Big Data und Wettervorhersage
Die Wettervorhersage war schon immer extrem schwierig gewesen, die Zahl der beteiligten Variablen gegeben und die komplexen Wechselwirkungen zwischen diesen Variablen. Dramatischer Anstieg der Fähigkeit zu sammeln und Prozessdaten haben die Fähigkeit von Meteorologen genau zu bestimmen den Zeitpunkt und die Stärke von Wirbelstürmen, Überschwemmungen, Schneestürme und andere Wetterereignisse stark verbessert.
Ein Beispiel für eine Anwendung von großen Daten der Wettervorhersage ist IBM Deep Donner. Im Gegensatz zu vielen Wettervorhersagesysteme, die über eine breite geografische Region allgemeine Informationen geben, bietet tiefe Donner Prognosen für extrem bestimmten Orten, wie zum Beispiel einen einzigen Flughafen, so dass die lokalen Behörden kritisch wichtige Informationen in Echtzeit zu erhalten. Hier sind einige Beispiele für die Informationen, die Tiefe Donner bieten kann:
Die Schätzungen der Bereiche, in denen Überschwemmungen ist wahrscheinlich die schwerste sein
Die Stärke und Richtung der tropischen Stürme
Die wahrscheinlichste Menge Schnee oder regen, dass in einem bestimmten Bereich fallen
Die wahrscheinlichsten Standorte von abgestürzten Stromleitungen
Die Schätzungen der Bereiche, in denen Windgeschwindigkeiten geeignet sind, am größten zu sein
Die Orte, an denen Brücken und Straßen am ehesten durch Stürme beschädigt werden
Die Wahrscheinlichkeit, dass der Flüge werden von bestimmten Flughäfen abgesagt
Diese Informationen sind für die Notfallplanung unerlässlich. Mit großen Daten können die lokalen Behörden besser antizipieren durch das Wetter verursacht Probleme, bevor sie auftreten. Zum Beispiel können Planer Vorbereitungen niedrig gelegenen Gebieten zu evakuieren, die überflutet werden dürften. Es ist auch möglich, Pläne zu machen bestehende Anlagen zu aktualisieren. (Zum Beispiel, Stromleitungen, die anfällig sind werden durch starke Winde behindert aufgerüstet werden kann.)
Ein wichtiger Kunde von Deep Thunder ist die Stadt Rio de Janeiro, Brasilien, die das System bei der Planung für die Olympischen Spiele 2016 werden. Mit der Technologie wird die Stadt den Einsatz von verbesserten Prognosen für Stürme machen, Überschwemmungen und andere Naturkatastrophen, um sicherzustellen, dass die Olympischen Spiele nicht durch solche Ereignisse gestört werden.
IBM wird auch massive Rechenleistung auf der koreanischen Meteorological Administration (KMA) Bereitstellung voll große Datentechnik zu umarmen. Die KMA sammelt mehr als 1,5 Terabyte an meteorologischen Daten jeden Tag, die eine erstaunliche Menge an Speicherplatz und Rechenleistung zu analysieren erfordert. Durch die Verwendung von großen Datenmengen wird die KMA der Lage sein, seine Prognosen in Bezug auf die Stärke und Lage von tropischen Stürmen und anderen Wettersystemen zu verbessern.
Ein Terabyte ist auf eine Billion Bytes gleich. Das ist 1.000.000.000.000 Bytes von Informationen. Sie würden eine Billion Bytes in wissenschaftlicher Notation schreiben als 1,0 x 1012. Um die in der Perspektive, müssten Sie rund 1.500 CDs ein einziges Terabyte zu speichern. Einschließlich ihrer Kunststoffgehäuse, stapeln sich das würde als 40 Meter hohen Turm von CDs.
Ein weiteres Beispiel für die Verwendung von Big Data in der Wettervorhersage fand während Hurrikan Sandy im Jahr 2012 - die "Sturm des Jahrhunderts." Das National Hurricane Center war in der Lage große Datentechnologie nutzen, um die Hurrikan der Sicht von Land innerhalb von 30 Meilen volle fünf Tage im Voraus vorherzusagen. Das ist ein dramatischer Anstieg der Genauigkeit von dem, was möglich war, noch vor 20 Jahren. Als Ergebnis waren die FEMA und andere Katastrophenmanagement Organisationen weit besser vorbereitet, um mit dem Chaos zu tun, als sie es in den 1990er Jahren oder früher aufgetreten war gewesen sein könnte.
Eines der interessantesten Folgen des Sammelns und Wetterdatenverarbeitung ist das Auftreten von Unternehmen, die maßgeschneiderte Versicherung verkaufen gegen Witterungsschäden zu schützen. Ein Beispiel ist die Climate Corporation, die im Jahr 2006 von zwei ehemaligen Mitarbeitern von Google gebildet wurde. Das Klima-Gesellschaft verkauft witterungsPrognoseDienste und Spezialversicherung für die Landwirte das Risiko von Ernteschäden absichern wollen. Das Unternehmen nutzt große Daten, die die Arten von Risiken zu identifizieren, die auf einen bestimmten Bereich relevant sind, basierend auf massive Mengen von Daten auf Feuchtigkeit, Bodentyp, vorbei an der Ernteerträge, und so weiter.
Die Landwirtschaft ist ein äußerst riskantes Geschäft, da die Variable von Wetter ist weit weniger vorhersehbar als die Variablen, die die meisten anderen Unternehmen beeinflussen, wie Zinssätze, der Zustand der Wirtschaft, und so weiter. Obwohl Bauernhof Versicherung von der Bundesregierung zur Verfügung steht, in vielen Fällen ist es nicht ausreichend, um die mehr spezialisierte Arten von Risiken gerecht zu werden, die einzelne famers plagen. Die Klima-Gesellschaft füllt Lücken in Bundesversicherungs - Lücken, die ohne ein besseres Verständnis der Risikofaktoren mit Blick auf die einzelnen Landwirte zu bieten unmöglich wäre. In der Zukunft, da mehr Daten zur Verfügung stehen, noch mehr spezialisierte Versicherungsprodukte (wie Versicherungen für bestimmte Kulturpflanzen) verfügbar werden.