Tisztességes előrejelzés? Hogyan szolgáltat 180 meteorológus "elég jó" időjárási adatokat

Az időjárás-előrejelzések is az adatokról és a modellekről szólnak manapság. De a pontosság és az életképesség egyensúlya szép cselekedet, különösen globális szinten és akkor, ha nagy a tét.

Mi az elég jó időjárás-előrejelzés? Ez egy olyan kérdés, amelyen a legtöbb ember valószínűleg nem sokat gondolkodik, mivel a válasz nyilvánvalónak tűnik - pontos. De a legtöbb ember nem CTO a DTN-nél. Lars Ewe az, és a válasza eltérhet a legtöbb emberétől. A világszerte 180 meteorológussal a DTN a legnagyobb időjárási cég, amelyről valószínűleg még soha nem hallottál.

A megközelítés középpontjában az az ötlet áll, hogy a DTN előrejelzési technológiáját és adatait egyesítsék az ügyfélspecifikus adatokkal, hogy személyre szabott betekintést nyújtsanak. Annak ellenére, hogy vannak olyan alapszolgáltatások, amelyeket a DTN is kínálhat, minél specifikusabbak az adatok, annál jobb a szolgáltatás - jegyezte meg Ewe. Mik lehetnek ezek az adatok? Bármi, ami segít a DTN modelljeinek jobb teljesítményében.

Ez lehet a hajók helyzete vagy alakja, vagy az infrastruktúra rácsának állapota. Valójában, mivel az ilyen fogalmakat többször is használják a DTN modelljeiben, a vállalat a digitális iker megközelítés irányába halad - mondta Ewe.

Sok szempontból az időjárás-előrejelzés ma valóban nagy adatprobléma. Bizonyos mértékig Ewe hozzátette, hogy ez a dolgok internete és az adatintegrációs probléma is, ahol megpróbál hozzáférni, integrálni és tárolni egy sor adatot további feldolgozás céljából.

Következésképpen az időjárás-előrejelzések készítése nem csak a meteorológusok szakértelmét foglalja magában, hanem egy adattudósokból, adatmérnökökből és gépi tanulási/DevOps-szakértőkből álló csapat munkáját is. Mint minden nagy adathalmaz és adattudományi feladat nagy léptékben, itt is kompromisszum van a pontosság és az életképesség között.

• A legjobb szélsőséges időjárási technológia 2022: Áramkimaradó felszerelés

Elég jó időjárás-előrejelzés méretarányosan

A legtöbb CTO-hoz hasonlóan Ewe is szeret a technológiával dolgozni, de tisztában kell lennie a dolgok üzleti oldalával is. A megfelelő vagy "elég jó" pontosság fenntartása anélkül, hogy levágnánk a sarkokat, ugyanakkor pénzügyileg életképessé tennénk, nagyon összetett feladat. A DTN ezt többféleképpen is megközelíti.

Az egyik módja a redundancia csökkentése. Ahogy Ewe kifejtette, az idő múlásával, valamint az egyesülések és felvásárlások révén a DTN több mint öt előrejelző motor birtokába került. Mint általában, mindegyiknek megvoltak a maga erősségei és gyengeségei. A DTN csapata mindegyik legjobb elemeit összevonta egy globális előrejelző motorban.

Egy másik lehetőség a hardver optimalizálása és a kapcsolódó költségek csökkentése. A DTN az AWS-sel együttműködve új hardverpéldányokat fejlesztett ki, amelyek megfelelnek ennek a nagyon igényes felhasználási esetnek. Az új AWS-példányok használatával a DTN igény szerint, példátlan sebességgel és léptékben futtathat időjárás-előrejelzési modelleket.

A múltban csak meghatározott időközönként, naponta egyszer vagy kétszer lehetett időjárás-előrejelző modelleket futtatni, mivel órákig tartott a futtatásuk. Ewe szerint most a modellek igény szerint futhatnak, és körülbelül egy perc alatt egyórás globális előrejelzést generálnak. Ugyanilyen fontos azonban az a tény, hogy ezek a példányok gazdaságosabbak a használatuk.

Ami a DTN modelljének működésének tényleges tudományát illeti - ezek mind adatvezérelt, gépi tanulási modelleket, mind meteorológiai szakértelmet tartalmazó modelleket tartalmaznak. Ewe megjegyezte, hogy a DTN együttes megközelítést alkalmaz, különböző modelleket futtat, és szükség szerint mérlegeli őket a végeredmény eléréséhez.

Ez az eredmény azonban nem bináris - például eső vagy eső nélkül. Inkább valószínűségi, ami azt jelenti, hogy valószínűségeket rendel a lehetséges kimenetelekhez - például 6 Beaufort-szél 80%-os valószínűsége. Ennek oka azzal függ össze, hogy mire használják ezeket az előrejelzéseket: az operatív intelligenciára.

Ez azt jelenti, hogy segíteni kell az ügyfeleknek a döntések meghozatalában: Ki kell-e üríteni ezt a tengeri fúrólétesítményt vagy sem? Ezt a hajót vagy ezt a repülőgépet át kell irányítani vagy sem? Meg kell rendezni ezt a sporteseményt vagy sem?

Ewe szerint az együttes megközelítés kulcsfontosságú ahhoz, hogy az előrejelzéseket figyelembe lehessen venni a kockázati egyenletben. A visszacsatolási hurkok és a megfelelő modellek kiválasztásának automatizálása a megfelelő súlyokkal, a megfelelő körülmények között az, amin a DTN aktívan dolgozik.

Itt jön be az "elég jó" szempont is. Az igazi érték, ahogy Ewe fogalmazott, az általuk generált előrejelzések későbbi felhasználásában rejlik. "Nagyon óvatosnak kell lennie a befektetési szintek egyensúlyában, mert az időjárás csak egy bemeneti paraméter a következő downstream modellhez. Néha ez az extra fél fokú pontosság nem is változtat a következő modellen. Néha igen."

A kör bezárulásakor Ewe megjegyezte, hogy a DTN figyelme a vállalat ügyfeleinek napi működésére összpontosul, és arra, hogy az időjárás hogyan befolyásolja ezeket a műveleteket, és hogyan teszi lehetővé a legmagasabb szintű biztonságot és pénzbeli megtérülést az ügyfelek számára. "Ez sokkal értékesebbnek bizonyult, mint egy külső fél megmérni előrejelzéseink pontosságát. A napi ügyfél-interakciónk méri, mennyire pontosak és értékesek az előrejelzéseink."