Чесний прогноз? Як 180 метеорологів надають «досить хороші» дані про погоду

Що є достатньо хорошим прогнозом погоди? Більшість людей, ймовірно, не замислюються над цим питанням, оскільки відповідь здається очевидною — точною. Але знову ж таки, більшість людей не є технічним директором у DTN. Ларс Еве є, і його відповідь може відрізнятися від відповіді більшості людей. Маючи штат 180 метеорологів, які забезпечують прогнози погоди по всьому світу, DTN є найбільшою погодною компанією, про яку ви, напевно, ніколи не чули.

Приклад: DTN не включено в ForecastWatch "Огляд точності глобального та регіонального прогнозу погоди на 2017–2020 рр

." У звіті оцінюється 17 постачальників прогнозів погоди відповідно до комплексного набору критеріїв і методології ретельного збору даних і оцінки. Отже, чому компанія, яка почала свою діяльність у 1980-х роках, обслуговує глобальну аудиторію та завжди приділяла значну увагу погоді, не оцінюється?

• Дивись також: Прогноз погоди та клімату в США скоро покращиться

Прогноз погоди як проблема великих даних та Інтернету речей

Назва DTN розшифровується як «Цифрова мережа передачі» і є натяком на походження компанії як служби інформації про ферми, що надається по радіо. З часом компанія перейняла технологічну еволюцію, повернулася до надання того, що вона називає «оперативними розвідувальними послугами» для ряду галузей, і вийшла на глобальний рівень.

Юві раніше обіймав керівні посади в низці корпорацій, у тому числі в AMD, BMW і Oracle. Він глибоко ставиться до даних, науки про дані та здатності надавати розуміння для досягнення кращих результатів. Ewe назвав DTN глобальною компанією, що займається технологіями, даними та аналітикою, мета якої — надавати клієнтам практичну інформацію майже в реальному часі, щоб краще вести свій бізнес.

Погода як послуга DTN® (WAAS®) підхід слід розглядати як важливу частину ширшої мети, за словами Еве. «У нас є сотні інженерів, які займаються не лише прогнозуванням погоди, а й розумінням», — сказав Ю. Він також пояснив, що DTN інвестує у виробництво власних прогнозів погоди, навіть незважаючи на те, що вона може передати їх аутсорсингу з кількох причин.

Багато доступних служб прогнозування погоди або не є глобальними, або мають слабкі сторони в певних областях, таких як роздільна здатність зображення, за словами Еві. DTN, додав він, використовує всі загальнодоступні та багато приватних даних для створення власних прогнозів. DTN також доповнює ці дані власними вхідними даними, оскільки вона володіє та керує тисячами метеостанцій по всьому світу. Інші джерела даних включають супутники та радари, погодні кулі та літаки, а також історичні дані.

Деякими прикладами послуг вищого рівня, які забезпечують прогнозування погоди DTN, є аналіз впливу шторму та керівництво судноплавством. Аналіз впливу шторму використовується комунальними службами для кращого прогнозування відключень, планування та персоналу відповідно. Настанови щодо судноплавства використовуються судноплавними компаніями для розрахунку оптимальних маршрутів для своїх суден як з точки зору безпеки, так і з точки зору ефективності палива.

В основі підходу лежить ідея взяти технологію прогнозування та дані DTN, а потім об’єднати їх із даними, що стосуються конкретного клієнта, щоб отримати індивідуальне розуміння. Незважаючи на те, що DTN також може запропонувати базові послуги, чим точніші дані, тим краща послуга, зазначив Ю. Які це можуть бути дані? Все, що допомагає моделям DTN працювати краще.

Це може бути положення або форма кораблів або стан інфраструктурної мережі. Насправді, оскільки такі концепції неодноразово використовуються в моделях DTN, компанія рухається в напрямку цифрового подвійного підходу, сказав Ю.

У багатьох відношеннях прогноз погоди сьогодні справді є великою проблемою даних. Певною мірою, додав Еве, це також проблема Інтернету речей та інтеграції даних, коли ви намагаєтесь отримати доступ, інтегрувати та зберігати масив даних для подальшої обробки.

Як наслідок, створення прогнозів погоди передбачає не лише знання певної галузі метеорологів, а також роботу команди вчених з даних, інженерів із обробки даних і машин експерти з навчання/DevOps. Як і будь-яке масштабне завдання великих даних і науки про дані, існує компроміс між точністю та життєздатністю.

• Найкраща технологія для екстремальних погодних умов 2022: обладнання для відключення електроенергії

Досить хороший прогноз погоди в масштабі

Як і більшість технічних директорів, Еві подобається працювати з технологіями, але він також повинен знати про бізнес-сторону справи. Підтримувати точність, яка є якраз необхідною, або «достатньо хорошою», не зрізуючи кути, водночас роблячи це фінансово життєздатним, є дуже складною вправою. DTN підходить до цього кількома способами.

Одним із способів є зменшення надмірності. Як пояснив Еве, з часом і завдяки злиттям і поглинанням компанія DTN отримала понад п’ять систем прогнозування. Як це зазвичай буває, кожен з них мав свої сильні та слабкі сторони. Команда DTN взяла найкращі елементи кожного з них і об’єднала їх в один глобальний механізм прогнозування.

Іншим способом є оптимізація апаратного забезпечення та зниження пов’язаних з цим витрат. DTN працював з AWS для розробки нових екземплярів апаратного забезпечення, які відповідають потребам цього дуже вимогливого випадку використання. Використовуючи нові екземпляри AWS, DTN може запускати моделі прогнозування погоди на вимогу з безпрецедентною швидкістю та масштабом.

Раніше було можливо запускати моделі прогнозу погоди лише через задані проміжки часу, один або два рази на день, оскільки для їх запуску потрібні були години. Тепер моделі можуть працювати на вимогу, генеруючи одногодинний глобальний прогноз приблизно за хвилину, за словами Еві. Однак не менш важливим є той факт, що ці екземпляри більш економічні у використанні.

Що стосується фактичної науки про те, як працюють моделі DTN, вони містять як керовані даними, моделі машинного навчання, так і моделі, що включають досвід метеорологічної області. Еві зазначив, що DTN використовує комплексний підхід, запускаючи різні моделі та зважуючи їх за потреби для отримання остаточного результату.

Однак цей результат не є подвійним — наприклад, дощ чи відсутність дощу. Швидше, це ймовірнісний характер, тобто він призначає ймовірності потенційним результатам – наприклад, 80% ймовірність вітру 6 Бофорта. Причина цього полягає в тому, для чого ці прогнози використовуються: оперативна розвідка.

Це означає допомогу клієнтам у прийнятті рішень: евакуювати це морське бурове підприємство чи ні? Слід змінити маршрут цього корабля чи літака чи ні? Має відбуватися ця спортивна подія чи ні?

За словами Еве, комплексний підхід є ключовим у можливості врахувати прогнози в рівнянні ризику. DTN активно працює над створенням циклів зворотного зв’язку та автоматизації вибору правильних моделей із правильними вагами в правильних обставинах.

Тут також виникає аспект «досить добре». Справжня цінність, як висловився Ю, полягає в споживанні прогнозів, які генерують ці моделі. «Ви повинні бути дуже обережними в тому, як ви збалансовуєте свої інвестиції, тому що погода є лише одним із вхідних параметрів для наступної моделі. Іноді цей додатковий півступеня точності може навіть не мати значення для наступної моделі. Іноді це так».

Підійшовши до повного циклу, Юві зазначив, що увага DTN зосереджена на щоденній діяльності компанії щодо її клієнтів, і як погода впливає на ці операції та забезпечує найвищий рівень безпеки та грошових прибутків клієнтів. «Це виявилося набагато цінніше, ніж те, щоб зовнішня сторона вимірювала точність наших прогнозів. Наша щоденна взаємодія з клієнтами визначає, наскільки точні та цінні наші прогнози».