MemDA: التنبؤ بسلسلة زمنية حضرية باستخدام التكيف القائم على الذاكرة مع الانزلاق

تنمو التنبؤات بالسلاسل الزمنية الحضرية، التي تُعد مساهمة مهمة في تحقيق التنمية المستدامة، كمهمة أساسية في مدن المستقبل الذكية. ومع التغيرات الجذرية والمتسرعة التي تشهدها البيئة العالمية، تُضعف الفرضية القائلة بأن البيانات تتبع توزيعًا مستقلًا ومتماثلًا (IID)، نتيجة للتغيرات اللاحقة في توزيع البيانات، المعروفة بانحراف المفهوم (Concept Drift)، ما يؤدي إلى ضعف قابلية تكرار النموذج ونقله إلى بيانات غير مرئية. ولحل هذه المشكلة، اعتمد النهج السابق عادةً على إعادة تدريب النموذج، مما يجبره على التكيف مع أحدث البيانات المُلاحظة. لكن إعادة التدريب تواجه مشكلات جوهرية، مثل تأخر النموذج، واستهلاك الموارد، وإعادة إبطال النموذج، ما يجعل مشكلة الانحراف لا تُحل بشكل فعّال في السياقات الواقعية. في هذه الدراسة، نقترح نموذجًا جديدًا للتنبؤ بالسلاسل الزمنية الحضرية يعالج مشكلة انحراف المفهوم، من خلال تمثيل الانحراف بمراعاة الدورية في البيانات، وتنفيذ تعديلات فورية على النموذج استنادًا إلى الانحراف باستخدام شبكة ديناميكية متعددة (Meta-dynamic Network). أظهرت التجارب على مجموعات بيانات حقيقية أن تصميمنا يتفوق بشكل كبير على الطرق الرائدة حاليًا، ويمكن تعميمه بفعالية على هياكل تنبؤية موجودة، مع تقليل حساسيتها للتغيرات في التوزيع.