W ubiegłym miesiącu, pomimo tragicznych konsekwencji huraganu Sandy, jedno stało się oczywiste - dostępne obecnie potężne modele pogodowe stają się coraz lepsze, pomagając prognostykom przewidzieć, dokąd nadejdą burze takie jak Sandy.
powiązana zawartość
- Dlaczego Google Flu Trends nie może śledzić grypy (jeszcze)
Ta technologia jest bardziej przydatna niż przewidywanie burz. W badaniu opublikowanym wczoraj w Proceedings of National Academy of Sciences para naukowców wykorzystała tę technologię do przewidywania rozprzestrzeniania się grypy. Dzięki danym w czasie rzeczywistym z Google Flu Trends, ich modele mogą przewidzieć, gdzie, kiedy i jak poważnie wystąpią sezonowe epidemie grypy w całym kraju.
„Ustalenia wskazują, że umiejętne przewidywanie czasu szczytowego w czasie rzeczywistym może być dokonane na ponad siedem tygodni przed faktycznym szczytem”, pisze Jeffrey Shaman, naukowiec zajmujący się środowiskiem z Columbia University oraz Alicia Karspeck z National Center for Atmospheric Research w ich papier. „Ta praca stanowi pierwszy krok w opracowaniu statystycznie rygorystycznego systemu prognozowania grypy sezonowej w czasie rzeczywistym.” Jeśli spełnią się takie nadzieje, może istnieć coś w rodzaju systemu ostrzegania przed grypą („przewiduje się, że wskaźniki grypy osiągną szczyt w twojej okolicy w przyszłym tygodniu ”) podobne do huraganów i innych trudnych warunków pogodowych.
Zarówno przenoszenie pogody, jak i grypy są przykładami układów nieliniowych: takich, w których niewielka zmiana warunków początkowych może spowodować ogromną zmianę wyników. Budując modele pogodowe, naukowcy analizują dane historyczne o tym, w jaki sposób tego rodzaju niewielkie zmiany (powiedzmy nieco cieplejsza woda na Karaibach) wpłynęły na wyniki (huragan o znacznie większej sile, gdy nastąpi lądowanie na wschodnim wybrzeżu). Dzięki przyswojeniu lat danych i przeprowadzeniu niezliczonych symulacji mogą one wygenerować dość dokładną prognozę prawdopodobieństwa wystąpienia hipotetycznych zdarzeń pogodowych w ciągu około tygodnia.
W nowym badaniu naukowcy wykorzystali zasady wynikające z tych modeli i zastosowali je do rozprzestrzeniania się grypy. W przypadku danych wejściowych, oprócz pomiarów temperatury, ciśnienia i wiatru w atmosferze, korzystali z Google Flu Trends, usługi dostarczającej w czasie rzeczywistym dane na temat przenoszenia grypy na całym świecie poprzez dokładne sprawdzenie wyszukiwanych haseł wprowadzonych do Google. Chociaż nie każda osoba szukająca „grypy” musi mieć grypę, badacze Google wykazali, że wyszukiwane hasła związane z grypą mogą być dokładnym wskaźnikiem szybkości transmisji grypy na całym świecie - jeśli wiele osób w danym obszarze nagle zacznie szukać „grypy”, ”Dobrze, że infekcja przyszła masowo.
Grypa wydaje się zachowywać zgodnie z probabilistycznymi zasadami dotyczącymi warunków atmosferycznych podobnych do pogody. Inne czynniki, które należy wziąć pod uwagę, to gęstość zaludnienia na danym obszarze. Łącząc czynniki takie jak wilgotność i temperatura z danymi Google i faktycznymi danymi dotyczącymi grypy przechowywanymi przez szpitale, naukowcy byli w stanie opracować modele, które przybliżają sposób przenoszenia grypy w latach, odkąd urzędnicy śledzą.
Aby przetestować swój model, naukowcy ocenili dane dotyczące grypy w Nowym Jorku w latach 2003–2008. Wprowadzając dane dotyczące przenoszenia grypy do określonego czasu i prosząc model o przedstawienie cotygodniowej prognozy zachowania grypy, byli w stanie wyprodukować dokładne prognozy momentu wystąpienia infekcji, czasem nawet siedem tygodni przed czasem. Ponadto, podobnie jak w przypadku modeli pogodowych, system może rozróżnić kilka różnych scenariuszy i dostarczyć oszacowania prawdopodobieństwa wystąpienia każdego z nich.
Przy ciągłym rozwoju i danych w czasie rzeczywistym, takich jak Google Flu Trends, teoretycznie można zastosować ten typ technologii do generowania prognozy grypy dla lokalnych obszarów, nawet na poziomie stanu lub miasta.
