Yandex.Meteum - प्रौद्योगिकी के बिना प्रौद्योगिकी। क्षेत्र-विशिष्ट विपणन

डेवलपर्स के अनुसार, Yandex.Meteum सेवा के शुभारंभ के बाद 3 साल पूरे हो गए हैं, जो सभी पूर्वानुमान स्थलों के बीच उच्चतम गुणवत्ता के पूर्वानुमान देता है। जायजा लेने का समय है। क्या नया यांडेक्स उत्पाद वास्तव में क्रांतिकारी है या यह सिर्फ एक मार्केटिंग ज़िल्च है? और रूस के हाइड्रोमेटेरोलॉजिकल सेंटर के वैज्ञानिकों की एक टीम के रूप में यैंडेक्स के चारों ओर जाने और वास्तव में उच्च-गुणवत्ता का पूर्वानुमान बनाने में कामयाब रहे।


पहले अपना परिचय दो। मेरा नाम इलिया विंस्टीन है, मैं कुर्गन से एक शौकिया मौसम फोरकास्टर हूं। मैं 14 साल से मौसम विज्ञान कर रहा हूं। मैंने अपनी क्षेत्रीय परियोजना "वेदर 45" का संचालन किया, वैज्ञानिक-शैक्षिक परियोजना "गुटेनबर्ग के धूम्रपान कक्ष" के लिए कई व्याख्यान दिए।

Meteum। शुरुआत

यांडेक्स के पूर्वानुमान की गुणवत्ता की समस्या। Meteum ”मैंने 2016 की शुरुआत में नामित किया था, लेकिन उस समय मेरे पास अस्पष्ट निष्कर्ष निकालने के लिए बहुत कम मात्रा में डेटा था। ज्यादातर मैंने यैंडेक्स द्वारा लॉन्च किए गए सूचना अभियान की आलोचना की। यदि बहुत शुरुआत में उन्होंने नारा दिया था "घर के लिए सटीक पूर्वानुमान," तो उन्होंने इसे "जिले के लिए सटीक पूर्वानुमान" में बदल दिया।

मेटियम का जन्म किस मीडिया रूप में हुआ था? मीडिया में बहुत सारे प्रकाशन थे, हबेरा पर कई प्रकाशन थे, फिर एक लघु नेटवर्क वीडियो थे जो तंत्रिका नेटवर्क पर आधारित पहली पूर्वानुमान सेवा के निर्माण की व्याख्या कर रहे थे। मेटियम का निर्माण ऐसे समय में हुआ था जब तंत्रिका नेटवर्क बहुत लोकप्रिय थे, और मीडिया ने उन्हें एक रामबाण के रूप में प्रस्तुत किया जो मानव जाति की कई समस्याओं को हल कर सकता था।

सामान्य न्यूरो-जियोटैगिंग के मद्देनजर, यैंडेक्स ने अपने मुख्य मौसम विभाग को अपडेट करने का फैसला किया। सामान्य डिज़ाइन अपडेट और नई सुविधाओं को जोड़ना एक विकल्प नहीं है, लेकिन अपडेट का मुख्य लक्ष्य प्रतियोगियों से नए दर्शकों को आकर्षित करना है। एकमात्र तरीका सेवा धारणा के प्रतिमान को बदलना था। न केवल एक मौसम अनुभाग, बल्कि अन्य सभी प्रतियोगियों की तुलना में मौसम की बेहतर भविष्यवाणी करने में सक्षम एक पूरी तरह से नई सेवा। सिर्फ यैंडेक्स नहीं। मौसम ”, और“ यांडेक्स। Meteum ”- एक घर या क्षेत्र के लिए सटीक पूर्वानुमान का उत्पादन करने में सक्षम प्रणाली।

समस्या यह है कि अंतिम उत्पाद मूल्यांकन और प्रतिक्रिया प्राप्त करने के मामले में जटिल है। पूर्वानुमानों की गुणवत्ता की जांच कौन करेगा? उपयोगकर्ताओं से फीडबैक का मूल्यांकन कैसे किया जाएगा? हमारे मामले में, उपभोक्ता अंतिम उत्पाद की गुणवत्ता का मूल्यांकन करने में सक्षम नहीं है, इसलिए, वह "पसीना" हो सकता है, कुछ भी किया जा सकता है। सभी चालित साइटों के उपयोगकर्ता इस ट्रिक को देखते हैं।

इसलिए, मेट्यूम को लॉन्च करने के लिए संपूर्ण सूचना अभियान एक वैज्ञानिक-विरोधी प्रहसन की तरह दिखता है। सभी 3 वर्षों के लिए, यैंडेक्स ने हमें कोई उद्देश्यपूर्ण आंकड़े प्रदान नहीं किए हैं। हमने औचित्य पर एक भी रिपोर्ट नहीं देखी है।

इसके लिए सभी नंबर नीचे आए:

"हमारे अपने अनुमानों के अनुसार (अफसोस, इस क्षेत्र में अभी तक कोई स्वतंत्र मीटर नहीं हैं), आज हमारे मौसम का पूर्वानुमान उन सभी प्रतियोगियों की तुलना में अधिक सटीक है, जिन्हें हम जानते हैं। उदाहरण के लिए, हमारे 24 घंटे के तापमान का पूर्वानुमान हमारे निकटतम प्रतियोगी से 35% कम है। ”

यह सरासर झूठ है। मैं समझाऊंगा क्यों। यदि वर्ष 1960 था, तो यह कथन बिल्कुल उचित था, लेकिन अब अल्पकालिक पूर्वानुमान पहले से ही एक निश्चित छत तक पहुंच चुके हैं। संघर्ष एक प्रतिशत के ब्याज और यहां तक ​​कि दसवें हिस्से के लिए है। उदाहरण के लिए, रूसी हाइड्रोमेटोरोलॉजिकल सेंटर के अनुसार , 2017 में रूस में हवा के तापमान के पूर्वानुमान की सटीकता प्रति दिन 93% थी। हम उन पूर्वानुमानों के बारे में बात कर रहे हैं जो स्थानीय हाइड्रोमाटेरोलॉजिकल सेंटर के मौसम पूर्वानुमानकर्ताओं द्वारा जारी किए गए थे। पूर्वानुमान साइटों और कंप्यूटर मॉडल के लिए, सटीकता 85% से 95% तक होती है। यहाँ कोई 35% नहीं हैं और नहीं हो सकते हैं!

विज्ञान की दुनिया में ऐसा कैसे होता है?

मान लीजिए कि यांडेक्स एक क्रांतिकारी उत्पाद बनाने में सक्षम था जो वास्तव में सभी प्रतियोगियों से बेहतर प्रदर्शन करता है। दुनिया को इस तकनीक से परिचित कराएं। यैंडेक्स टीम को पूरी दुनिया को दिखाने दें कि वे क्या बनाने में कामयाब रहे। क्यों नहीं एक विज्ञान पत्रिका में एक लेख के साथ शुरू करें? मैं समझता हूं कि यह सभी कार्डों को प्रकट करने के लायक नहीं हो सकता है, क्योंकि उत्पाद, वास्तव में, एक वाणिज्यिक घटक है, इसके साथ कुछ भी गलत नहीं है, लेकिन केवल अगर यह उत्पाद वास्तव में काम करता है।

कोई भी वैज्ञानिक पूर्वानुमान तकनीक परीक्षण चरण से गुजरती है। आमतौर पर, प्रायोगिक बंदरगाह अभिलेखीय डेटा होते हैं। कुछ मामलों में, एक वर्ष या कई वर्षों के लिए डेटा एकत्र करना आवश्यक है, और उसके बाद ही एक लेख प्रकाशित करें। उसके बाद, पूर्वानुमान की तुलना वास्तविक मौसम स्टेशन रिपोर्टों के साथ की जाती है। भविष्यवाणिय क्षेत्र वास्तविक लोगों के अनुरूप हैं। मापदंडों के द्रव्यमान की गणना की जाती है: अंकगणित माध्य तापमान त्रुटि, औसत निरपेक्ष तापमान त्रुटि, सापेक्ष त्रुटि और प्रतिशत में औचित्य। फिर, परिचालन परीक्षणों के परिणामों के आधार पर, एक विशेष पद्धति आयोग एक निर्णय लेता है - इस पूर्वानुमान पद्धति के उपयोग की सलाह देता है या मना करता है।

और अब यैंडेक्स डेवलपर्स के लिए एक सवाल। यह डेटा कहां है? ये लेख और अध्ययन कहाँ हैं? "हमारे पास सबसे सटीक पूर्वानुमान हैं, हम पर भरोसा करें," वे यैंडेक्स में कहते हैं। दिखाने के लिए कुछ भी नहीं। डींग मारने की कोई बात नहीं है।


हमारे पास नंबर हैं, लेकिन हमने उन्हें आपको नहीं दिखाया है। आपके पास कोई दस्तावेज नहीं है।

पहनावा और मल्टीमॉडल पूर्वानुमान

हाल ही में, मौसम पूर्वानुमान के कलाकारों की टुकड़ी के बीच, मल्टीमॉडल और जटिल पूर्वानुमानों ने बहुत लोकप्रियता हासिल की है। इसका क्या मतलब है? पहला, थोड़ा सिद्धांत। सभी पूर्वानुमानों का मुख्य स्रोत कंप्यूटर मॉडल हैं। ऐसे कार्यक्रम जो पृथ्वी के संपूर्ण वातावरण को मिट्टी से समताप मंडल की ऊपरी परतों तक अनुकरण करते हैं। मॉडल का मुख्य भोजन सभी दृश्य और अदृश्य वर्णक्रमीय श्रेणियों में उपग्रह डेटा है। ग्राउंड स्टेशनों के आंकड़ों का अब पूर्वानुमान की गुणवत्ता पर इतना मजबूत प्रभाव नहीं है। यदि मौसम स्टेशन की परत को मॉडल से बाहर रखा गया है, तो गुणवत्ता 7% तक गिर जाएगी, और यदि उपग्रह डेटा को बाहर रखा गया है, तो 35-40% तक। दुनिया में 11 वैश्विक मॉडल और एक दर्जन से अधिक क्षेत्रीय हैं।

कंप्यूटर मॉडल बहुत, बहुत जटिल हैं! प्रत्येक राज्य अपना गुणात्मक मॉडल बनाने में सक्षम नहीं है। उदाहरण के लिए, घरेलू PLAV मॉडल विश्व मॉडल की रैंकिंग में 8 वें स्थान पर है। यह मौजूद है, लेकिन व्यावहारिक रूप से कभी उपयोग नहीं किया जाता है।

इस कारण से, अधिकांश साइट और एप्लिकेशन केवल 2-3 मॉडल का उपयोग करते हैं। बाकी सब कुछ आंतरिक डेटा प्रसंस्करण और व्याख्या का मामला है। उदाहरण के लिए, अब सबसे अच्छा मॉडल यूरोपीय मीडियम-रेंज वेदर फोरकास्टिंग मॉडल (ECMWF) है। यह मॉडल Foreca, intellicast और Gismeteo का उपयोग करता है। लेकिन! जैसा कि मैंने कहा, पूर्वानुमान प्रसंस्करण आंतरिक पैटर्न के लिए नीचे आता है जो कच्चे मॉडल फ़ाइलों को "पॉलिश" करता है। Gismeteo यह सबसे खराब करता है, और Intelicast इसे बेहतर करता है। इसके बाद नंबर इसकी पुष्टि करेंगे।

ठीक है, इसे हल किया। एक कंप्यूटर मॉडल का एक रन "जैसा है" सिद्धांत के आधार पर एक शुद्ध रूप से नियतात्मक पूर्वानुमान है। निर्धारक पूर्वानुमानों की मुख्य समस्या प्रारंभिक आंकड़ों में त्रुटियां हैं, जो तितली के प्रभाव को जन्म देती हैं। सबसे प्रारंभिक प्रारंभिक गड़बड़ी से मध्यम अवधि में भारी त्रुटियां होती हैं। इस समस्या को हल करने के लिए, वैज्ञानिकों ने पहनावा पूर्वानुमान विकसित किया। एक सामान्य नियतात्मक पूर्वानुमान की कल्पना करें। एक छद्म यादृच्छिक संख्या जनरेटर का उपयोग करके इस भविष्यवाणी में एक कृत्रिम त्रुटि पेश की गई है।


पूर्वानुमान सुनिश्चित करें। अमेरिकी मॉडल जी.एफ.एस. 20 सदस्य।

और इसलिए इसे 20 या 50 बार किया जाता है। फिर एक ग्राफ बनाया गया है जहां आप देख सकते हैं कि प्रारंभिक डेटा में त्रुटियों के लिए पूर्वानुमान कितना संवेदनशील है। यदि नियतात्मक पूर्वानुमान 10 दिनों के बाद वार्मिंग देता है, और 20 कलाकारों की टुकड़ी नीचे जाती है, अर्थात, वे एक शीतलन देते हैं, तो इस अवधि के लिए निर्धारक पूर्वानुमान गलत है।

लेकिन वैज्ञानिक इससे भी आगे बढ़ गए। वे नियतात्मक पूर्वानुमानों को सिंक्रनाइज़ करने और मल्टीमॉडल पूर्वानुमान बनाने के लिए शुरू किया, जब पूर्वानुमान एक मॉडल के आधार पर नहीं, बल्कि तुरंत एक दर्जन से बनाया गया है।


एक उल्का वेबसाइट पर मास्को के लिए एक बहु-मॉडल पूर्वानुमान। 11 मॉडल

उदाहरण के लिए, 7 मॉडल 5 दिनों के बाद वर्षा का उत्पादन करते हैं, और 3 शुष्क मौसम की भविष्यवाणी करते हैं। इसलिए, वर्षा की संभावना 70% है। साथ में, यह पहनावा पूर्वानुमान भी देखने की सिफारिश की जाती है।

और अब हम बहुत सार हो गए। यैंडेक्स के आसपास हाइड्रोमेटोरोलॉजिकल सेंटर कैसे मिला?

व्यापक पूर्वानुमान

2014 में, रूस के हाइड्रोमेटोरोलॉजिकल सेंटर के हाइड्रोडायनामिक अल्पकालिक पूर्वानुमान विभाग के प्रमुख और सम्मानित मौसम विज्ञानी अलेक्सी बगरोव ने अपनी टीम के साथ मिलकर कच्चे पूर्वानुमान के आंकड़ों के प्रसंस्करण के लिए एक सरल लेकिन मौलिक रूप से नई सांख्यिकीय योजना विकसित की। यह मौसम विज्ञान और जल विज्ञान पत्रिका में "सतह के व्यापक मौसम संबंधी पूर्वानुमान" नामक एक लेख में प्रकाशित हुआ था।

तकनीक का सार सरल है, लेकिन यह इसकी श्रेष्ठता है। शामिल मॉडलों के परिणामों के सांख्यिकीय प्रसंस्करण द्वारा एक व्यापक पूर्वानुमान प्राप्त किया जाता है। इसी समय, हवा के तापमान, हवा और ओस बिंदु के लिए, स्टेशन पर संबंधित मॉडल और वास्तविक डेटा के लिए पिछले 20 दिनों के पूर्वानुमान का उपयोग किया जाता है, और एक वर्ष के लिए इसी तरह के संग्रह को वर्षा के लिए। गणना प्रत्येक स्टेशन और प्रत्येक लीड समय पूर्वानुमान के लिए अलग-अलग की जाती है।

इसे और भी सरल बनाने के लिए, बगरोव ने स्थानीय मौसम केंद्र के वास्तविक आंकड़ों के आधार पर सर्वश्रेष्ठ मॉडलों के पूर्वानुमानों के सांख्यिकीय समायोजन का प्रस्ताव रखा है। तकनीक का वर्णन लेख में ही किया गया है । यहां मैं कुछ प्रमुख बिंदुओं पर ध्यान दूंगा। अधिकतम और न्यूनतम तापमान की गणना पिछले 5 या 3 दिनों के लिए त्रुटि को ध्यान में रखकर की जाती है। उदाहरण के लिए, पिछले 5 दिनों में, हमारे मॉडलों ने तापमान को औसतन 2 डिग्री कम करके आंका है, इसलिए हमें इस त्रुटि को अंतिम पूर्वानुमान में शामिल करने और पूर्वानुमान को सबसे संभावित मूल्य पर स्थिर करने की आवश्यकता है। इस प्रकार, पूर्वानुमान स्वचालित रूप से खुद को सही करता है, जो ओवरस्टेटमेंट या अंडरटेमेंट की दिशा में पिछले विचलन पर आधारित होता है।

4 वर्षों के लिए, पूर्वानुमान परीक्षण चरण में था। सितंबर 2018 में, रूसी मौसम विज्ञान और जल विज्ञान पत्रिका में परीक्षण के परिणाम प्रकाशित किए गए थे। संक्षेप में, अध्ययन के परिणाम यहां घोषित किए गए हैं । मैं ध्यान देता हूं कि सभी 4 वर्षों का पूर्वानुमान रूस के हाइड्रोमेथोरोलॉजिकल सेंटर के पद्धति संबंधी कार्यालय की वेबसाइट पर प्रकाशित किया गया था। इसकी गणना रूस के 224 शहरों के लिए की गई थी। हर महीने एक औचित्य रिपोर्ट प्रकाशित होती थी। वे आज भी बाहर जाते रहते हैं।

मामूली और शांत - एक बेहतर पूर्वानुमान बनाया

रूस के हाइड्रोमेटोरोलॉजिकल सेंटर ने वह किया जो कोई और नहीं कर सकता था। उन्होंने स्वचालित रूप से 7 विभिन्न पूर्वानुमान स्थलों के पूर्वानुमान एकत्र किए और उनकी सटीकता का विश्लेषण किया। नीचे मास्को, सेंट पीटर्सबर्ग और याकुतस्क के लिए जनवरी 2016 से जून 2017 तक के 1.5 वर्षों के आंकड़े हैं।


शहर द्वारा न्यूनतम (ए) और अधिकतम (बी) तापमानों के पूर्वानुमान की औसत पूर्ण त्रुटि: 1 जनवरी 2016 की अवधि के लिए मॉस्को, सेंट पीटर्सबर्ग, याकुत्स्क - 30 जून, 2017. वेबसाइट के पूर्वानुमान: 1 - Meteoinfo.ru; 2 - Gismeteo.ru; 3 - फोबोस (meteovesti.ru); 4 - Rp5.ru; 5 - Yandex.ru; 6 - Intellicast.com; 7 - व्यापक पूर्वानुमान Bagrov।

हमें बहुत सार मिला। डेटा से यह देखा जा सकता है कि दिन के तापमान के पहले दिन, यैंडेक्स एक ही बार में 3 संसाधनों के आसपास जाता है: उल्का, इंटेलीकास्ट और बगरोव का व्यापक पूर्वानुमान। उत्तरार्द्ध 1-2 दिनों के लिए सबसे कम त्रुटि दिखाता है। इंटेलीकास्ट और एक व्यापक पूर्वानुमान 3-4 दिनों के लिए अग्रणी है। यैंडेक्स केवल 3 पदों पर है।

कृपया ध्यान दें कि रनेट पर सबसे लोकप्रिय Gismeteo इतना सटीक नहीं है। पहले दिन, इसकी 2 डिग्री की औसत त्रुटि बहुत अधिक है। रेटिंग के विरोधी नेता साइट meteovesti.ru है

ऐसा मत सोचो कि अधिक ताज़ा डेटा नहीं है। 2018 की शुरुआत में, अनुभाग "विभिन्न इंटरनेट साइटों पर पूर्वानुमान का आकलन" रूस के हाइड्रोमेटोरोलॉजिकल सेंटर के पद्धति संबंधी कार्यालय की वेबसाइट पर दिखाई दिया। यह खंड 47 शहरों का डेटा प्रकाशित करता है, व्यक्तिगत रूप से और साथ में।

कई लोग कह सकते हैं कि यह पुराना डेटा है, लेकिन पहले से ही एक ताजा अक्टूबर की जवाबदेही रिपोर्ट है। हम इसका अध्ययन करेंगे। ETR के लिए 27 शहरों का नमूना लें।



एक दिन के लिए यांडेक्स के लिए दैनिक दिन का पूर्वानुमान इंटेलीकास्ट सटीकता और एक व्यापक पूर्वानुमान में तुलनीय है। अगले 2-5 दिनों के लिए, येलडेक्स को थोड़ा दरकिनार कर दें। रात के तापमान के पूर्वानुमान के साथ, मेट्यूम थोड़ा खराब है। पहले दिन, 3 साइटें इसे बाईपास करती हैं: मेटाइंफो, इंटेलीकास्ट और एक व्यापक पूर्वानुमान। अगले दिन, प्रवृत्ति जारी है। 6 दिन पर, यैंडेक्स इंटेलीकास्ट और मेटाइंफो से आगे निकल जाता है।

एशियाई क्षेत्र के लिए, वितरण लगभग समान है। लगभग सभी मामलों में, यैंडेक्स ने तीन मेटियोइनो, इंटेलीकास्ट और जटिल को बायपास किया। कई लोगों ने देखा है कि meteoinfo आधिकारिक वेबसाइट मेधावी सटीकता प्रदान करती है। हाँ यह है अब वेबसाइट आरईपी (मौसम तत्वों की गणना) नामक एक स्वतंत्र सांख्यिकीय मॉडल डेटा प्रोसेसिंग योजना का उपयोग करती है। यह योजना खराब नहीं है, लेकिन व्यापक पूर्वानुमान से कुछ खराब है। सर्दियों में, वह खराब तरीके से रात को ठंडा करने की भविष्यवाणी करती है। मैं इस तथ्य पर आपका ध्यान आकर्षित करता हूं कि इन सभी डेटा प्रोसेसिंग योजनाओं का आविष्कार मालिकाना यैंडेक्स के निर्माण से बहुत पहले किया गया था। Meteuma।

आउटपुट और प्रदर्शन समस्याएं

यह उच्च-गुणवत्ता वाले पूर्वानुमान बनाने के लिए पर्याप्त नहीं है, यह सीखने के लिए अभी भी आवश्यक है कि आम तौर पर इसे आम तौर पर कैसे प्रदर्शित किया जाए। जब कोई उपयोगकर्ता मौसम की साइट पर जाता है, तो वह पहली बार 10 दिनों के लिए पूर्वानुमान को देखता है, जिससे तापमान परिवर्तन की एक सामान्य तस्वीर मिलती है। लेकिन यदि आप गहराई से खुदाई करते हैं, तो तापमान को देखते हुए, फिर कई बारीकियां खुलेंगी। उदाहरण के लिए, साइट का कहना है कि यह दिन के दौरान +15 डिग्री होगा, लेकिन फिर आप तापमान चार्ट खोलते हैं और समझते हैं कि ये +15 रात में होंगे, और दिन के दौरान तापमान कम होगा! इस स्थिति को तापमान में बदलाव कहा जाता है, जब यह रात में दिन के मुकाबले अधिक गर्म होता है। यहां अधिकतम और न्यूनतम तापमान प्राप्त करने की समस्या यह है कि दिन और रात को विभाजित किए बिना, पूरे समय श्रृंखला से न्यूनतम और अधिकतम के मूल्यों पर कब्जा कर लिया जाता है। आम आदमी के दृष्टिकोण से, यह एक धोखा है। सभी साइट पाप। आमतौर पर मौसम, मौसम की स्थिति और मौसम स्टेशन के निर्देशांक के आधार पर अधिकतम तापमान 08 से 20 घंटे तक तय किया जाता है। मौसम और मौसम की स्थिति के आधार पर न्यूनतम 20 से 08 घंटे तक मनाया जाता है। इसे मौसम विज्ञान दिवस कहा जाता है। उदाहरण के लिए, VDNKh में मॉस्को का मुख्य मौसम स्टेशन अधिकतम 21 घंटे और न्यूनतम 9 घंटे का तापमान भेजता है।
नीचे मैंने एटिपिकल तापमान व्यवहार की स्थितियों का हवाला दिया है जब पूरे समय श्रृंखला से अधिकतम और न्यूनतम तापमान पर कब्जा करना महत्वपूर्ण है, लेकिन कड़ाई से अंतराल पर। यदि शर्तों को पूरा नहीं किया जाता है, तो गुणात्मक पूर्वानुमान के बावजूद, उपयोगकर्ता को धोखा दिया जाएगा।



एक और समस्या यह है कि कुछ साल पहले यैंडेक्स ने दीर्घकालिक पूर्वानुमान के लिए जलवायु डेटा देना शुरू किया था, जो पूरी तरह से सही नहीं है। Yandex ने पिछले 7 वर्षों में कच्चे CFSR कंप्यूटर रीनलिसिस फ़ाइलों (NCEP) का उपयोग करने का निर्णय लिया, जिससे एक छोटा सा जलवायु नमूना तैयार किया गया। अब उन्होंने 10 साल की औसत अवधि के लिए स्विच किया है, जो स्थिति को नहीं बदलता है। इसके अलावा साइट पर "वर्षा की संभावना" पैरामीटर दिखाई दिया, जिसकी गणना कंप्यूटर रैनैलिसिस के आधार पर पिछले 10 वर्षों में की गई थी, लेकिन एक गंभीर समस्या है। सर्दियों में कम्प्यूटर रिअनलिसिस बहुत खराब रूप से संवेदी वर्षा और हल्की बर्फबारी का अनुकरण करता है, इसलिए यांडेक्स 0% संभावना दे सकता है, और मौसम स्टेशन के अनुसार यह 50% था, केवल इसलिए कि मौसम केंद्र में एक वर्षा मीटर है जो वास्तविक वर्षा रिकॉर्ड करता है, आभासी नहीं । इसलिए, कंप्यूटर रीएनालिसिस के बजाय मौसम स्टेशन पर डेटा को औसत करना अधिक सही है। मैंने यैंडेक्स को लिखा और जवाब मिला: “हमने इसे (नोट सलाह) अपने उपयोगकर्ताओं के प्रस्तावों की सूची में जोड़ा। हमारे विशेषज्ञ हमेशा इन विचारों से परिचित होते हैं, जब वे सेवा में कोई भी बदलाव कर रहे होते हैं, और जब भी संभव हो, उन्हें खाते में लेने की कोशिश करते हैं। ” 6 महीने के बाद, कुछ भी नहीं बदला है।


जीवित रहें

मैंने यह भी सुझाव दिया कि Yandex 10 वर्षों के औसत डेटा के बजाय दीर्घकालिक जलवायु मॉडल CFSv2 के पूर्वानुमान का उपयोग करता है। इसे दिन में 4 बार अपडेट किया जाता है और 9 महीने के लिए पूर्वानुमान पर विचार करता है। बेशक, हम औसत दशक या मासिक औसत डेटा प्राप्त करने के बारे में बात कर रहे हैं। लेकिन यह एक वास्तविक पूर्वानुमान है, ऐतिहासिक जानकारी नहीं। उदाहरण के लिए, अब मॉडल ने विश्वास दिलाया कि नवंबर रूस के यूरोपीय भाग में गर्म और शुष्क होगा ।

यह विशेष रूप से अजीब था यैंडेक्स को पूर्वानुमान मानचित्रों को लुढ़काते हुए देखना, हालांकि उस समय Earth.nullschool.net, windytv.com और ventusky.com पहले से मौजूद थे। ये सेवाएं विभिन्न मॉडलों पर कई गुना अधिक जानकारी प्रदान करती हैं। यैंडेक्स ने लिखा कि उनमें से मुख्य अंतर यह है कि उनकी उच्च सटीकता है। अच्छा, अच्छा।



रात को ठंडक की समस्या

अब सिन्थोपिक मौसम विज्ञान में, एंटीसाइक्लोनल एयर कूलिंग की शर्तों के तहत रात के तापमान की भविष्यवाणी करने का मुद्दा अभी भी एक गंभीर मुद्दा है। क्या समस्या है? समस्या यह है कि कंप्यूटर मॉडल लगभग हमेशा इस तरह के एक सिंटोपिक स्थिति में तापमान बढ़ाते हैं। उदाहरण के लिए, कुर्गन में, अधिकांश पूर्वानुमानों के अनुसार, रात में तापमान -30 डिग्री तक गिर जाता है: यह स्पष्ट हो जाएगा, दबाव बढ़ जाएगा, एंटीसाइक्लोन का कोर क्षेत्र के ऊपर से गुजरेगा। शीतलन के लिए आदर्श स्थिति। लेकिन वास्तव में, न्यूनतम -35 तक गिर सकता है ...- 37 डिग्री! जब यैंडेक्स ने मेटियम को लॉन्च किया, तो मुझे लगा कि इस समस्या को हल करना संभव होगा। लेकिन पहले से ही, जो शीतकालीन यैंडेक्स रात के तापमान को ठंडा करने की स्थिति में जारी रखता है। फिलहाल, दुनिया में केवल 2 मॉडल हैं जो इस तापमान की पर्याप्त गणना कर सकते हैं। पहला कनाडाई GEM मॉडल है। दूसरा उत्तर अमेरिकी NAEFS है।अन्य पर्यायवाची स्थितियों में, ये मॉडल कुछ भी उत्कृष्ट नहीं दिखाते हैं, इसलिए एक मौसम फोरकास्टर के रूप में मेरा कार्य इन मॉडलों को सही समय पर पूर्वानुमान में शामिल करना है, और फिर उन्हें सही समय पर पूर्वानुमान से बाहर करना है। बाग्रोव का व्यापक पूर्वानुमान स्थानीय मौसम केंद्र के आधार पर सांख्यिकीय समायोजन के कारण, शीतलन से भी सामना करता है।

निष्कर्ष

प्राप्त आंकड़ों से हम काफी आत्मविश्वास के साथ कह सकते हैं कि मेटेम तकनीक का उपयोग करने वाले यैंडेक्स का तापमान पूर्वानुमान पहले से साबित हो चुकी प्रोगोनिक सेवाओं की तुलना में कोई असाधारण परिणाम नहीं दिखाता है। इसके विपरीत, यैंडेक्स रूस के हाइड्रोमेटोरोलॉजिकल सेंटर के मैथोडोलॉजिकल ऑफिस की वेबसाइट पर प्रकाशित, इंटेलीकास्ट, मेटियोइनोफ और बगरोव के व्यापक पूर्वानुमान जैसे संसाधनों की गुणवत्ता में हीन है। सबसे खराब मौसम सेवाएं Gismeteo और meteovesti.ru हैं

विज्ञान है, लेकिन मार्केटिंग है। एक के लिए, लक्ष्य उच्च सटीकता के हमारे मामले में, एक परिणाम प्राप्त करना है। दूसरे में, लक्ष्य लाभ है और एक काल्पनिक और फूला हुआ उपलब्धि प्राप्त करना है जो आम आदमी के लिए कोई व्यावहारिक महत्व नहीं रखता है। हां, हाइड्रोमेटेरोलॉजिकल सेंटर एक राज्य संगठन है जिसमें यैंडेक्स के रूप में इस तरह के विज्ञापन बजट और क्षमताएं नहीं हैं, लेकिन मुख्य बात यह है कि अभी भी ऐसे लोग हैं जो पैसे नहीं, बल्कि विज्ञान का निर्माण करने में सक्षम हैं।