Большие данные - последнее звено в прогнозировании погодных условий. По всему миру тысячи компаний, научных центров, учреждений и т. Д. Используют большие данные, чтобы находить закономерности, где бы они ни находились, большие данные. В метеорологии, науке, которая также имеет огромное количество данных, большие данные также имеют свои полезные приложения. Этот современный и мощный инструмент, его можно использовать разными способами. Несмотря на то, что вы названы как одно целое, вы можете делать много разных прогнозов в зависимости от того, что вы ищете. Конечно, это тоже дошло до метеорологии, и здесь мы расскажем вам, что она делает и как.
Прежде всего, давайте помнить, что предвидение времени всегда было одной из основных потребностей человека. Тысячи лет назад прогнозы погоды были очень важны, даже больше, чем сегодня, для выживания. Технологическое развитие было не столь острым, любая нестабильность могла иметь серьезные последствия. Хотя необходимость предотвращения погоды существовала всегда, только до прихода Аристотеля мы могли ввести термин «метеорология». Он назвал ее «метеорологической» - так он назвал свою книгу около 340 г. до н.э.
Большие данные в прогнозах
Логика поведения атмосферы не перестала развиваться с того времени. С каждым разом быстрее. От термометра, изобретенного Галилеем в 1607 году, до компьютерного моделирования на основе данных, собранных со спутников. Прямо сейчас мы сталкиваемся с большими данными, многие согласны с тем, что это самый революционный инструмент с тех пор, как существует Интернет и не за меньшее. Как будто это будущее научной фантастики, сегодня мы можем сказать, что оно реально.
Как мы уже отмечали, большие данные сегодня начинают брать на себя ответственность за то, чтобы дать метеорологам другую точку зрения. Куда они не могли пойти или считали себя правыми, не будучи Большие данные показывают, что было скрыто или не замечено, также с никогда не достигнутой точностью. Есть компании, которые уже сегодня предлагают эти услуги. Учреждения, правительства и компании, которые используют большие данные для прогнозирования климата. Но как проходит весь этот процесс? Как это делается? Какая нам польза? Далее мы увидим и поймем, как возможен весь этот процесс технологических инноваций.
Как работают большие данные?
Примерно, Большие данные позволяют сосредоточиться на данных не только в небе, и что они обрабатываются правильно. Чтобы вы могли лучше понять последствия этого для метеорологии, сначала вам нужно объяснить, как это работает.
В основе работы больших данных лежит то, что называется 4 V.
Объем
Это означает количество данных. Весь этот объем собранных данных это то, что известно как объем. Он может варьироваться в зависимости от того, что применяется, иногда у нас много данных, а иногда «меньше». То есть мы можем перейти от 1.000 XNUMX миллионов данных до нескольких триллионов, в зависимости от того, что анализируется.
Скорость
Я имею в виду, скорость, с которой генерируются данные. Они возникают из-за необходимости их фиксировать, хранить и обрабатывать. Чем больше данных захватывается, тем быстрее они хранятся и тем больше нужно анализировать. Скорость имеет двойное значение для прогнозов погоды, поскольку события происходят в реальном времени и должны обрабатываться как можно скорее.
Разнообразие
Иногда есть формат получения этих данных, иногда другой. Каждый тип данных имеет свою классификацию. В других случаях некоторые из них отсутствуют (есть способы исправить это, иначе ошибки будут огромными), а в других случаях они даже представлены в виде видео. Существует очень разный массив данных, который в больших данных отвечает за упорядочение, и эту логику необходимо хорошо проанализировать. Например, измерения температуры термометром «нельзя» положить в тот же пакет, что и спутниковые измерения спереди.
Достоверность
Относится к скобке в предыдущем пункте. Это означает, что данные наконец-то становятся чистыми, без "странностей". Команды управления большими данными должны иметь беспристрастную команду, обученную поддерживать хорошую структуру. Последствия неверной достоверности данных имеют очень негативные последствия. Чтобы представить себе, как если бы группа механиков закончила ремонт автомобиля, а они забыли прикрутить два колеса.
Пример достоверности данных
У нас есть много записей из разных областей. Представим, что у нас есть температура, уровень влажности, ветер и т. Д. Но у нас произошел сбой, и нам по какой-то причине не хватает некоторых температурных записей для какой-то области, и мы не можем узнать, какая температура была зарегистрирована. У нас есть всего 30 данных, и два из них, наконец, без температуры.
Что можно сделать, например, - это вычислить среднюю температуру в этих регионах, чтобы точно определить возможную температуру, на которую можно рассчитывать в недостающей записи, но также с очень небольшой погрешностью. Ценности запасные части, и тогда расчет можно будет применять на практике. Если бы эти данные отсутствовали, компьютеры не распознали бы их, создание черной дыры в данных и совершенно неверные прогнозы.
Как вы получаете?
В метеорологии, как и в любой другой области, данные поступают в виде переменных. То есть каждый обрабатывается так, как он принадлежит. И хотя это кажется очень запутанным и сложным, задача становится «легкой» для аналитиков Big Data. Переменные, которые мы можем записывать в метеорологии, хотя это все еще данные, они могут принадлежать к разным семьям. То есть переменная - это любые данные, которые можно классифицировать, но они не всегда одинаковы.
Изображение выше, предоставленное НАСА, показывает пример течений вокруг планеты. Что касается НАСА, у них есть большое количество спутников, которые позволяют им наблюдать и измерять явления по всему земному шару в режиме реального времени.
Большие данные могут прочитать каждый след, который что-то оставляет о чем-то, и это можно считать данными. Многие, думая о больших данных, быстро вспоминают, когда мы пользуемся мобильными телефонами, просматриваем Интернет, нажимаем на страницу, покупаем товар в Интернете или ставим «лайк» на Facebook. Это всего лишь «маленькая», но плотная часть, да, она очень надежна и хорошо кодируется. Но, в свою очередь, мы оставляем физический / виртуальный след, например, местоположение по GPS, где мы находимся, благодаря мобильным телефонам. Здесь мы уже начинаем смешивать виртуальный мир с физическим. И, конечно же, физические движения, физические покупки, в зависимости от возраста, что мы выбираем, все это всегда архивируется, и, конечно же, это может переводить во все больше и больше данных.
Переменные могут быть категориальными
Категориальные переменные представляют собой значения или ограниченные переменные, которые не обязательно означают определенную величину. Они представляют качество того, что описывают. По сути, их особенность - это ограничение того, что они представляют. Их можно разделить на два поля.
Номинальные категориальные переменные
Это те, которые представляют вещи в одном поле без логической связи каждый. Например: название регионов, указывающих, откуда поступают записи, например, город, автономное сообщество, почтовый индекс и т. Д.
Порядковые категориальные переменные
Это те, которые может представлять величину чего-либо, например, шкала Дугласа на уровне волн, уровень шкалы, с помощью которой торнадо можно классифицировать по их величине и т. д.
Переменные могут быть числовыми
Числовые переменные - это те, которые представляют значения или переменные в пределах величины и могут быть измерены. Они представляют собой количественные значения. Их особенность в том, что они могут представлять очень большой диапазон измерений метеорологических явлений. Они классифицируются двумя способами
Непрерывные числовые переменные
Непрерывные переменные - это те, которые они отвечают за измерение чего-то установленного. Примерами их могут быть индекс влажности, температура, скорость ветра, количество осадков и т. Д.
Дискретные числовые переменные
Это те они следят за чем-то установленным. То есть, сколько раз в году в регионе шел дождь, сколько раз шел снег и т. Д.
Все переменные обрабатываются
После того, как все переменные классифицированы, они обрабатываются с помощью компьютеров. всегда под наблюдением аналитиков больших данных. Еще несколько лет назад, несмотря на очень большое количество доступных данных, у аналитиков не возникало проблем. Однако анализ больших данных отвечает за анализ этих массивных данных, где процессы анализа, которые были обычными до сегодняшнего дня, потребовали бы много времени (мы даже говорим о днях), чтобы дать ответ. Мало того, большие данные более эффективны и точны, если они «играют» с переменными между ними.
Все это происходит то, что мы ранее прокомментировали о 4 V больших данных, достижении скорости, надежности и погодные модели, дающие невероятно точные прогнозы в очень короткие сроки.
Большие данные как зарождающаяся дисциплина
Хорошим примером может служить компания ACCIONA, у которой есть Центр управления возобновляемой энергией (СЕКОЕР). Это самый большой центр в мире где цель заключается в предоставлении решений в режиме реального времени для миллионов данных, которые собираются с его объектов, как по биомассе, так и по ветровой и солнечной энергии. Он составляет около 3000 годовых графиков, которые учитывают все эти данные, чтобы приспособиться к требуемому спросу. Еще одним преимуществом CECOER является прием инцидентов со своих объектов, поэтому 50% из них решаются удаленно. Остальные 50% физически ремонтируют операторы. Таким образом, Acciona получает возобновляемую энергию, больше, чем альтернативная энергия, быть решением сегодня.
CECOER АКЦИОНА
Еще один важный факт, связанный с большими данными сегодня, - это нехватка специалистов по данным. Это зарождающееся поле, и это противоречит определенным предвзятым стандартам. Могут ли большие данные действительно так сильно помочь в развитии прогнозов, сообщении о преимуществах для компаний, уметь предвидеть так много вещей и оправдывать затраты на анализ больших данных? Да, но это то, что видели мало-помалу. Растущий спрос на специалистов по обработке данных сопровождался результатами и понимая необходимость в них повсюду. Это правда, что уже много команд по работе с большими данными работает с впечатляющими результатами, но именно сейчас мы обнаруживаем, что спрос на них больше. Аналитики больших данных пользуются большим спросом.
Соответственно, мы живем революцией, которую они подразумевают в развитии, но с самого начала. Как и любая отрасль, мы сейчас наблюдаем ее потенциал, но он еще не развит до максимума, это то, что время припасло для нас. Одно уже очевидно - его текущий потенциал, другое - насколько далеко он может зайти. Ваши результаты не оставят нас равнодушными.
Карта модели IBM
IBM's The Weather Company это частная компания, которая предлагает до 26 миллионов ежедневных прогнозов о погоде. IBM с самого начала выделялась, наряду с Google, как одна из самых новаторских компаний в этой области. Weather Company чрезвычайно привержена тому, чтобы помогать людям принимать обоснованные решения о погоде. Это самая большая сеть в мире с личных метеостанций. Крупнейшие мировые бренды в авиации, энергетике, страховании, средствах массовой информации и правительстве полагаются на The Weather Company в отношении данных, технологических платформ и услуг.
Большие данные против изменения климата
Глобальный импульс Организации Объединенных Наций, инициатива больших данных Организация Объединенных Наций и Western Digital Corporation, подписали альянс для совместной борьбы против изменения климата. Этот проект, возглавляемый ООН и Western Digital Corp., объединить ученых в области цифровых инноваций со всего мира чтобы решить проблему более эффективным способом. Среди них мы находим сотрудников из самых разных секторов. BBVA, Orange, Planet, Plume Labs, Nielsen, Schneider Electric, Waze ... вот некоторые из тех, кто участвует в этом проекте.
Мы также находим Барселонский суперкомпьютерный центр (BSC), это 4-я модель в серии MareNostrum. Суперкомпьютер для анализа больших данных ключевым во многих областях, среди которых также борьба за изменение климата. Введен в эксплуатацию в конце июня этого 2017 года. Это третий по скорости компьютер в Европе., Министерство экономики, промышленности и конкурентоспособности Испании вложило в нее 34 миллиона евро. Его емкость составляет 14 петабайт, то есть 14 миллионов гигабайт. Он достигает 11,1 Петафлопс, то есть варварство в 11.100 XNUMX миллиардов операций в секунду.
Большие данные в будущем метеорологии и в нашей жизни
В меняющемся мире, где изменения становятся все быстрее и все более неожиданными, трудно предсказать будущее чего-либо. Мы точно знаем, что Большие данные пришли, чтобы остатьсяи что прогнозы, сделанные как в метеорологической, так и в других областях, вызывают недоумение. Некоторые будут скептически относиться к этому, другие будут отрицать это, третьи будут рассматривать это как нечто далекое. Но правда в том, что мы уже живем с этим.
Сегодня мы знаем, что большие данные предвосхищают множество дождей, сезонов ураганов и даже с большой точностью количество медалей, которые страна может выиграть на Олимпийских играх. Он также предугадывает, кто, где и когда будет совершено преступление (если кто-нибудь видел фильм «Отчет меньшинства», он приходил им в голову, верно?). Большие данные стремительно движется к предвосхищению будущего многих областей, и это то, что даже Amazon начинает предвидеть это, и в последнее время она начала осуществлять поставки еще до того, как покупатели совершат покупки. Будущее было до сегодняшнего дня, часто неопределенным. Но это меняется будущее предсказуемо.
Мы знаем, что его потенциал будет расти. Кто знает, может быть опрометчиво предугадывать, кто чего-то ожидает от (больших данных). Но с достаточным количеством данных Смогут ли большие данные предвидеть глобальный климат с огромным нетерпением? Да, точно так же, как вы можете предположить, что наши действия дадут сценарии, отличные от ранее описанных, потому что любое действие имеет отклик в будущем, и большие данные знают это и переоценивают его, давая другой новый сценарий.
Все можно предвидеть. Сможем ли мы узнать, что с нами будет в ближайшем будущем? С какими проблемами мы столкнемся? Когда и где ударит ураган? Что нам нужно, чтобы решить эту проблему? По мере совершенствования техники, повышения эффективности и скорости компьютеров, эта область продолжает развиваться ... Скорее всего, состоит в том, что вместо ответа «кто знает», возможно, наиболее подходящим будет сказать «давайте спросим большие данные».
BA Партнеры | Уиллис Обновление | ГОРШОК