Τον περασμένο μήνα, παρά τις τραγικές συνέπειες του τυφώνα Sandy, έγινε ένα φαινόμενο - τα ισχυρά μοντέλα καιρού που είναι τώρα διαθέσιμα έχουν γίνει καλύτερα και καλύτερα για να βοηθήσουν τους προβλέποντες να προβλέψουν πού θα ακολουθήσουν καταιγίδες όπως η Sandy.
σχετικό περιεχόμενο
- Γιατί η Google Flu Trends δεν μπορεί να παρακολουθήσει τη γρίπη (ακόμα)
Αυτή η τεχνολογία είναι πιο χρήσιμη από την απλή πρόβλεψη για καταιγίδες. Σε μια μελέτη που δημοσιεύθηκε χθες στα Πρακτικά της Εθνικής Ακαδημίας Επιστημών, δύο ερευνητές έχουν αξιοποιήσει αυτήν την τεχνολογία για να προβλέψουν την εξάπλωση της γρίπης. Με δεδομένα σε πραγματικό χρόνο από την Google Flu Trends, τα μοντέλα τους μπορούν να προβλέψουν πού, πότε και πόσο σοβαρά εποχικά κρούσματα της γρίπης θα εμφανιστούν σε ολόκληρη τη χώρα.
"Τα ευρήματα δείχνουν ότι οι πραγματικές επιδεξιές προβλέψεις του χρονομέτρου αιχμής μπορούν να γίνουν περισσότερες από επτά εβδομάδες πριν από την πραγματική κορυφή", γράφει ο Jeffrey Shaman, περιβαλλοντικός επιστήμονας από το Πανεπιστήμιο Columbia και η Alicia Karspeck του Εθνικού Κέντρου Ατμοσφαιρικών Ερευνών χαρτί τους. «Εάν οι ελπίδες αυτές φτάσουν να υλοποιηθούν, θα μπορούσε να υπάρξει κάτι σαν ένα προειδοποιητικό σύστημα προειδοποίησης της γρίπης (« τα ποσοστά γρίπης αναμένεται να κορυφωθούν ») στην περιοχή σας την επόμενη εβδομάδα ") παρόμοια με αυτά για τυφώνες και άλλα σοβαρά καιρικά φαινόμενα.
Και η μετάδοση του καιρού και της γρίπης είναι παραδείγματα μη γραμμικών συστημάτων: εκείνα στα οποία μια μικρή αλλαγή στις αρχικές συνθήκες μπορεί να επιφέρει μια τεράστια αλλαγή στα αποτελέσματα. Στα μοντέλα των καιρικών συνθηκών, οι επιστήμονες εξετάζουν τα ιστορικά δεδομένα σχετικά με το πώς αυτά τα μικρά μεταβολές (ελαφρώς θερμότερο νερό στην Καραϊβική, για παράδειγμα) έχουν επηρεάσει τα αποτελέσματα (ένας τυφώνας με πολύ περισσότερη δύναμη όταν φτάνει στην ανατολική ακτή). Με την αφομοίωση ετών δεδομένων και την εκτέλεση αμέτρητων προσομοιώσεων, μπορούν να δημιουργήσουν μια λογικά ακριβή πρόβλεψη για τις πιθανότητες υποθετικών καιρικών φαινομένων που συμβαίνουν σε μια περίοδο περίπου μιας εβδομάδας.
Στη νέα μελέτη, οι ερευνητές χρησιμοποίησαν αρχές που προέκυψαν από αυτά τα μοντέλα και τους εφάρμοσαν στην εξάπλωση της γρίπης. Για τις εισροές, εκτός από τις μετρήσεις της θερμοκρασίας, της πίεσης και του ανέμου στην ατμόσφαιρα, χρησιμοποίησαν το Google Flu Trends, μια υπηρεσία που παρέχει δεδομένα σε πραγματικό χρόνο σχετικά με τη μετάδοση της γρίπης σε όλο τον κόσμο, εξετάζοντας προσεκτικά τους όρους αναζήτησης που εισήχθησαν στο Google. Παρόλο που δεν έχει κανείς που ψάχνει για "γρίπη" έχει απαραιτήτως γρίπη, οι ερευνητές της Google έχουν δείξει ότι οι όροι αναζήτησης που σχετίζονται με τη γρίπη μπορεί να είναι ακριβής εξάρτηση για τα ποσοστά μετάδοσης της γρίπης σε ολόκληρο τον πλανήτη - αν πολλοί άνθρωποι σε μια συγκεκριμένη περιοχή ξαφνικά παγιδεύονται για " "Είναι ένα καλό στοίχημα ότι η μόλυνση έχει φθάσει μαζικά.
Η γρίπη φαίνεται να συμπεριφέρεται σύμφωνα με πιθανοτικές αρχές που αφορούν ατμοσφαιρικές συνθήκες παρόμοιες με τις καιρικές συνθήκες. Άλλοι παράγοντες που πρέπει να ληφθούν υπόψη περιλαμβάνουν την πυκνότητα πληθυσμού μιας περιοχής. Ο συνδυασμός παραγόντων όπως η υγρασία και η θερμοκρασία με στοιχεία από την Google και οι πραγματικές πληροφορίες σχετικά με το ποσοστό γριπ που διατηρούνται από τα νοσοκομεία, οι ερευνητές κατάφεραν να αναπτύξουν μοντέλα που προσεγγίζουν τον τρόπο με τον οποίο μεταδόθηκε η γρίπη τα τελευταία χρόνια.
Για να δοκιμάσουν το μοντέλο τους, οι ερευνητές αξιολόγησαν τα στοιχεία της γρίπης της Νέας Υόρκης από το 2003 έως το 2008. Εισάγοντας δεδομένα σχετικά με τη μετάδοση της γρίπης μέχρι ένα συγκεκριμένο χρονικό διάστημα και ζητώντας από το μοντέλο να παρέχει μια εβδομαδιαία πρόβλεψη για το πώς θα συμπεριφερόταν η γρίπη, ακριβείς προβλέψεις για το πότε η μόλυνση θα κορυφωθεί, μερικές φορές μέχρι επτά εβδομάδες μπροστά από το χρόνο. Επιπλέον, όπως συμβαίνει με τα καιρικά μοντέλα, το σύστημα μπορεί να διακρίνει μεταξύ πολλών διαφορετικών σεναρίων και να παρέχει εκτιμήσεις για το πόσο πιθανό θα συμβεί ο καθένας.
Με τη συνεχή ανάπτυξη και τα δεδομένα σε πραγματικό χρόνο, όπως τα διαθέσιμα Google Flu Trends, αυτό το είδος τεχνολογίας θα μπορούσε θεωρητικά να χρησιμοποιηθεί για τη δημιουργία προβλέψεων σχετικά με τη γρίπη για τις τοπικές περιοχές, ακόμη και σε επίπεδο πολιτείας ή πόλης.
