В прошлом месяце, несмотря на трагические последствия урагана «Сэнди», стало очевидным одно: мощные модели погоды, которые сейчас доступны, стали лучше и лучше помогать прогнозистам предсказать, куда пойдут такие штормы, как Сэнди.
Связанный контент
- Почему Google Flu Trends не может отследить грипп (пока)
Эта технология более полезна, чем просто предсказание шторма. В исследовании, опубликованном вчера в Слушаниях Национальной академии наук, пара исследователей использовала эту технологию, чтобы предсказать распространение гриппа. С помощью данных в реальном времени от Google Flu Trends их модели могут прогнозировать, где, когда и как сильно сезонные вспышки гриппа будут происходить по всей стране.
«Результаты показывают, что в реальном времени искусные прогнозы времени пиковых значений могут быть сделаны более чем за семь недель до фактического пика», - пишут Джеффри Шаман, ученый-эколог из Колумбийского университета, и Алисия Карспек из Национального центра атмосферных исследований в их бумага. «Эта работа представляет собой начальный шаг в разработке статистически строгой системы прогнозирования сезонного гриппа в режиме реального времени». Если такие надежды осуществятся, то может существовать что-то вроде системы предварительного предупреждения гриппа («прогнозируется, что уровень заболеваемости гриппом достигнет пика»). в вашем районе на следующей неделе ») аналогично ураганам и другим суровым погодным явлениям.
И погода, и передача гриппа являются примерами нелинейных систем: те, в которых небольшое изменение начальных условий может привести к огромным изменениям в результатах. При построении моделей погоды ученые изучают исторические данные о том, как эти небольшие изменения (скажем, немного более теплая вода в Карибском бассейне) повлияли на результаты (ураган с гораздо большей силой, когда он выходит на восточное побережье). Усваивая данные за годы и проводя бесчисленное количество симуляций, они могут генерировать достаточно точный прогноз вероятности гипотетических погодных явлений, происходящих в течение периода около недели.
В новом исследовании исследователи использовали принципы, полученные из этих моделей, и применили их к распространению гриппа. В качестве входных данных в дополнение к атмосферным измерениям температуры, давления и ветра они использовали Google Flu Trends, сервис, который предоставляет данные в реальном времени о передаче гриппа по всему миру, внимательно изучая поисковые термины, введенные в Google. Хотя не все люди, ищущие «грипп», обязательно болеют гриппом, исследователи Google показали, что поисковые термины, связанные с гриппом, могут быть точным показателем скорости передачи гриппа по всему миру, если многие люди в определенной области внезапно ищут «грипп». «Это хорошая ставка, что инфекция появилась в массовом порядке.
Грипп, похоже, ведет себя в соответствии с вероятностными принципами, связанными с атмосферными условиями, подобными погоде. Другие факторы, которые следует учитывать, включают плотность населения района. Комбинируя такие факторы, как влажность и температура, с данными Google и информацией о фактическом уровне заболеваемости гриппом, хранящейся в больницах, исследователи смогли разработать модели, которые приблизительно соответствуют тому, как грипп передавался в течение тех лет, когда официальные лица отслеживали.
Чтобы протестировать свою модель, исследователи оценили данные по гриппу в Нью-Йорке за период с 2003 по 2008 год. Введя данные о передаче гриппа до определенного времени и попросив модель предоставить еженедельный прогноз поведения гриппа, они смогли произвести точные прогнозы того, когда инфекция достигнет своего пика, иногда до семи недель раньше времени. Кроме того, как и в случае моделей погоды, система может различать несколько различных сценариев и предоставлять оценки вероятности каждого из них.
Благодаря непрерывному развитию и получению в реальном времени данных, таких как Google Flu Trends, этот тип технологии теоретически может быть использован для создания прогноза гриппа для локальных районов, даже вплоть до уровня штата или города.