大数据挑战天气预测极限,或可预测40天

俗话说,天有不测风云,然而EarthRisk公司的大数据分析技术近期有望挑战天气预测的极限,对于大型能源企业和普通消费者而言,这其中意义都是非凡的。

EarthRisk公司最近开发了一种新的模型用于预测极端天气事件。该模型可对过去60年数据进行820亿次分析来识别天气模式,然后与目前的情况进行对比,通过预测分析来预测未来40天的天气。

EarthRisk的技术来自加州大学圣地亚哥斯克里普斯海洋研究所,其创始人兼CEO John Plavan认为旧的天气预报基于主管预测模型,难以精确预测一周后的天气情况。

“全球有数十万计的天气变量在持续变化,旧的模型无法将这些变量都考虑进去,”Plavan认为:

“对于传统预测模型来说,如果初始状态发生变化,就会毁掉整个预测结果。我们使用统计关系来预测最终结果,这项技术不会产生旧模型会遇到的混乱。我们将大数据分析运用到了一个亟待变革的行业。”

EarthRisk的数据目前来自美国和英国政府,以及数以千计的野外工作的科学家和研究人员,其数据库每天都在更新。EarthRisk的引擎搜索数据的相关性,以及重要的统计模式,并基于这些信息给出可能性预测。其基本方法是通过分析过去来预测未来。

“剧烈温度变化会对电力公司、能源贸易商和能源公司产生很大影响,这些公司花费数以亿计的美元试图预测天气,如果他们知道能够预知一个月后将有极端低温天气出现,他们就能及时做出有效的决策,这些公司为了一点点优势都会不惜代价。”Plavan认为。

EarthRisk的旗舰产品TempRisk是该领域第一个商业化的大数据分析产品,面向研究和能源贸易领域的客户。EarthRisk已经在该技术上投入多年时间用于研发、优化和测试。earthRisk最近启动了大规模的商业化活动和业务扩张,未来可能会推出面向消费者的应用,例如在旅游出行前查询目的地的未来天气情况。

原文链接:http://www.ctocio.com/ccnews/12325.html

时间: 2024-08-21 17:07:51

大数据挑战天气预测极限,或可预测40天的相关文章

大数据发展的问题剖析及未来预测

RainStor的CEO--John Bantleman,有着超过20年的从业经验.最近他在<连线>杂志上发表了一篇关于大数据的文章,文章称大数据将在2013年变成企业需要面对的几大重要问题之一,同时他也对今年大数据带来的挑战进行了5个方面的预测. 以下为文章全文: 2012年,大数据已经被证明是一个重要的趋势,并且对来年的大数据市场进行了很多的预测.现实情况是,客户将最终决定大数据的发展趋势,也将决定使用哪些技术解决方案来解决他们的独特业务问题. 在如今由数据驱动发展的世界里,企业为了保持竞

处理大数据挑战:管理与监督

大数据挑战需要管理监督 对于一些组织来说,管理和分析超大规模数 据集的最大挑战之一就是搜索可以带来商业利益的有价值的信息,决定哪些数据 可以被丢弃. 例如:UPMC是一家总部位于匹兹堡的医疗保健网络机构,它 拥有20多家医院和超过五万名员工,该机构发现最近几年的数据存储突飞猛进地 增长.William Costantini是该公司综合业务中心的副主任,他认为很大程度上 是因为员工们不敢删除任何信息. Costantini说:"目前最大的问题是要 弄清楚哪些你可以清除,哪些你不能清除,因为每个人都

企业CIO解决大数据挑战 先回答三个问题

当今,大数据的到来,已经成为现实生活中无法逃避的挑战.每当我们要做出决策的时候,大数据就无处不在.大数据术语广泛地出现也使得人们渐渐明白了它的重要性.大数据渐渐向人们展现了它为学术.工业和政府带来的巨大机遇.与此同时,大数据也向参与的各方提出了巨大的挑战,首先是三个重要的技术问题: 一.如何利用信息技术等手段处理非结构化和半结构化数据 大数据中,结构化数据只占15%左右,其余的85%都是非结构化的数据,它们大量存在于社交网络.互联网和电子商务等领域.另一方面,也许有90%的数据来自开源数据,其余

Hadoop的虚拟化之恋:应对大数据挑战

文章讲的是Hadoop的虚拟化之恋:应对大数据挑战,高速增长的数据量和日益增加的竞争压力,让越来越多的企业开始思考如何挖掘这些数据的价值.传统的BI系统.数据仓库和数据库系统都不能很好地处理这些数据.原因包括: 1.数据量太大,传统数据库不能有效存储并维持可以接受的性能; 2.新产生的数据往往是非结构化的,而传统方式都是为处理结构化数据而设计的; 3.传统数据处理所需的硬件往往相对昂贵,随着数据量增加而继续用传统方式处理的成本让很多企业不能承受.为此,倍受互联网界推崇的Apache Hadoop

应对大数据挑战 企业需共享式服务模型

本文讲的是应对大数据挑战 企业需共享式服务模型,大数据来袭!当企业准备把自己的MapReduce应用从实验环境迁移到生产环境时,共享式服务模型将为这种迁移提供许多重要功能,并加快迁移步伐. 大数据是当今科技行业发展速度最快的领域之一.大数据具有前所未有的大量化.快速化和多样化三大特点,这些是许多新技术背后的驱动力,这些技术可帮助企业处理大数据带来的多种新问题. 在诸多的新兴解决方案中,Hadoop和MapReduce被视为是两种大有希望的方法,可高效管理和分析大数据.但目前针对MapReduce

CIO:物联网的大数据挑战

近日,2012第二届中国计算机技术大会在京召开,会上,IBM中国研究院沈晓卫提出了物联网的大数据挑战. 沈晓卫谈到,IBM认为,物联网不仅仅是传感器,物联网是提供支撑智慧地球的一个基础架构,物联网的存在使这种基于大数据的采集以及分析变成了一种可能,这面临着三项挑战. 1)物联网的边缘计算.大量的数据产生并不是所有的数据都要送到数据中心处理,这样可以减低企业对网络带宽的要求,提供更加实时的反映时间,增加系统的可靠性.如果上端的网络产生故障,我们具有边远计算的能力,底层系统还是可以得到及时的控制和反

解决大数据挑战先回答三个问题

当今,大数据的到来,已经成为现实生活中无法逃避的挑战.每当我们要做出决策的时候,大数据就无处不在.大数据术语广泛地出现也使得人们渐渐明白了它的重要性.大数据渐渐向人们展现了它为学术.工业和政府带来的巨大机遇.与此同时,大数据也向参与的各方提出了巨大的挑战,首先是三个重要的技术问题:一.如何利用信息技术等手段处理非结构化和半结构化数据大数据中,结构化数据只占15%左右,其余的85%都是非结构化的数据,它们大量存在于社交网络.互联网和电子商务等领域.另一方面,也许有90%的数据来自开源数据,其余的被

年服务人次3300万+,网鱼网咖的大数据挑战及架构

11+大数据行业应用实践请见https://yq.aliyun.com/activity/156,同时这里还有流计算.机器学习.性能调优等技术实践.此外,通过Maxcompute及其配套产品,低廉的大数据分析仅需几步,详情访问https://www.aliyun.com/product/odps:更多精彩内容参见大数据频道:https://yq.aliyun.com/big-data . 对于80年代的人来说,网吧这个词都不陌生.那时候电脑还没有普及,学习需要时,我们去网吧下过资料.模拟过考试:

F1赛车节能改革的大数据挑战

F1赛车如今也掀起节能环保改革,赛车发动机将从V8引擎缩水到V6,但又不能牺牲速度,又让马儿跑,又让马儿不吃草,这个经典难题只有通过大数据分析才能解决. F1赛车场可能是大数据最经典的应用场景之一,一辆辆风驰电掣的造价高达200万美元的F1赛车的设计.模拟.测试和建造完全在电脑中完成,这个流程的每个环节都将产生大量数据.虽然F1的模拟测试需要昂贵的计算机软硬件环境,但这依然比在赛道上实测的成本要低,莲花车队的老板Patrick Louis曾透露,一辆F1赛车在赛道上实测的花费每天高达40-60万