Poštena napoved? Kako 180 meteorologov zagotavlja 'dovolj dobre' vremenske podatke

Kakšna je dovolj dobra vremenska napoved? To je vprašanje, o katerem večina ljudi verjetno ne razmišlja veliko, saj se zdi odgovor očiten - točen. Toda spet večina ljudi ni tehničnih direktorjev pri DTN. Lars Ewe je in njegov odgovor je morda drugačen od večine ljudi. S 180 zaposlenimi meteorologi, ki zagotavljajo vremenske napovedi po vsem svetu, DTN je največje vremensko podjetje, za katerega verjetno še niste slišali.

Primer: DTN ni vključen v " ForecastWatchPregled točnosti globalne in regionalne vremenske napovedi 2017–2020." Poročilo ocenjuje 17 ponudnikov vremenske napovedi glede na obsežen sklop kriterijev ter temeljito metodologijo zbiranja podatkov in vrednotenja. Zakaj torej podjetje, ki je bilo ustanovljeno v osemdesetih letih prejšnjega stoletja, služi globalnemu občinstvu in se je vedno močno osredotočalo na vreme, ni ocenjeno?

• Poglej tudi: Vreme v ZDA, podnebne napovedi bodo kmalu boljše

Vremenska napoved kot problem velikih podatkov in interneta stvari

Ime DTN pomeni 'Digitalno prenosno omrežje' in je naklon poreklu podjetja kot kmetijske informacijske storitve, posredovane po radiu. Sčasoma je podjetje prevzelo tehnološko evolucijo, se usmerilo k zagotavljanju tega, kar imenuje "operativne obveščevalne storitve" za številne industrije, in postalo globalno.

Ewe je prej opravljal vodilne funkcije v številnih korporacijah, vključno z AMD, BMW in Oracle. Močno razmišlja o podatkih, znanosti o podatkih in zmožnosti zagotavljanja vpogledov za zagotavljanje boljših rezultatov. Ewe je DTN omenil kot globalno podjetje za tehnologijo, podatke in analitiko, katerega cilj je strankam zagotoviti uporabne vpoglede v skoraj realnem času za boljše vodenje poslovanja.

DTN-jevo vreme kot storitev® (WAAS®) pristop je treba obravnavati kot pomemben del širšega cilja, pravi Ewe. "Imamo na stotine inženirjev, ki se ne posvečajo samo napovedovanju vremena, ampak tudi vpogledom," je dejal Ewe. Pojasnil je tudi, da DTN iz več razlogov vlaga v izdelavo lastnih vremenskih napovedi, čeprav bi jih lahko oddal zunanjim izvajalcem.

Številne razpoložljive storitve za napovedovanje vremena niso globalne ali pa imajo slabosti na določenih področjih, kot je ločljivost slike, pravi Ewe. Dodal je, da DTN izkorišča vse javno dostopne in številne lastniške vnose podatkov za ustvarjanje lastnih napovedi. DTN prav tako dopolnjuje te podatke z lastnimi vnosi podatkov, saj ima v lasti in upravlja na tisoče vremenskih postaj po vsem svetu. Drugi viri podatkov vključujejo satelite in radarje, vremenske balone in letala ter zgodovinske podatke.

Nekaj ​​primerov storitev višjega reda, ki jih zagotavlja DTN-jeva vremenska napoved, bi bila analiza vpliva nevihte in vodenje ladijskega prometa. Analizo vpliva neurja uporabljajo javna podjetja za boljše napovedovanje izpadov ter ustrezno načrtovanje in osebje. Ladjarske družbe uporabljajo navodila za pošiljanje za izračun optimalnih poti za svoje ladje, tako z vidika varnosti kot tudi z vidika učinkovitosti goriva.

Kar je v središču pristopa, je ideja, da se vzame tehnologija in podatki napovedi DTN ter se nato združijo s podatki, specifičnimi za stranko, da se zagotovijo prilagojeni vpogledi. Čeprav obstajajo osnovne storitve, ki jih lahko ponudi tudi DTN, bolj specifični kot so podatki, boljša je storitev, je opozoril Ewe. Kakšni bi lahko bili ti podatki? Vse, kar pomaga modelom DTN delovati bolje.

To je lahko položaj ali oblika ladij ali zdravje infrastrukturnega omrežja. Pravzaprav, ker se takšni koncepti večkrat uporabljajo v modelih DTN, se podjetje premika v smeri pristopa digitalnega dvojčka, je dejal Ewe.

Danes je vremenska napoved v mnogih pogledih res velik podatkovni problem. Do neke mere, je dodal Ewe, je to tudi problem interneta stvari in integracije podatkov, kjer poskušate dobiti dostop do niza podatkov, jih integrirati in shraniti za nadaljnjo obdelavo.

Posledično izdelava vremenskih napovedi ne vključuje le strokovnega znanja na tem področju meteorologov, temveč tudi delo skupine podatkovnih znanstvenikov, podatkovnih inženirjev in strojev strokovnjaki za učenje/DevOps. Kot vsaka velika naloga velike količine podatkov in podatkovne znanosti obstaja kompromis med natančnostjo in sposobnostjo preživetja.

• Najboljša tehnologija za ekstremne vremenske razmere 2022: oprema za izpad električne energije

Dovolj dobra vremenska napoved v velikem obsegu

Kot večina tehničnih direktorjev tudi Ewe uživa v delu s tehnologijo, vendar se mora zavedati tudi poslovne plati stvari. Ohranjanje natančnosti, ki je ravno pravšnja ali "dovolj dobra", brez ovinkarjenja, obenem pa to finančno vzdržno, je zelo zapletena vaja. DTN se tega loteva na več načinov.

Eden od načinov je zmanjšanje odvečnosti. Kot je pojasnil Ewe, je DTN sčasoma in prek združitev in prevzemov pridobil več kot pet mehanizmov za napovedovanje. Kot se običajno zgodi, je imel vsak od njih svoje prednosti in slabosti. Ekipa DTN je vzela najboljše elemente vsakega in jih združila v en globalni mehanizem napovedi.

Drug način je optimizacija strojne opreme in zmanjšanje s tem povezanih stroškov. DTN je sodeloval z AWS za razvoj novih primerkov strojne opreme, ki ustrezajo potrebam tega zelo zahtevnega primera uporabe. Z uporabo novih primerkov AWS lahko DTN izvaja modele vremenske napovedi na zahtevo ter z izjemno hitrostjo in obsegom.

V preteklosti je bilo modele vremenske napovedi mogoče izvajati samo v določenih intervalih, enkrat ali dvakrat na dan, saj je trajalo več ur, da so jih zagnali. Zdaj lahko modeli delujejo na zahtevo in ustvarijo enourno globalno napoved v približno eni minuti, pravi Ewe. Enako pomembno pa je dejstvo, da so ti primerki bolj ekonomični za uporabo.

Kar zadeva dejansko znanost o tem, kako delujejo modeli DTN - vsebujejo tako modeli strojnega učenja, ki temeljijo na podatkih, kot tudi modeli, ki vključujejo strokovno znanje s področja meteorologije. Ewe je opozoril, da DTN uporablja ansambelski pristop, izvaja različne modele in jih po potrebi tehta, da ustvari končni rezultat.

Ta rezultat pa ni binarni -- na primer dež ali brez dežja. Namesto tega je verjetnostna, kar pomeni, da pripisuje verjetnosti možnim izidom -- 80-odstotna verjetnost 6 Beaufortovih vetrov, na primer. Razlogi za to so povezani s tem, za kaj se te napovedi uporabljajo: operativna inteligenca.

To pomeni, da strankam pomagamo pri odločitvah: Ali naj se ta obrat za vrtanje na morju evakuira ali ne? Ali je treba to ladjo ali letalo preusmeriti ali ne? Ali naj ta športna prireditev poteka ali ne?

Ewe pravi, da je ansambelski pristop ključen pri tem, da lahko vključimo napovedi v enačbo tveganja. Povratne informacije in avtomatizacija izbire pravih modelov s pravimi utežmi v pravih okoliščinah so tisto, na čemer DTN aktivno dela.

Tu nastopi tudi vidik "dovolj dobro". Prava vrednost, kot je dejal Ewe, je v nadaljnji porabi napovedi, ki jih ustvarijo ti modeli. "Želite biti zelo previdni pri tem, kako uravnotežite svoje naložbene ravni, saj je vreme le en vhodni parameter za naslednji model na nižji stopnji. Včasih ta dodatna polovica natančnosti morda sploh ne bo vplivala na naslednji model. Včasih se."

Ko je prišel do konca kroga, je Ewe opazil, da je pozornost DTN osredotočena na vsakodnevno poslovanje svojih strank, in kako vreme vpliva na te operacije ter omogoča najvišjo raven varnosti in denarnih donosov za stranke. "To se je izkazalo za veliko bolj dragoceno, kot če bi zunanja oseba izmerila točnost naših napovedi. Naša dnevna interakcija s strankami meri, kako točne in dragocene so naše napovedi."