Malaking Data at ang hinaharap sa mga pagtataya ng panahon

Ang Big Data ay ang huling link sa paghula ng mga kundisyon ng panahon. Sa buong mundo, libu-libong mga kumpanya, siyentipikong sentro, institusyon, atbp., Ay gumagamit ng Big Data upang makahanap ng mga pattern nasaan man sila, malaking data. Sa meteorolohiya, isang agham na mayroon ding napakalaking at malaking halaga ng data, ang Big Data ay mayroon ding mga kapaki-pakinabang na aplikasyon. Ito moderno at makapangyarihang kasangkapan, maaari itong magamit sa maraming paraan. Sa kabila ng pagiging pinangalanan bilang isang solong bagay, makakamit mo ang maraming iba't ibang mga hula depende sa kung ano ang iyong hinahanap. Siyempre, dumating din ito sa meteorolohiya, at narito sasabihin namin sa iyo kung ano ang ginagawa nito at kung paano.

Una sa lahat, tandaan natin yan ang naghihintay na oras ay palaging isa sa pangunahing mga pangangailangan ng mga tao. Libu-libong taon na ang nakalilipas, ang mga pagtataya ng panahon ay napakahalaga, kahit na higit pa sa ngayon, upang mabuhay. Ang pagpapaunlad ng teknolohikal ay hindi gaanong nakakabawas, ang anumang kawalang-tatag ay maaaring magkaroon ng malubhang kahihinatnan. Bagaman palaging may ganitong pangangailangan upang maiwasan ang panahon, hanggang sa dumating ang Aristotle na maaari nating mai-coin ang term na meteorology. Tinawag niya itong "meteorological", ang pangalang ibinigay niya sa kanyang libro, noong 340 BC.

Malaking Data sa mga pagtataya

Ang lohika ng pag-uugali sa atmospera ay hindi tumitigil sa pagbuo Simula noon. Sa bawat oras na mas mabilis. Dumaan sa thermometer na naimbento ni Galileo noong 1607, sa mga simulation ng computer batay sa data na nakolekta ng mga satellite. Sa ngayon, nahaharap tayo sa Big Data, maraming sumasang-ayon doon ito ang pinaka rebolusyonaryong tool mula noong umiiral ang internet at hindi para sa mas kaunti. Tulad ng kung ito ay isang science fiction sa hinaharap, ngayon masasabi natin na ito ay totoo.

Tulad ng aming puna, ang Big Data ay nagsisimulang mamuno ngayon, ng pagbibigay ng ibang pananaw na iyon sa mga meteorologist. Kung saan hindi sila makakapunta, o maniwala na tama sila nang wala, Ipinapakita sa iyo ng malaking data kung ano ang nakatago o hindi napansin, may antas din ng katumpakan na hindi naabot. Mayroong mga kumpanya na nag-aalok na ng mga serbisyong ito ngayon. Ang mga institusyon, pamahalaan at kumpanya na gumagamit ng malaking data upang asahan ang klima. Ngunit paano ito buong proseso? Paano ito ginagawa Paano tayo makikinabang? Susunod ay makikita at mauunawaan natin kung paano posible ang buong proseso ng makabagong teknolohikal na ito.

Paano gumagana ang Big Data?

Halos, Ang Big Data ay nag-iiwan ng pagtingin sa kalangitan upang tumuon sa data, at na naproseso nang tama. Upang maunawaan mo nang higit pa sa laki nito ang implikasyon sa meteorolohiya, dapat muna nating ipaliwanag kung paano ito gumagana.

Ang Big Data ay mayroong core ng operasyon sa tinatawag na 4 V's.

Dami

Nangangahulugan ito ng dami ng data. Ang lahat ng halagang ito ng nakolektang data ay ang kilala bilang dami. Maaari itong mag-iba depende sa kung ano ang inilalapat, kung minsan mayroon kaming maraming data at iba pang mga oras na "mas kaunti". Iyon ay, maaari tayong magpunta mula sa 1.000 milyong data hanggang sa maraming trilyon, depende sa kung alin ang nasuri.

Pabilisin

Ibig kong sabihin, ang rate kung saan nabuo ang data. Galing sa pangangailangan upang makuha, maiimbak at iproseso ang mga ito. Ang mas maraming mga nakunan ng data, mas mabilis na nakaimbak, mas maraming pag-aaralan. Ang bilis ay doble kahalagahan sa mga pagtataya ng panahon, dahil ang mga kaganapan ay nangyayari nang real time, at dapat na maproseso sa lalong madaling panahon.

Iba-iba

Minsan mayroong isang format kung paano dumating ang data na iyon, iba pang mga oras ng iba. Ang bawat uri ng data ay may sariling pag-uuri. Iba pang mga oras na nawawala ang ilan (may mga diskarte upang ayusin ito, o ang mga pagkakamali ay malaki) at iba pang mga oras na nagmumula sa mga form ng video kahit na. Mayroong ibang magkakaibang masa ng data, na sa Big Data ay responsable para sa paglalagay ng isang order, isang lohika na maingat na masusuri. Halimbawa, "hindi mo" mailalagay ang mga sukat ng temperatura mula sa isang thermometer sa parehong pakete tulad ng mga pagsukat ng satellite mula sa isang harapan.

Katotohanan

Kaugnay sa panaklong ng nakaraang punto. Nangangahulugan ito na ang data sa wakas ay malinis, nang walang "kakaibang" bagay. Ang mga koponan sa pamamahala ng Big Data ay dapat magkaroon ng isang walang kinikilingan na koponan na sinanay upang mapanatili ang isang mahusay na istraktura. Ang mga kahihinatnan ng isang masamang katotohanan ng data ay may napaka-negatibong epekto. Upang makakuha ng isang ideya, ito ay tulad ng kung ang isang pangkat ng mga mekaniko ay natapos ang pagkumpuni ng isang kotse, at nakalimutan nilang i-tornilyo ang dalawang gulong.

Halimbawa sa katotohanan ng data

Mayroon kaming maraming mga talaan mula sa maraming mga lugar. Isipin natin na mayroon tayong mga temperatura, antas ng kahalumigmigan, hangin, atbp. Ngunit, mayroon kaming kabiguan, at nawawala ang ilang mga tala ng temperatura para sa ilang lugar, sa anumang kadahilanan, at hindi namin ma-access upang malaman kung anong temperatura ang naitala. Mayroon kaming isang kabuuang 30 data, at dalawa sa mga ito, nang walang temperatura sa wakas.

Ang maaaring gawin, halimbawa, ay upang makalkula ang average na temperatura ng mga rehiyon na ito upang matukoy nang tumpak ang posibleng temperatura na maaaring mabibilang sa nawawalang talaan, ngunit mayroon ding napakaliit na mga margin ng error. Ang mga halaga ay ekstrang bahagi, at pagkatapos ang pagkalkula ay maaaring ilagay sa pagsasanay. Kung nawawala ang data na ito, hindi ito makikilala ng mga computer, lumilikha ng isang itim na butas sa data, at ganap na maling mga hula.

Paano mo ito makukuha?

Sa meteorolohiya, tulad ng sa anumang larangan, ang data ay nagmula sa anyo ng mga variable. Iyon ay, ang bawat isa ay naproseso sa paraang pagmamay-ari. At bagaman tila napaka-aliwin at kumplikado, ang gawain ay nagiging "madali" para sa mga analista ng Big Data. Ang mga variable na maaari nating maitala sa meteorolohiya, kahit na data pa rin sila, maaaring kabilang sila sa iba`t ibang pamilya. Iyon ay, ang isang variable ay anumang data na maaaring mauri, ngunit hindi sila palaging pareho.

Ang imahe sa itaas, na ibinigay ng NASA, ay nagpapakita ng halimbawa ng mga alon sa paligid ng planeta. Sa kaso ng NASA, mayroon silang maraming bilang ng mga satellite na nagpapahintulot sa kanila na obserbahan at sukatin ang mga phenomena sa buong mundo sa real time.

Maaaring basahin ng Big Data ang bawat bakas na iniiwan ng isang bagay tungkol sa isang bagay, at maaari itong maituring na data. Marami kapag iniisip ang tungkol sa Big Data, mabilis nilang maiisip kung gumagamit tayo ng mga mobile phone, mag-surf sa internet, mag-click sa isang pahina, bumili ng item sa online, o "gusto" ito sa Facebook. Iyon ay isang "maliit" ngunit siksik lamang na bahagi, oo, ito ay napaka maaasahan at mahusay na naka-code. Ngunit sa turn, nag-iiwan kami ng isang pisikal / virtual na landas, tulad ng lokasyon ng GPS kung nasaan tayo, salamat sa mga mobile phone. Dito na nagsisimulang ihalo ang virtual na mundo sa pisikal. At syempre, mga paggalaw ng pisikal, pisikal na pagbili, ayon sa edad, kung ano ang pipiliin natin, lahat ng ito ay palaging naka-archive, at syempre, maaari itong isalin sa maraming data.

Ang mga variable ay maaaring maging kategorya

Ang mga variable na kategorya ay ang mga kumakatawan sa mga limitadong halaga o variable na hindi nangangahulugang isang tiyak na lakas. Kinakatawan nila ang kalidad ng isang bagay na inilalarawan nila. Talaga ang kanilang pagiging partikular ay ang limitasyon ng kanilang kinakatawan. Maaari silang maiuri sa dalawang larangan.

Mga nominal na variable na kategorya

Sila ang mga iyon kumakatawan sa mga bagay sa parehong larangan nang walang isang lohikal na koneksyon bawat isa Halimbawa: Ang pangalan ng mga rehiyon na nagpapahiwatig kung saan nagmula ang mga talaan, tulad ng lungsod, autonomous na komunidad, isang postal code, atbp.

Mga variable na kategorya na ordinal

Sila ang mga iyon maaaring kumatawan sa laki ng isang bagay, tulad ng sukat ng Douglas sa antas ng alon, ang antas ng sukat kung saan maaaring maiuri ang mga buhawi ayon sa kanilang lakas, atbp.

Ang mga variable ay maaaring bilang bilang

Ang mga variable na bilang ay ang mga iyon kumakatawan sa mga halaga o variable sa loob ng isang magnitude at maaaring masusukat. Kinakatawan nila ang mga halagang dami. Ang kanilang pagiging partikular ay na maaari silang kumatawan sa isang napakalaking saklaw ng mga sukat sa meteorological phenomena. Ang mga ito ay naiuri sa dalawang paraan

Patuloy na mga variable ng bilang

Ang mga patuloy na variable ay ang mga iyon ay nangangasiwa sa pagsukat ng isang bagay na itinatag. Ang mga halimbawa sa kanila ay ang index ng halumigmig, temperatura, bilis ng hangin, dami ng ulan, atbp.

Discrete variable ng bilang

Ito ang mga sinusubaybayan nila ang isang bagay na itinatag. Iyon ay, ang bilang ng beses na umulan sa isang taon sa isang rehiyon, ang bilang ng beses na nag-snow, atbp.

Lahat ng mga variable ay naproseso

Kapag nauri na ang lahat ng mga variable, naproseso ito salamat sa mga computer, laging pinangangasiwaan ng mga analista ng Malaking Data. Hanggang sa ilang taon na ang nakakalipas, ang dami ng data na magagamit, sa kabila ng napakalaking bilang, walang mga problemang ma-aralan ng mga analista ng data. Gayunpaman, responsable ang pagtatasa ng Big Data para sa pagsusuri ng napakalaking data na ito, kung saan ang mga proseso ng pagsusuri na naging karaniwan hanggang ngayon, ay magtatagal (pinag-uusapan pa namin ang tungkol sa mga araw) upang magbigay ng isang sagot. Hindi lamang iyon, ang Big Data ay mas mahusay at tumpak, sa pamamagitan ng "paglalaro" sa mga variable sa pagitan nila.

Ang lahat ng ito ay nagmula kung ano ang dati naming nagkomento sa 4 V's ng Big Data, pagkamit ng bilis, pagiging maaasahan at mga modelo ng panahon na nagbibigay ng hindi kapani-paniwalang tumpak na mga pagtataya sa isang sobrang maikling panahon.

Malaking Data bilang isang nagsisimulang disiplina

Ang isang magandang halimbawa ay pag-uusapan ang tungkol sa kumpanya ng ACCIONA, na mayroong a Renewable Energy Control Center (CECOER). Ito ang pinakamalaking sentro sa buong mundo kung saan ang layunin ay upang magbigay ng mga solusyon sa real time, ng milyun-milyong data na nakolekta mula sa mga pasilidad nito, parehong biomass, hangin at solar na enerhiya. Gumagawa ito ng halos 3000 taunang mga iskedyul na kumukuha ng lahat ng data na ito upang maiakma sa kinakailangang pangangailangan. Ang isa pang bentahe ng CECOER ay ang pagtanggap ng mga insidente na mayroon sila mula sa kanilang mga pasilidad, sa gayon 50% sa kanila ay malulutas nang malayuan. Ang natitirang 50% ay pisikal na naayos ng mga operator. Sa ganitong paraan, Nakukuha ng Acciona ang nababagong enerhiya, higit pa sa pagiging isang kahaliling enerhiya, maging solusyon ngayon.

Ang isa pang mahalagang katotohanan tungkol sa Big Data ngayon ay ang kakulangan ng mga siyentipiko ng data. Ito ay isang bagong panganak na bukid, at na natakbo sa ilang mga preconceived pamantayan. Maaari ba talagang makatulong ang Big Data sa paglaki ng mga pagtataya, iulat ang mga benepisyo sa mga kumpanya, maasahan ang napakaraming mga bagay at bigyang-katwiran ang gastos ng malaking pagtatasa ng data? Oo. Ngunit ito ay isang bagay na nakita nang paunti-unti. Ang lumalaking pangangailangan para sa mga siyentipiko ng data ay inihambing ang mga resulta at sa pamamagitan ng pag-unawa sa pangangailangan para sa kanila sa lahat ng mga lugar. Totoo na maraming mga koponan ng Big Data ang nagtatrabaho, na may kamangha-manghang mga resulta, ngunit ngayon ngayon kung saan nalaman namin na mayroong isang mas higit na pangangailangan. Ang mga analista ng Big Data ay lubos na hinahangad.

Dahil dito, nabubuhay tayo sa rebolusyon na ipinahihiwatig nila sa kaunlaran, ngunit mula sa simula. Tulad ng anumang industriya, nasasaksihan natin ngayon ang potensyal nito, ngunit hindi pa ito ganap na binuo, ito ay isang bagay na inilaan ng oras para sa atin. Ang isang bagay ay maliwanag na, ang kasalukuyang potensyal nito, ang iba pa, kung hanggang saan ito makakapunta. Ang iyong mga resulta ay hindi mag-iiwan sa amin ng walang malasakit.

IBM's Ang Weather Company ay isang pribadong kumpanya na nag-aalok ng hanggang sa 26 milyong pang-araw-araw na mga pagtataya tungkol sa panahon. Ang IBM mula sa simula ay tumayo, kasama din ang Google, para sa pagiging isa sa mga pinaka-payunir na kumpanya sa larangan. Ang Weather Company ay lubos na nakatuon sa pagtulong sa mga tao na makagawa ng matalinong mga desisyon tungkol sa panahon. Ito ang pinakamalaking network sa buong mundo mula sa mga personal na istasyon ng panahon. Ang pinakamalaking tatak ng mundo sa aviation, enerhiya, seguro, media at gobyerno ay nakasalalay sa The Weather Company para sa data, mga platform ng teknolohiya at serbisyo.

Malaking Data laban sa Pagbabago ng Klima

United Nations Global Press, isang malaking pagkukusa ng data ng United Nations at Western Digital Corporation, nilagdaan ang isang alyansa upang sama-sama na labanan laban sa pagbabago ng klima. Ang proyektong ito na pinangunahan ng UN at Western Digital Corp., pagsama-samahin ang mga digital na siyentipiko ng pagbabago mula sa buong mundo upang atakein ang problema sa isang mas mahusay na paraan. Kabilang sa mga ito, nakakahanap kami ng mga nakikipagtulungan mula sa magkakaibang mga sektor sa kanila. Ang BBVA, Orange, Planet, Plume Labs, Nielsen, Schneider Electric, Waze ... ay ilan sa mga lumahok sa proyektong ito.

Nahanap din namin ang Barcelona Supercomputing Center (BSC), ito ang ika-4 na modelo sa seryeng MareNostrum. Isang supercomputer para sa pagtatasa ng Big Data susi sa maraming larangan, kasama na rito ang paglaban para sa Pagbabago sa Klima. Isinagawa ito sa pagtatapos ng Hunyo ng 2017 na ito. Ito ang pangatlong pinakamabilis na computer sa Europa, isang pamumuhunan ay nagawa dito para sa pag-install nito ng 34 milyong euro ng Ministri ng Ekonomiya, Industriya at Kakumpitensya ng Espanya. Ito ay may kapasidad na 14 Petabytes, iyon ay, 14 milyong Gigabytes. Umabot ito sa 11,1 Petaflops, iyon ay, ang barbarity ng 11.100 bilyong operasyon bawat segundo.

Malaking Data sa hinaharap ng meteorology at sa ating buhay

Sa isang nagbabagong mundo, kung saan ang mga pagbabago ay nagiging mas mabilis, at lalong nakakagulat, mahirap hulaan ang hinaharap ng isang bagay. Ang alam nating sigurado ay iyon Dumating ang Big Data upang manatili, at ang mga pagtataya na gumawa ng parehong meteorolohiko at sa iba pang mga lugar ay iniiwan kaming naguluhan. Ang ilan ay mananatiling may pag-aalinlangan, ang iba ay tatanggihan ito, ang iba ay makikita ito bilang isang bagay na malayo. Ngunit ang totoo, nakatira na tayo kasama nito.

Ngayon alam natin na inaasahan ng Big Data ang maraming mga pag-ulan, panahon ng bagyo, at kahit na may ganap na katumpakan ang bilang ng mga medalya na maaaring manalo ang isang bansa sa Palarong Olimpiko. Inaasahan din nito kung sino, saan at kailan magkakaroon ng krimen (kung may nakakita man sa pelikulang "Minority Report", sumagi sa kanilang isipan, tama ba?). Malaking data ay mabilis na gumagalaw patungo sa inaasahan ang hinaharap ng maraming mga lugar, at ito ay kahit na ang Amazon ay nagsisimulang asahan ito, at kamakailan lamang ay nagsimulang magpadala bago pa man bumili ang mga customer. Ang hinaharap ay hanggang ngayon, madalas na hindi sigurado. Ngunit nagbabago ito hinahulaan ang hinaharap.

Alam nating lalago ang potensyal nito. Sino ang nakakaalam, maaaring maging pantal upang asahan kung sino (Malaking Data) ang may inaasahan na isang bagay. Ngunit may sapat na data, Maaasahan ba ng Big Data ang pandaigdigang klima sa napakalaking pag-asa? Oo. Tulad ng maaari mong asahan na ang aming mga aksyon ay magbibigay ng iba't ibang mga sitwasyon sa mga naunang ibinigay, dahil ang anumang pagkilos ay may echo nito sa hinaharap, at alam ito ng Big Data at muling suriin ito, na nagbibigay ng isa pang bagong senaryo.

Mahihintay ang lahat. Malalaman ba natin kung ano ang mangyayari sa atin sa malapit na hinaharap? Ano ang mga problemang kakaharapin natin? Kailan at saan magaganap ang isang bagyo? Ano ang kakailanganin nating magpatuloy upang malutas ito? Habang nagpapabuti ng mga diskarte, nagpapabuti ang computer sa kahusayan at bilis, ang patlang na ito ay patuloy na umuunlad ... Malamang ay sa halip na sagutin ang "sino ang nakakaalam", marahil ang pinaka-angkop na bagay ay sasabihin na "tanungin natin ang Big Data."

Mga Kasosyo sa BA | Update ni Willis | POT