2022-12-23 19:59:17
Photo by Raquel Pedrotti on Unsplash
Συντάκτης: Γιώργος Καρουζάκης Θαλής και Φίλοι
Οι μετεωρολογικές προβλέψεις, όπως διαπιστώνουμε καθημερινά, δεν είναι ποτέ ακριβείς. Μία υπεύθυνη πρόβλεψη για βροχή, ή για οποιοδήποτε άλλο καιρικό φαινόμενο, δεν μπορεί να είναι απόλυτη. Αναφέρεται σε ένα ποσοστό πιθανότητας. «Για να κατανοήσουμε πώς οι μετεωρολόγοι υπολογίζουν αυτές τις πιθανότητες, θα πρέπει να λάβουμε πρώτα υπόψιν το περίφημο φαινόμενο της πεταλούδας*», σημειώνει η αρθρογράφος Marianne Freiberger στην επιστημονική πλατφόρμα + plus.
«Οι μετεωρολόγοι χρησιμοποιούν για τις προβλέψεις τους μαθηματικά μοντέλα που προσομοιώνουν τις καιρικές συνθήκες», γράφει. Και εξηγεί: «Για να κάνουν μία προσομοίωση πρέπει πρώτα να μετρήσουν τις τρέχουσες τιμές στοιχείων, όπως είναι η θερμοκρασία και η πίεση, και να τις διοχετεύσουν σε ένα μοντέλο. Σύμφωνα με το φαινόμενο της πεταλούδας όμως, μία μικρή ανακρίβεια στις αρχικές τιμές που δέχεται το μοντέλο μπορεί να αυξηθεί στη διαδικασία του υπολογισμού, με αποτέλεσμα η τελική πρόβλεψη να είναι ανακριβής».
Ένα σύνολο πρόβλεψης παράγει ένα εύρος πιθανών σεναρίων και όχι μια ενιαία προβλεπόμενη τιμή. Σχήμα από τον δικτυακό τόπο ECMWF, CC BY-SA 4.0.
Τι κάνουν οι μετεωρολόγοι, λοιπόν, για να αντιμετωπίσουν την ανακρίβεια μιας πρόβλεψης; Η αρθρογράφος αναφέρεται στην πρόβλεψη συνόλου (ensemble forecasting), ως έναν τρόπο αντιμετώπισης του προβλήματος: Οι ειδικοί, αντί να εκτελούν το μοντέλο καιρικών φαινομένων μόνο μία φορά το «τρέχουν» αρκετές φορές, κάθε φορά με ελαφρώς διαφορετικές τιμές ως προς τις αρχικές συνθήκες. Η διαδικασία τούς δίνει ένα σύνολο από προβλέψεις. Εάν οι προβλέψεις είναι παρεμφερείς, σημαίνει ότι το φαινόμενο της πεταλούδας δεν είναι πολύ ισχυρό, άρα η ακρίβεια μίας πρόβλεψης είναι μεγαλύτερη. Εάν οι προβλέψεις διαφέρουν αρκετά μεταξύ τους, τότε η αβεβαιότητα της πρόβλεψης μεγιστοποιείται.
Η πρόβλεψη συνόλου, σύμφωνα με τον κορυφαίο κλιματολόγο Tim Palmer, μπορεί να χρησιμοποιηθεί και σε άλλες περιπτώσεις, όπως, για παράδειγμα, στην πρόβλεψη της συμπεριφοράς μιας πανδημίας. Για περισσότερες πληροφορίες, ακούστε, στην αγγλική γλώσσα, το podcast της συζήτησης του Τim Palmer με τη Marianne Frieberger, εδώ
.
* μία ανεπαίσθητη αλλαγή στα δεδομένα ενός μη γραμμικού συστήματος μπορεί να επηρεάσει εντυπωσιακά το τελικό αποτέλεσμα.
Πηγή: https://plus.maths.org/content/
https://thalesandfriends.org/el/2022/12/21/i-avevaiotita-tis-provlepsis/
tinanantsou.blogspot.gr
Συντάκτης: Γιώργος Καρουζάκης Θαλής και Φίλοι
Οι μετεωρολογικές προβλέψεις, όπως διαπιστώνουμε καθημερινά, δεν είναι ποτέ ακριβείς. Μία υπεύθυνη πρόβλεψη για βροχή, ή για οποιοδήποτε άλλο καιρικό φαινόμενο, δεν μπορεί να είναι απόλυτη. Αναφέρεται σε ένα ποσοστό πιθανότητας. «Για να κατανοήσουμε πώς οι μετεωρολόγοι υπολογίζουν αυτές τις πιθανότητες, θα πρέπει να λάβουμε πρώτα υπόψιν το περίφημο φαινόμενο της πεταλούδας*», σημειώνει η αρθρογράφος Marianne Freiberger στην επιστημονική πλατφόρμα + plus.
«Οι μετεωρολόγοι χρησιμοποιούν για τις προβλέψεις τους μαθηματικά μοντέλα που προσομοιώνουν τις καιρικές συνθήκες», γράφει. Και εξηγεί: «Για να κάνουν μία προσομοίωση πρέπει πρώτα να μετρήσουν τις τρέχουσες τιμές στοιχείων, όπως είναι η θερμοκρασία και η πίεση, και να τις διοχετεύσουν σε ένα μοντέλο. Σύμφωνα με το φαινόμενο της πεταλούδας όμως, μία μικρή ανακρίβεια στις αρχικές τιμές που δέχεται το μοντέλο μπορεί να αυξηθεί στη διαδικασία του υπολογισμού, με αποτέλεσμα η τελική πρόβλεψη να είναι ανακριβής».
Ένα σύνολο πρόβλεψης παράγει ένα εύρος πιθανών σεναρίων και όχι μια ενιαία προβλεπόμενη τιμή. Σχήμα από τον δικτυακό τόπο ECMWF, CC BY-SA 4.0.
Τι κάνουν οι μετεωρολόγοι, λοιπόν, για να αντιμετωπίσουν την ανακρίβεια μιας πρόβλεψης; Η αρθρογράφος αναφέρεται στην πρόβλεψη συνόλου (ensemble forecasting), ως έναν τρόπο αντιμετώπισης του προβλήματος: Οι ειδικοί, αντί να εκτελούν το μοντέλο καιρικών φαινομένων μόνο μία φορά το «τρέχουν» αρκετές φορές, κάθε φορά με ελαφρώς διαφορετικές τιμές ως προς τις αρχικές συνθήκες. Η διαδικασία τούς δίνει ένα σύνολο από προβλέψεις. Εάν οι προβλέψεις είναι παρεμφερείς, σημαίνει ότι το φαινόμενο της πεταλούδας δεν είναι πολύ ισχυρό, άρα η ακρίβεια μίας πρόβλεψης είναι μεγαλύτερη. Εάν οι προβλέψεις διαφέρουν αρκετά μεταξύ τους, τότε η αβεβαιότητα της πρόβλεψης μεγιστοποιείται.
Η πρόβλεψη συνόλου, σύμφωνα με τον κορυφαίο κλιματολόγο Tim Palmer, μπορεί να χρησιμοποιηθεί και σε άλλες περιπτώσεις, όπως, για παράδειγμα, στην πρόβλεψη της συμπεριφοράς μιας πανδημίας. Για περισσότερες πληροφορίες, ακούστε, στην αγγλική γλώσσα, το podcast της συζήτησης του Τim Palmer με τη Marianne Frieberger, εδώ
.
* μία ανεπαίσθητη αλλαγή στα δεδομένα ενός μη γραμμικού συστήματος μπορεί να επηρεάσει εντυπωσιακά το τελικό αποτέλεσμα.
Πηγή: https://plus.maths.org/content/
https://thalesandfriends.org/el/2022/12/21/i-avevaiotita-tis-provlepsis/
tinanantsou.blogspot.gr
ΜΟΙΡΑΣΤΕΙΤΕ
ΔΕΙΤΕ ΑΚΟΜΑ
ΠΡΟΗΓΟΥΜΕΝΟ ΑΡΘΡΟ
ΕΥΧΕΣ ΑΠΟ ΤΟ ΦΡΟΝΤΙΣΤΗΡΙΟ ΠΡΟΤΥΠΟ ΣΤΗ ΒΟΝΙΤΣΑ
ΣΧΟΛΙΑΣΤΕ
