公平な予想？ 180 人の気象学者が「十分な」気象データを提供している方法

十分に適切な天気予報とは何でしょうか? 答えは明らかであり、正確であるように思われるため、ほとんどの人はおそらくあまり考えていない質問です。 しかし、繰り返しになりますが、ほとんどの人は DTN の CTO ではありません。 ラース・エヴェもそうですが、彼の答えはほとんどの人の答えとは異なるかもしれません。 180 人の気象学者がスタッフを擁し、世界中の天気予報を提供しています。 DTN はおそらくあなたが聞いたこともない最大の気象会社です。

好例: DTN は ForecastWatch の「世界および地域の天気予報精度の概要 2017 ～ 2020このレポートでは、一連の包括的な基準と徹底的なデータ収集および評価方法に従って、17 の天気予報プロバイダーを評価しています。 では、なぜ 1980 年代に設立され、世界中の顧客にサービスを提供し、常に気象に重点を置いてきた企業が評価されないのでしょうか?

• 以下も参照してください。 米国の天気、気候予測はさらに良くなりつつあります

ビッグデータとモノのインターネットの問題としての天気予報

DTN の名前は「Digital Transmission Network」の略で、無線で配信される農業情報サービスとしての同社の起源に敬意を表しています。 時間の経過とともに、同社はテクノロジーの進化を採用し、多くの業界に同社が「オペレーショナル インテリジェンス サービス」と呼ぶものを提供することに軸足を置き、グローバルに進出してきました。

Ewe 氏はこれまで、AMD、BMW、Oracle など、さまざまな企業で上級職を務めてきました。 彼は、データ、データサイエンス、そしてより良い結果をもたらすための洞察を提供する能力について強く感じています。 Ewe 氏は、DTN をグローバルなテクノロジー、データ、分析会社と呼び、その目標は、クライアントがビジネスをより適切に運営できるよう、実用的なほぼリアルタイムの洞察を提供することです。

DTN の Weather as a ServiceEwe 氏によると、® (WAAS®) アプローチは、より広範な目標の重要な部分と見なされるべきです。 「当社には天気予報だけでなく、洞察にも専念するエンジニアが何百人もいます」とエウィ氏は語った。 同氏はまた、DTN はさまざまな理由から、外部委託できるにもかかわらず、独自の天気予報の作成に投資していると説明しました。

Ewe氏によると、利用可能な天気予報サービスの多くは世界規模ではないか、画像解像度などの特定の領域に弱点があるという。 DTN は、公開されているすべてのデータ入力と多くの独自のデータ入力を活用して、独自の予測を生成している、と同氏は付け加えました。 DTN は、世界中で数千の気象観測所を所有および運用しているため、独自のデータ入力でそのデータを増強します。 他のデータ ソースには、衛星、レーダー、気象観測用気球、飛行機、および履歴データが含まれます。

DTN の気象予測機能を利用した高次サービスの例としては、暴風雨の影響分析や配送案内などがあります。 暴風雨の影響分析は、停電をより適切に予測し、それに応じて計画を立て、人員を配置するために電力会社によって使用されます。 配送ガイダンスは、安全性の観点だけでなく燃料効率の観点からも、船舶の最適なルートを計算するために海運会社によって使用されます。

このアプローチの中心にあるのは、DTN の予測テクノロジーとデータを取得し、それを顧客固有のデータと結合して、カスタマイズされた洞察を提供するというアイデアです。 DTN も提供できるベースライン サービスはありますが、データがより具体的であればあるほど、サービスはより優れたものになると Ewe 氏は述べています。 そのデータは何でしょうか? DTN のモデルのパフォーマンスを向上させるのに役立つもの。

それは船舶の位置や形状、あるいはインフラ網の健全性である可能性があります。 実際、そのような概念は DTN のモデル全体で繰り返し使用されているため、同社はデジタル ツイン アプローチの方向に進んでいる、と Ewe 氏は述べました。

多くの点で、今日の天気予報は実際にはビッグデータの問題です。 ある意味、これはモノのインターネットとデータ統合の問題でもあり、さらなる処理のために一連のデータにアクセスし、統合し、保存しようとしているのだと Ewe 氏は付け加えました。

その結果、天気予報の作成には、専門分野の専門知識だけが必要になるわけではありません。 気象学者だけでなく、データサイエンティスト、データエンジニア、機械のチームの仕事も含まれます 学習/DevOps の専門家。 大規模なビッグ データやデータ サイエンスのタスクと同様に、精度と実行可能性の間にはトレードオフがあります。

• 2022 年のベスト異常気象テクノロジー: 停電対策用品

大規模な天気予報としては十分な精度

ほとんどの CTO と同様に、Ewe もテクノロジーの活用を楽しんでいますが、物事のビジネス面も認識する必要があります。 手を抜くことなく、ちょうどいい、つまり「十分な」精度を維持しながら、同時にこれを経済的に実行可能にするのは、非常に複雑な作業です。 DTN はさまざまな方法でこれにアプローチします。

1 つの方法は、冗長性を減らすことです。 Ewe 氏が説明したように、時間が経つにつれ、合併と買収を経て、DTN は 5 つ以上の予測エンジンを所有するようになりました。 いつものことですが、それぞれに長所と短所がありました。 DTN チームは、それぞれの最良の要素を取り入れ、1 つのグローバル予測エンジンに統合しました。

もう 1 つの方法は、ハードウェアを最適化し、関連コストを削減することです。 DTN は AWS と連携しました この非常に要求の厳しいユースケースのニーズに適した新しいハードウェア インスタンスを開発します。 新しい AWS インスタンスを使用することで、DTN は気象予測モデルをオンデマンドで前例のない速度と規模で実行できます。

以前は、天気予報モデルを実行するには数時間かかるため、天気予報モデルを 1 日に 1 回か 2 回、設定された間隔で実行することしか実現できませんでした。 Ewe氏によると、現在ではモデルはオンデマンドで実行でき、1時間分の地球規模の予測を約1分で生成できるという。 ただし、同様に重要なのは、これらのインスタンスの使用がより経済的であるという事実です。

DTN のモデルがどのように動作するかについての実際の科学については、次のものが含まれます。 データ駆動型の機械学習モデルと気象分野の専門知識を組み込んだモデルの両方. Ewe 氏は、DTN はアンサンブル アプローチを採用しており、さまざまなモデルを実行し、必要に応じてそれらを比較検討して、最終的な結果を生成していると指摘しました。

ただし、その結果は二者択一ではありません。たとえば、雨が降るか降らないかです。 むしろ、これは確率的であり、潜在的な結果に確率を割り当てることを意味します。たとえば、ビューフォートの風が 6 回吹く確率は 80% です。 この背後にある推論は、これらの予測が何に使用されるか、つまりオペレーショナル インテリジェンスに関係しています。

それは、顧客の意思決定を支援することを意味します。この海洋掘削施設を避難すべきか否か。 この船や飛行機はルートを変更すべきでしょうか? このスポーツイベントは開催すべきでしょうか、すべきでしょうか?

Ewe 氏によると、アンサンブル アプローチは、予測をリスク方程式に組み込むことができる鍵となります。 フィードバック ループと、適切な状況で適切な重みを備えた適切なモデルの選択を自動化することは、DTN が積極的に取り組んでいることです。

ここにも「十分に良い」という側面が関係します。 Ewe 氏が言うように、本当の価値は、これらのモデルが生成する予測を下流で利用することにあります。 「天候は次の下流モデルへの入力パラメータの 1 つにすぎないため、投資レベルのバランスを取る方法には細心の注意を払う必要があります。 場合によっては、その追加の 0.5 度の精度が次のモデルに影響を与えないこともあります。 時々そうなりますよ。」

一周回って、Ewe 氏は、DTN の関心は顧客に対する同社の日常業務に集中していると指摘しました。 そして、天候がそれらの作業にどのような影響を与え、最高レベルの安全性と金銭的利益を可能にするかについても説明します。 顧客。 「これは、外部の第三者に当社の予測の精度を測定してもらうよりもはるかに価値があることが証明されました。 私たちの予測がどれほど正確で価値があるかを測るのは、日々の顧客とのやり取りです。」