Stor data og vejrudsigter - dummies

Vejrudsigter har altid været yderst udfordrende, idet der er tale om antallet af involverede variabler og de komplekse interaktioner mellem disse variabler. Dramatiske stigninger i evnen til at indsamle og behandle data har i høj grad forbedret vejrudsigternes evne til at fastslå tidernes og alvorligheden af ​​orkaner, oversvømmelser, snevejr og andre vejrforhold.

Et eksempel på en applikation af store data til vejrudsigter er IBMs Deep Thunder. I modsætning til mange vejrudsigtssystemer, der giver generelle oplysninger om en bred geografisk region, giver Deep Thunder prognoser for ekstremt specifikke steder, som f.eks. En enkelt lufthavn, så de lokale myndigheder kan få kritisk vigtige oplysninger i realtid. Her er nogle eksempler på de oplysninger, som Deep Thunder kan give:

• Estimater af områder hvor oversvømmelser sandsynligvis vil være mest alvorlige

• Styrken og retningen af ​​tropiske storme

• Den mest sandsynlige mængde sne eller regn, der vil falde i et bestemt område > Den mest sandsynlige placering af nedadgående kraftledninger

• Estimater af områder hvor vindhastigheder sandsynligvis vil være størst

• De steder, hvor broer og veje mest sandsynligt vil blive beskadiget af storme

• Sandsynligheden for, at flyvninger bliver aflyst på bestemte lufthavne

• Disse oplysninger er afgørende for nødplanlægning. Ved hjælp af store data kan de lokale myndigheder bedre forudse problemer forårsaget af vejr, før de opstår. For eksempel kan planlæggere forberede sig på at evakuere lavtliggende områder, der sandsynligvis vil blive oversvømmet. Det er også muligt at lave planer om at opgradere eksisterende faciliteter. (For eksempel kan strømforsyninger, der er tilbøjelige til at blive deaktiveret af kraftige vindme, opgraderes.)

En vigtig kunde af Deep Thunder er byen Rio de Janeiro, Brasilien, som skal bruge systemet til planlægning af OL i 2016. Ved hjælp af teknologien vil byen udnytte forbedrede prognoser for storme, oversvømmelser og andre naturkatastrofer for at sikre, at OL ikke vil blive forstyrret af sådanne begivenheder.

IBM leverer også massiv databehandling til den koreanske meteorologiske administration (KMA) for fuldt ud at omfavne stor datateknologi. KMA samler over 1. 5 terabyte meteorologiske data hver dag, hvilket kræver en svimlende mængde lagrings- og processtyrke til analyse. Ved hjælp af store data vil KMA kunne forbedre sine prognoser vedrørende styrken og placeringen af ​​tropiske storme og andre vejrsystemer.

En terabyte svarer til en trillion bytes. Det er 1, 000, 000, 000, 000 bytes information. Du vil skrive en trillion bytes i videnskabelig notation som 1. 0 x 10

12 ^{. For at sætte det i perspektiv vil du have brug for omkring 1, 500 cd'er til at gemme en enkelt terabyte. Herunder deres plastik sager, der ville stakke op som et 40 meter højt tårn af cd'er.} Et andet eksempel på at bruge store data i vejrudsigterne fandt sted under orkanen Sandy i 2012 - "århundredets storm. "National Hurricane Center var i stand til at bruge stor datateknologi til at forudsige orkanens landgang inden for 30 miles en fuld fem dage i forvejen. Det er en dramatisk stigning i nøjagtigheden fra hvad der var muligt selv for 20 år siden. Som følge heraf var FEMA og andre katastrofeforvaltningsorganisationer langt bedre forberedt på at håndtere rodet, end de måske havde haft, hvis de opstod i 1990'erne eller tidligere.

Et af de interessante konsekvenser af at indsamle og behandle mere vejrdata er udseendet af selskaber, der sælger tilpasset forsikring for at beskytte mod vejrskade. Et eksempel er Climate Corporation, som blev dannet i 2006 af to tidligere medarbejdere hos Google. Climate Corporation sælger vejrprognoser og specialforsikring til landmænd, der søger at afdække risikoen for skader på afgrøder. Virksomheden bruger store data til at identificere de typer af risici, der er relevante for et bestemt område, baseret på massive mængder data om fugt, jordtype, tidligere afgrødeudbytter og så videre.

Landbrug er en usædvanlig risikabel forretning, fordi vejrvariablen er langt mindre forudsigelig end de variabler, der påvirker de fleste andre virksomheder, såsom rentesatser, økonomiens tilstand og så videre. Selvom landbrugsforsikring er tilgængelig fra den føderale regering, er det i mange tilfælde ikke tilstrækkeligt at opfylde de mere specialiserede typer risici, der plager individuelle famers. Climate Corporation fylder huller i føderale forsikringer - huller, der ville være umulige at tilbyde uden en bedre forståelse af risikofaktorer, som de enkelte landmænd står over for. I fremtiden, som flere data bliver tilgængelige, kan endnu mere specialiserede forsikringsprodukter (såsom forsikring til bestemte afgrøder) blive tilgængelige.