Weather Underground прави прогнозите за времето, базирани на повече от 200 000 частно изградени метеорологични станции по целия свят, плюс обществени станции, които варират в зависимост от броя на страната. Компанията добавя 400 нови станции в Азия, Южна Америка и Африка и ще ги интегрира с AI за изучаване на езици на Watson на IBM (тази, която играе на опасност! И спечели) .
Свързано съдържание
- Как Първата световна война промени прогнозата на времето за добро
И какво точно означава това? Той създава глобална система за прогноза за времето, свързана с редица световни бизнеси, и с това надежда да надмине една от най-скъпите, вредни променливи в глобалната индустрия - времето.
Когато IBM купи окръжната компания / WU миналия октомври, той незабавно обяви намерението си да обедини 200 000 метеорологични станции на WU с Уотсън през Интернет на нещата. IoT не е специфичен език, а по-скоро концепцията за обединяване на много различни неща под един език, така че всичките им данни могат да бъдат компилирани и представени заедно. Какъвто и да е протоколът, прогнозата за времето си струва големи пари за глобалните компании.
„Само в САЩ знаем, че предприятията губят повече от 500 милиарда долара поради проблеми, свързани с времето“, казва Мери Глакин, ръководител на операциите за прогнозиране на науката в The Weather Company. IBM и метеорологичната компания разглеждат авиационната, застрахователната, комуналната и селскостопанската индустрия като ранни възприемачи на инструмента за прогнозиране на времето, използван от WU, от WU.
„До всички данни на Weather Company можете да получите достъп чрез обикновен публикуван приложен програмен интерфейс (API)“, казва Джон Кон, колега на IBM и главен учен по автоматизация на дизайна. Помислете за API като набор от инструкции за изграждане на част от софтуера. Гъвкава е, тъй като компанията за крайни потребители може да избере какъв софтуер ще изглежда. От този цифров портал служителите му ще получат достъп до данните, получени от метеорологичните станции и свързаните с IoT устройства, и Уотсън ги свързва, като им позволява да задават въпроси по начина, по който човек задава друг човек.
Тази карта показва глобалното покритие на личните метеорологични станции на Weather Underground. (Времето под земята) „Нашата първоначална демонстрация, която вече е онлайн и работи, е около проект, наречен EZ Buddy“, казва Кон, „разработен от нашата изследователска лаборатория на IBM в Кения. EZ Buddy демонстрира как местните метеорологични данни могат да се използват с наблюдение и контрол на местното напояване, за да помогнат на фермерите да оптимизират поливането си. “Земеделските производители изпращат текста на системата от мобилните си телефони и задават въпроси като„ Кога трябва да поливам? “ и „Колко време, докато моите резервоари за вода се напълнят от дъжд?“, и текстовете на системата отговаря на тях. След като се разшири извън Източна Африка, WIoT (Watson IoT) ще обедини всички метеорологични станции на WU със съответните сателитни данни, ще вдигне данни от датчиците за налягане на клетъчните телефони и ще ги комбинира с местна информация, като например измерване на почвата и близки водохранилища, за да изостри метеорологичните модели както в глобален, така и в локален план Земеделските производители могат да го използват за управление на напояването, сезоните на засаждане и графика на пестициди. „Това ще демонстрира как търговски интереси като застрахователи, интереси за търговско земеделие и по-интелигентни градове могат да изграждат търговски системи, които съчетават хиперлокални данни за времето с когнитивния IoT“, добавя Кон.
Авиолиниите вече събират доклади за турбуленцията чрез бордовите акселерометри и обединяват данните чрез The Weather Company. Според доклада на компанията за 2016 г., турбуленцията причинява 5 милиона долара годишно щети, 35 милиона долара годишно при наранявания на екипаж и пътници и 1, 36 милиарда долара годишно в отклонения от полети. WIoT ще свърже в глобалния метеорологичен модел данните за турбуленцията на всички тези търговски въздухоплавателни средства, изграждайки система за прогнозиране, до която всички авиокомпании могат да имат достъп чрез този портал на API. С него пилотите могат да маневрират около бури, а компютърните системи на авиокомпаниите могат да коригират прогнозираните часове на пристигане и заминаване.
Лична метеорологична станция, инсталирана на брега (Weather Underground) Тежкото време причинява 500 милиарда долара щети в САЩ всяка година, според неотдавнашно представяне на застрахователната индустрия от The Weather Company. „Допълнителните набори от данни на WIoT също ще ни помогнат да прогнозираме риска с повишена точност, да намалим броя на подадените искове, като същевременно ще помогне на застрахователните компании да измамят с флаг“, казва Глакин. Застрахователните компании биха могли да предупредят клиентите да се приближават до градушка и виелици, така че да могат да подготвят домовете и колите си, като свеждат до минимум щетите (и следователно исковете). Обществените услуги също поглъщат много загуби от тежкото време, което не винаги могат да предскажат далеч предварително. Седемдесет процента от прекъсването на електрозахранването са заради лошото време, според Big Data и Analytics Hub на IBM и всеки път, когато енергийна компания изпрати екипаж за възстановяване на услуги, струва средно 500 000 долара. Използвайки метеорологичния модел WIoT чрез API, комуналните компании могат да бъдат активни и да стартират оборудване за ремонт преди големи бури, така че ремонтните екипажи да се движат по-бързо, за да възстановят услугите.
Човек инсталира лична метеорологична станция. (Времето под земята) И тогава, както казва Кон, има и други отрасли, които вероятно ще имат достъп до метеорологичния модел, за да планират доставките си около прогнозните петна от грубо време, за да избегнат скъпи закъснения. Автомобилните и търговските компании, които движат готови стоки като леки автомобили и тениски от товарен автомобил, например през океаните, може да се възползват.
„Най-вълнуващо вярваме, че Уотсън може да ни помогне да разширим базата от знания за атмосферата“, казва Глакин. „Например, за да подобрим прогнозите си за две седмици и след това, когнитивните изчисления биха могли да усвоят всички основни познания и след това да разгледат редиците от исторически и текущи данни, които да ни помогнат да изберем прогнозни модели, които не сме разпознали с традиционните подходи.“
Значи там. Преди петдесет години не можахме да предвидим много нищо, а днес казват, че скоро AI може да започне да прави прогнози за времето за две седмици. По принцип магия.
