бо воҳиди µg/m³ аст ва миёнаи фарқиятҳои мутлақ байни пешгӯӣ ва мушоҳидаро медиҳад.

Санҷиши Diebold–Mariano

Тартиби ададии R², RMSE ва MAE худ аз худ нишон намедиҳад, ки силсилаҳои хатои пешгӯии ду модел аз ҷиҳати оморӣ фарқ мекунанд. Аз ин рӯ, манбаъ моделҳоро бо санҷиши Diebold–Mariano ҷуфтӣ муқоиса кардааст.

Азбаски дар ҳар вилоят се муқоиса — RNN–LSTM, RNN–GRU ва LSTM–GRU — анҷом дода шудааст, барои назорати сатҳи хатои оилавӣ ҳадди маънодории бо Bonferroni ислоҳшуда:

\[ \alpha=\frac{0.05}{3}=0.0167 \]

истифода шудааст. Санҷиши DM зери ду таърифи гуногуни талафот — squared-error ва absolute-error — татбиқ шудааст.

Ҳамаи арзишҳои иҷро дар маҷмӯи санҷиш

Тағйироти MAE-и GRU нисбат ба RNN

Паёми асосии санҷишҳои DM

Дар Mae Hong Son зери талафоти absolute-error фарқи RNN–GRU маънодор аст; фарқи LSTM–GRU маънодор нест. Дар Lampang фарқи RNN–GRU ҳам зери squared-error ва ҳам absolute-error маънодор аст. Дар Tak низ байни GRU ва RNN дар ҳар ду таърифи талафот фарқи маънодор вуҷуд дорад. Дар Chiang Mai ҳеҷ як муқоисаи ҷуфтӣ аз ҳадди маънодории бо Bonferroni ислоҳшуда нагузаштааст.

Аз ин рӯ, танҳо дидани фарқиятҳои хурди ададӣ дар ҷадвали иҷро аз ҷиҳати илмӣ маънои “бартарии модел”-ро надорад.

Бандҳои пешгӯӣ

Расмҳои 6–9-и манбаъ бандҳои арзишҳои пешгӯиро, ки ба 500 такрор асос ёфтаанд, нишон медиҳанд. Бандҳо дар Mae Hong Son махсусан дар давраҳои ифлосшавии шадид васеътар, дар Lampang ва Tak фишурдатар ва дар Chiang Mai умуман устувортаранд. GRU дар бисёр давраҳои ифлосшавии баланд бандҳои нисбатан тангтар нишон медиҳад.

Гарчанде мақолаи асосӣ маълумоти 500 такрорро равшан медиҳад, тартиби дақиқи азнавнамунагирӣ ё такрори стохастикиеро, ки барои сохтани ин бандҳо истифода шудааст, дар бахши усул ба таври муфассал шарҳ намедиҳад. Аз ин рӯ, ин бандҳо дар манбаъ на ҳамчун “тақсимоти эҳтимолии пешгӯӣ”, балки ҳамчун тағйирёбии пешгӯии аз иҷроҳои такрории модел бадастомада арзёбӣ мешаванд.

Диаграммаҳои Taylor

Расми 10 коррелятсия, инҳирофи стандартӣ ва centred RMSE-ро байни мушоҳида ва пешгӯӣ дар як диаграмма муттаҳид мекунад. Ба ҳам наздик гурӯҳбандӣ шудани нуқтаҳои модел дар ҳамаи чор вилоят нишон медиҳад, ки фарқиятҳои RNN, LSTM ва GRU дар фазои умумии иҷро хеле калон нестанд.

Гарчанде GRU ва LSTM дар баъзе вилоятҳо ба истиноди мушоҳида каме наздиктар менамоянд, диаграммаҳои Taylor худ аз худ дар ҳамаи ҷуғрофияҳо як ғолиби равшанро нишон намедиҳанд.

Натиҷаҳои дастгиришавандаи таҳқиқот

GRU, махсусан дар силсилаҳои ҳаррӯзаи PM2.5 бо тағйирёбии баланд ва ҷаҳишҳои ногаҳонии консентратсия, нисбат ба RNN-и стандартӣ рафтори устувортари пешгӯиро нишон додааст. Андозаи бартарӣ вобаста ба вилоят ва метрикаи хато тағйир меёбад.

Фоидаи меъмориҳои дарвозадор дар силсилаҳои вақти оромтар кам мешавад. Дар санҷиши Chiang Mai байни се модел бо санҷишҳои Diebold–Mariano фарқи маънодор пайдо нашуданаш дастгирӣ мекунад, ки мураккабии меъморӣ худ аз худ бартарии иҷро намедиҳад.

Вуруди lag-1 барои гирифтани вобастагии қавии кӯтоҳмуддат дар ҳамаи чор вилоят заминаи умумии қобили истифода фароҳам кардааст.

Гарчанде ҳамаи моделҳо қолаби умумии мавсимии PM2.5-ро гирифта метавонанд, қуллаҳои экстремалиро пурра ифода карда наметавонанд.

Натиҷаҳои дастгиринашавандаи таҳқиқот

Нишон дода нашудааст, ки GRU дар ҳамаи масъалаҳои пешгӯии PM2.5 ё дар ҳамаи ҷуғрофияҳо беҳтарин модел аст.

GRU дар Mae Hong Son аз рӯи ҳамаи метрикаҳо беҳтарин нест; пасттарин RMSE аз ҷониби LSTM ба даст омадааст.

Дар таҳқиқот иҷрои саҳроии низоми амалиётии огоҳии барвақт дар вақти воқеӣ санҷида нашудааст.

Натиҷаҳои модел иҷрои пешгӯии ҳодисаҳои ифлосшавии миқёси соатӣ ё дақиқавиро нишон намедиҳанд; ҳадаф миёнаи ҳаррӯзаи 24-соатаи PM2.5 мебошад.

Модел интиқоли transboundary-и дудро бо модели физикии атмосфера ҳал намекунад.

Самти шамол, траекторияҳои баръакси массаи ҳаво, стансияҳои ҳамсоя ва нишондиҳандаҳои фазоии моҳвораӣ ҳамчун вуруд истифода нашудаанд.

Гарчанде дар графикҳо бандҳои пешгӯӣ ҳастанд, моделҳо моделҳое нестанд, ки бевосита пешгӯии эҳтимолии тақсимоти PM2.5 тавлид кунанд.

Маҳдудиятҳои асосии методологӣ

Маҳдудияти якум хориҷ шудани самти шамол аз маҷмӯи вуруд аст. Ин ҳолат метавонад махсусан дар минтақаҳое чун Mae Hong Son ва Tak, ки дуди фаромарзӣ мувофиқи манбаъ ба самти муайян интиқол меёбад, норасоии иттилоот ба вуҷуд орад.

Маҳдудияти дуюм моделсозии танҳо силсилаи вақти як стансия ва метеорологияи маҳаллӣ аст. Стансияҳои ҳамсоя, тағйирёбандаҳои satellite-derived ва гардиши минтақавии атмосфера ба таври ошкор модел нашудаанд.

Маҳдудияти сеюм миёнаи ҳаррӯза аст. Азбаски миёнаи 24-соата қуллаҳои дохилисоатӣ ва дохилирӯзиро ҳамвор мекунад, таҳқиқот динамикаи sub-daily-ро ифода намекунад.

Маҳдудияти чорум талафоти MSE аст. Кам будани мушоҳидаҳои нодири экстремалӣ дар тақсимот бо омӯзиши MSE якҷоя шуда, пешгӯиҳоро ба арзишҳои миёна кашида, баландтарин қуллаҳоро фурӯ нишондаанд.

Маҳдудияти панҷум он аст, ки ҳамаи вурудҳои метеорологӣ мушоҳидаҳои рӯзи t−1 мебошанд. Дар ҳодисаҳое, ки шароити обу ҳаво байни рӯзҳо хеле зуд тағйир меёбад, метеорологияи рӯзи қаблӣ метавонад шароити рӯзи баъдиро кофӣ ифода накунад.

Маҳдудияти шашум ҷузъиёти такрорпазирӣ аст. Мақолаи асосӣ фазои ҷустуҷӯи гиперпараметрҳоро медиҳад, аммо арзишҳои epoch, batch size ва hidden-unit-и интихобшударо барои ҳар модели ниҳоӣ гузориш намедиҳад. Миқёсбандии хусусиятҳо ва кодгузории фасл низ дар матни асосӣ ба қадри кофӣ шарҳ дода нашудаанд.

Самтҳои таҳқиқоти оянда

Манбаъ пешниҳод мекунад, ки дар оянда меъмориҳои transformer, convolutional ва ensemble; моделсозии spatiotemporal; тағйирёбандаҳои моҳвораӣ; стансияҳои ҳамсоя; пешгӯии эҳтимолӣ; ҳалнокии соатӣ; quantile/asymmetric loss ва тақсимотҳои арзишҳои экстремалӣ таҳқиқ шаванд.

Хусусан самти шамол, траекторияҳои баръакси массаи ҳаво ва нишондиҳандаҳои сӯхторҳои фаромарзӣ ҳамчун яке аз роҳҳои мустақими такмилдиҳӣ баррасӣ мешаванд, то модел ба ҷои он ки дудро танҳо пас аз баланд шудани PM2.5 дарк кунад, интиқоли наздикшавандаро пешакӣ муайян намояд.

Ёддошт оид ба Манбаъ ва Усул

Таҳқиқоти аслӣ: Recurrent Deep Learning Models for PM2.5 Time Series Forecasting in Northern Thailand.

Муаллифон: Nawisa Jullapech; Mohamed Fazil Baksh; Suttida Sangpoom.

Муаллифи масъул: Suttida Sangpoom.

Муассисаҳо: Department of Data Analysis Science and Digital Technology, Nakhon Si Thammarat Rajabhat University, Thailand; Department of Mathematics and Statistics, University of Reading, United Kingdom; Center of Excellence in Data Science for Health Science, Division of Mathematics and Statistics, School of Science, Walailak University, Thailand.

Маҷалла ва шиносаи нашр: Forecasting, 2026, Ҷилди 8, Шумораи 5, Мақолаи 80. Ношир: MDPI. DOI: 10.3390/forecast8050080.

Раванди нашр: Қабул 22 июни 2026; бознигарӣ 23 августи 2026; пазируфта 25 августи 2026; нашр 8 сентябри 2026.

Навъи манбаъ: Таҳқиқоти муқоисавии пешгӯии омӯзиши амиқ бо додаҳои мушоҳидавии экологӣ дар силсилаи вақт, аз баррасии ҳамтоён гузашта ва дастрасии кушода дорад.

Иҷозатнома: Creative Commons Attribution (CC BY).

Ҷуғрофияи таҳқиқот: Mae Hong Son, Lampang, Tak ва Chiang Mai; Шимоли Таиланд.

Давраи додаҳо: 1 январи 2022–31 марти 2026.

Уфуқи пешгӯӣ: Миёнаи ҳаррӯзаи PM2.5 барои як рӯз баъд.

Моделҳо: RNN, LSTM ва GRU.

Сохтори вуруд: lag-1 PM2.5 ва тағйирёбандаҳои метеорологии lag-1, ки аз ҷониби PACF интихоб шудаанд.

Арзёбии модел: R², RMSE, MAE ва санҷишҳои Diebold–Mariano зери талафоти squared-error/absolute-error; барои се муқоисаи ҷуфтӣ α = 0,0167-и бо Bonferroni ислоҳшуда.

Оптимизатсияи гиперпараметрҳо: Grid search; expanding-window rolling cross-validation; давраҳои минбаъдаи шашмоҳаи валидация; 100 такрор; 48 комбинатсияи epoch–batch–unit.

Нармафзори асосӣ: R 4.6.0; Python 3.9; TensorFlow 2.16.0; бастаҳои keras3 ва tensorflow дар R.

Маблағгузорӣ: Walailak University International Mobility for Publication and Collaboration, grant WU-CIA06106/2025.

Кумитаи этика: Татбиқ намешавад.

Ризоияти огоҳона: Татбиқ намешавад.

Дастрасии додаҳо: Маҷмӯаҳои додаҳои PM2.5 аз Pollution Control Department-и Таиланд ва GISTDA; тағйирёбандаҳои метеорологӣ аз Northern Meteorological Center ва Thai Meteorological Department Automatic Weather System ба таври оммавӣ дастрас гирифта шудаанд.

Бархӯрди манфиатҳо: Муаллифон бархӯрди манфиатҳоро гузориш накардаанд.

Саҳми муаллифон: Консептуализатсия ва усул — Nawisa Jullapech ва Suttida Sangpoom; нармафзор — ҳамин ду муаллиф; валидация ва таҳлили формалӣ — се муаллиф; захираҳо — Suttida Sangpoom; коркарди додаҳо — Nawisa Jullapech ва Suttida Sangpoom; тарҳи аввал — Suttida Sangpoom; бознигарӣ/таҳрир ва визуализатсия — Nawisa Jullapech ва Suttida Sangpoom; назорат ва идоракунии лоиҳа — Suttida Sangpoom.

Ёддошти мутобиқат дар дохили манбаъ

Ҷадвали 2 ва матни натиҷаҳои манбаъ Tak-ро аз рӯи инҳирофи стандартӣ ҳамчун вилояти дорои камтарин тағйирёбӣ нишон медиҳанд. Дар параграфҳои баъдии бахши муҳокима бошад Tak ҳамроҳи Mae Hong Son яке аз минтақаҳои дорои баландтарин тағйирёбӣ номида шуда, навишта мешавад, ки Chiang Mai камтарин тағйирёбиро дорад. Азбаски ин ба тартиби миқдории Ҷадвали 2 мувофиқ нест, дар матни Verianla арзёбии ададии волатилӣ ба арзишҳои Ҷадвали 2 асос ёфтааст.

Ёддошти такрорпазирӣ

Мақолаи асосӣ диапазони grid-search ва усули интихобро гузориш медиҳад, аммо комбинатсияи ниҳоии интихобшудаи epoch, batch size ва hidden-unit-ро барои ҳар вилоят ва меъморӣ дар ҷадвали равшани натиҷаҳо намедиҳад. Матни асосӣ ҳамчунин тартиби миқёсбандӣ/нормализатсияи хусусиятҳо ва тарзи кодгузории тағйирёбандаи фаслро ба вуруди модел ба таври равшан муайян намекунад. Азбаски ин ҷузъиёти дар манбаъ мавҷуд нестанд, онҳо пур карда нашудаанд.

Ҳадди тафсири илмӣ

Ин таҳқиқот иҷрои муқоисавии пешгӯии меъмориҳои RNN, LSTM ва GRU-ро дар додаҳои таърихии ҳаррӯзаи PM2.5 нишон медиҳад. Натиҷаҳо кафолати иҷрои низоми амалиётии огоҳии барвақт дар вақти воқеӣ, пешгӯии соатии сифати ҳаво ё иҷрои мустақиман умумисозишуда барои кишварҳо ва стансияҳои дигар нестанд. Хусусан паст пешгӯӣ шудани низомманди қуллаҳои экстремалии ифлосшавӣ, ҳатто ҳангоми баланд будани метрикаҳои миёнаи иҷро, маҳдудияти ҷиддии истифода мебошад.