آیا هوش مصنوعی می‌تواند با پیش‌بینی آب و هوا روزی ۲۰۰ دلار درآمد داشته باشد؟

عنوان مقاله اصلی: «استفاده از هوش مصنوعی برای پیش‌بینی آب و هوا و کسب ۲۰۰ دلار به صورت غیرفعال در یک روز»

نویسندگان مقاله اصلی: چانگان، بایت‌آی

آب و هوا برخلاف انتخابات است، هیچ موضع‌گیری خاصی ندارد؛ برخلاف NBA، تیم میزبان ندارد. با این حال، همین بازار است که کاربران داخلی را به خود جذب کرده است. دلیلش ساده است - هر کسی برداشتی دارد، همه فکر می‌کنند آب و هوای شانگهای را می‌فهمند.

اما «احساس دانش» و «پول درآوردن» دو چیز متفاوت هستند.

بیت‌آی امروز سه نکته را به اشتراک می‌گذارد:

۱. قوانین تسویه حساب را درک کنید

۲. ایجاد روشی برای پیش‌بینی آب و هوا

۳. از یک سیستم برای یافتن فرصت‌های معاملاتی که دیگران نمی‌توانند ببینند استفاده کنید

من. اول، درک کنید: بازار آب و هوا چگونه آرام می‌گیرد؟

۱. دمای ته نشینی آن چیزی نیست که فکر می کنید

بسیاری از افراد، وقتی برای اولین بار در این طرح شرکت می‌کنند، تصور اشتباهی دارند: آنها بالاترین دما را در برنامه آب و هوای تلفن خود مقایسه می‌کنند، اما این برنامه دمای منطقه شهری شانگهای را نشان می‌دهد، در حالی که شهرک پلی‌مارکت از داده‌های واقعی فرودگاه پودونگ شانگهای (ایستگاه آب و هوای ZSPD) استفاده می‌کند. این داده‌ها از طریق پلتفرم آب و هوای آمریکایی Wunderground به صورت عمومی در دسترس است و نخست وزیر مستقیماً سوابق موجود در WU را به عنوان مبنای تسویه حساب می‌خواند.

دو مکان مختلف، دو شماره مختلف. فرودگاه پودونگ در ضلع شرقی شهر، نزدیک دهانه رودخانه یانگ تسه واقع شده است، تحت تأثیر نسیم دریا قرار دارد و دمای هوا معمولاً پایین‌تر از منطقه شهری است. این تفاوت معمولاً قابل توجه نیست، اما در مرز یک پرانتز پیش‌بینی، می‌تواند تفاوت بین درست و نادرست بودن باشد.

بنابراین در بخش نظرات بازار آب و هوا، ممکن است این نوع سردرگمی را ببینید: «با اینکه امروز گرمتر از دیروز به نظر می‌رسد، چرا دمای بالای نمایش داده شده پایین‌تر است؟»

۲. عدد درست است، اما واحد آن چیزی نیست که شما فکر می‌کنید

داده‌های WU مستقیماً از پیام METAR (فرمت گزارش آب و هوای هوانوردی که در سطح جهانی استفاده می‌شود) که به صورت ساعتی توسط فرودگاه گزارش می‌شود، به دست می‌آید.

اینجا یک نکته‌ی ظریف پنهان است: METAR اعداد صحیح را بر حسب فارنهایت ثبت می‌کند و WU مستقیماً این عدد را بدون تبدیل یا اصلاح نمایش می‌دهد.

بیشتر سیستم‌های پیش‌بینی آب و هوا و خروجی‌های مدل‌های هواشناسی، دماهایی با نقطه اعشار دارند. هرچه محاسبه مدل شما دقیق‌تر باشد، نادیده گرفتن این جنبه‌ی زمخت آسان‌تر خواهد بود.

۳. الگوهای دمایی شانگهای

پس از بررسی نزدیک به ۱۹۰۰ روز داده از ایستگاه ZSPD، مشخص شد که زمان‌های اوج بالاترین دما در شانگهای متمرکزتر از حد تصور است:

ساعات اوج مصرف در هر چهار فصل، عمدتاً بین ساعت ۱۱:۰۰ تا ۱۳:۰۰ است.

غلظت در تابستان در ساعت ۱۲:۰۰ به بالاترین حد خود می‌رسد و ۲۷.۶٪ از کل فصل را در یک ساعت تشکیل می‌دهد.

· دوره اوج در پاییز کمی زودتر است، و ساعت 10:00 نیز یکی از دوره‌های با فراوانی بالا است.

درک الگو اولین قدم است، اما الگو خودش را رصد نمی‌کند. دانستن اینکه بالاترین دما هر روز چه زمانی رخ می‌دهد، آیا به‌روزرسانی می‌شود یا خیر، و اینکه چقدر از آستانه دما فاصله دارد.

بنابراین، نویسنده این سیستم را راه‌اندازی کرد: قبل از تسویه حساب روزانه، تا حد امکان با دقت پیش‌بینی کنید که بالاترین دمای روز در کدام سطح سلسیوس قرار خواهد گرفت.

دوم. پنج روش، سه مورد اعتبارسنجی شده

پس از درک قوانین بازار، سوال بعدی این است: چگونه بالاترین دمای روز را پیش‌بینی کنیم؟

به عنوان یک تازه وارد در حوزه هواشناسی، اولین قدم این است که از ChatGPT بپرسید: صنعت هواشناسی چگونه بالاترین دمای روز را محاسبه می‌کند و روش‌های پیشرفته موجود کدامند؟ ChatGPT یک چارچوب نظری ارائه داد که کلود آن را به کد تبدیل کرد. با همکاری دو هوش مصنوعی، این سیستم در طول یک آخر هفته راه‌اندازی شد.

در مجموع پنج روش امتحان شد و در نهایت تنها سه مورد موفقیت‌آمیز بود.

اعتبارسنجی شده:

۱. پیش‌بینی یکپارچه WC + ECMWF

برای پیش‌بینی بالاترین دما، به داده‌ها نیاز است. از دو منبع استفاده شده است:

· شرکت هواشناسی (WC) یک API آب و هوای تجاری است که داده‌های پیش‌بینی ساعتی را با دقت بالا ارائه می‌دهد.

· ECMWF مدل آب و هوای جهانی مرکز اروپایی پیش‌بینی‌های میان‌مدت آب و هوا است که نسبت به سیستم‌های آب و هوایی در مقیاس بزرگ حساس‌تر است.

هر منبع مزایا و معایب خود را دارد، بنابراین با رأی‌گیری سنجیده می‌شوند. وزن‌ها به صورت پویا بر اساس نوع آب و هوای روز تنظیم می‌شوند: WC در روزهای آفتابی بیشتر مورد اعتماد است، در حالی که ECMWF در روزهای ابری و بادی بیشتر مورد اعتماد است.

۲. اصلاح در زمان واقعی: استفاده از داده‌های افزایش دما برای تخمین پیک‌ها

این پیش‌بینی دیشب انجام شده، اما هوای امروز تغییر کرده است. خب، کاری که این ماژول انجام می‌دهد این است: با استفاده از داده‌های اندازه‌گیری شده واقعی از امروز صبح، محاسبه می‌کند که دمای امروز چقدر می‌تواند بالا برود.

منطق پیچیده‌ای نیست. سردبیر متوجه شد که دمای هوا در شانگهای بین ساعت ۸ تا ۹ صبح بیشترین سرعت افزایش را دارد. سیستم، پس از دریافت دمای اندازه‌گیری شده در این زمان، به داده‌های تاریخی نگاه می‌کند: برای همان فصل، در همان زمان، دما به طور متوسط ​​چقدر می‌تواند افزایش یابد.

سپس دو تنظیم انجام می‌شود:

· اگر ابرهای زیادی وجود داشته باشد، تخفیف اعمال می‌شود زیرا ابرهای ضخیم‌تر مانع گرم شدن می‌شوند.

· اگر بادخیز باشد، تخفیف را نیز اعمال می‌کند زیرا بادهای شدید اتلاف گرما را تسریع می‌کنند. این یک "تخمین برون‌یابی" را محاسبه می‌کند.

فشار، نقطه شبنم و رطوبت نیز در محاسبه در نظر گرفته می‌شوند، اما به دلیل اینکه بک تست تأثیر حداقلی و ارتباط کم آنها را نشان می‌دهد، حذف شده‌اند.

اما تکیه صرف بر برون‌یابی به اندازه کافی پایدار نیست. در اینجا، از مفهومی به نام بهره کالمن استفاده می‌شود که اساساً یک میانگین وزنی بین «نتیجه برون‌یابی شده» و «پیش‌بینی اصلی» در نظر می‌گیرد و این وزن به طور خودکار با گذشت زمان تغییر می‌کند.

· در ساعت ۶ صبح، برون‌یابی تنها ۲۰٪ را شامل می‌شود و بیشترین اعتماد به پیش‌بینی است.

· تا ظهر ساعت ۱۲ ظهر، برون‌یابی ۷۲٪ را تشکیل می‌دهد

بعد از ساعت ۱ بعد از ظهر، تقریباً اعتماد کامل به اندازه‌گیری واقعی وجود دارد که ۸۵٪ را شامل می‌شود.

هر چه دیرتر اتفاق بیفتد، رویدادهای جاری مهم‌تر می‌شوند؛ هر چه زودتر اتفاق بیفتد، ارزش مرجع پیش‌بینی‌های تاریخی بیشتر می‌شود.

بعد از ساعت ۲ بعد از ظهر، سیستم تشخیص می‌دهد که به احتمال زیاد به اوج دما رسیده‌ایم و بالاترین دمای امروز را مستقیماً از سوابق تاریخی و بدون محاسبه بیشتر، ثبت می‌کند.

۳. آیا امروز روز گرمی است؟

این رضایت‌بخش‌ترین ماژول در کل سیستم است که ارزیابی روزانه قبل از طلوع آفتاب را انجام می‌دهد: آیا بالاترین دمای امروز از دیروز بالاتر خواهد بود؟

هر روز بین ساعت ۲ تا ۴ بامداد، سیستم مجموعه‌ای از داده‌های هواشناسی را برای تغذیه به این مدل جمع‌آوری می‌کند:

· تغییرات فشار در ۳ ساعت و ۱۲ ساعت گذشته

· جهت باد پیش از طلوع، سرعت باد، شرایط ابر

نوسانات دمای دیروز، روند دما در سه روز گذشته، اینکه آیا دمای دیروز بالاتر یا پایین‌تر بوده است

· به علاوه ماه، فصل، روز در سال، اینکه آیا دیروز باران باریده است یا خیر

خروجی مدل به پنج سطح تقسیم می‌شود: روز گرم، گرم شدن جزئی، پایدار، خنک شدن جزئی، روز خنک، در عین حال یک سطح اطمینان نیز ارائه می‌دهد.

با این حال، این روش در فصول مختلف، واریانس قابل توجهی در دقت دارد.

دقیق‌ترین در زمستان: وقتی هوای سرد می‌رسد، فشار هوا به شدت افزایش می‌یابد، باد شمال تقویت می‌شود و سیگنال بسیار واضح است، بنابراین مدل می‌تواند به راحتی آن را با یک نگاه تشخیص دهد.

کمترین دقت در پاییز: وقتی توده‌های هوای گرم و سرد با هم درگیر می‌شوند، به طوری که دما یک روز افزایش و روز بعد کاهش می‌یابد، الگوهای تاریخی در این فصل به سرعت بی‌اعتبار می‌شوند.

روش‌های حذف‌شده:

۱. پیش‌بینی عددی فوریه

در ابتدا تلاش شد تا از تحلیل فوریه برای برازش الگوهای چرخه‌ای داده‌های دمای تاریخی استفاده شود تا مشخص شود که آیا می‌توان مستقیماً بالاترین دمای روز را پیش‌بینی کرد یا خیر.

نتیجه این بود که فقط می‌توانست به شما بگوید «میانگین دما در این فصل از نظر تاریخی چقدر بوده است». تصادفی بودن آب و هوای شانگهای بیش از حد زیاد است و برازش فوریه یک منحنی میانگین هموار تولید می‌کند، نه نوسانات واقعی روزانه. با خطای ۳.۶ درجه سانتیگراد و ۱۰۰٪ تخمین کمتر از حد سیستماتیک، این روش مستقیماً کنار گذاشته شد.

۲. پیش‌بینی لحظه اوج ERA5

ERA5 مجموعه داده‌های بازتحلیل تاریخی جهانی مرکز اروپایی پیش‌بینی‌های میان‌مدت آب و هوا است که برای پیش‌بینی زمان وقوع بالاترین دما در طول روز استفاده می‌شود.

پس از بک تست،

· دقت در کمتر یا مساوی ۱ ساعت، ۵۹.۶٪ است

· دقت در کمتر یا مساوی ۲ ساعت، ۸۱.۳٪

اگرچه این خوب به نظر می‌رسد، اما دقت PM بالاتر است و بازه زمانی باقی مانده برای تصمیم‌گیری معامله‌گران بسیار کوتاه است. اگر پیش‌بینی اوج قیمت در عرض نیم ساعت امکان‌پذیر نباشد، بهتر است به داده‌های Polymarket مراجعه کنید. بنابراین، این روش حذف شد.

سوم. نبرد واقعی سیستم: دو مورد و تأمل در کاستی‌ها

بازار آب و هوای پلی‌مارکت چهار روز قبل از شروع معاملات باز می‌شود و معمولاً قیمت‌های مربوط به دماهای محبوب در اوایل بازار به طور کامل اعلام می‌شوند. خرید مستقیم در سطوح احتمال بالا منجر به نسبت ریسک به پاداش ضعیف می‌شود.

بنابراین، استراتژی که نویسنده اتخاذ می‌کند این است: منتظر سیگنال باشید، قبل از ورود به بازار منتظر پنجره زمانی گرم شدن بازار باشید.

متعاقباً، بر اساس سیستم آب و هوایی خودساخته، دو عملیات زیر انجام شد:

مورد ۱:

صبح روز شانزدهم، کانال تلگرام گزارشی از وضعیت شب منتشر کرد: فردا روز خنکی است. دلیلش این است که آن شب ابرهای ضخیمی وجود داشت و هم فصل و هم تعداد روزهای سال، روند خنک شدن را نشان می‌داد.

در آن زمان، سردبیر شرط فوری نگذاشت. سیگنال صبح زود تنها اولین نقطه مرجع بود.

تا ساعت ۱۱ صبح، سیستم گزارشی لحظه‌ای از یک دوره گرمایش ارسال کرد. در آن زمان، بالاترین دمای اندازه‌گیری شده ۱۲ درجه سانتیگراد بود و نتیجه احتمال +۱ درجه سانتیگراد بود: ۴۲٪ احتمال افزایش ۱ درجه سانتیگراد دیگر امروز، با گرایش به عدم گرمایش بیشتر.

با ترکیب سیگنال رگرسیون لجستیک صبح زود که نشان‌دهنده‌ی خنک شدن است، هر دو ماژول در یک جهت تراز شده‌اند. سیگنال خیلی واضح‌تر از صبح زود بود. بنابراین، شرط بسته شد که حداکثر دما در روز شانزدهم از ۱۳ درجه سانتیگراد تجاوز نکند.

تسویه حساب آن روز: ۱۲ درجه سانتی‌گراد دمای هوا در روز قبل، پانزدهم، ۱۵ درجه سانتیگراد بود که کاهش ۳ درجه‌ای را نشان می‌دهد.

مورد ۲:

برای مثال، با نگاهی به آب و هوای امروز شانگهای در هفدهم، سیستم آب و هوا هنوز می‌تواند یک عملکرد هشدار دهنده ارائه دهد: فشاری که ساعت ۷ صبح دریافت شد، زمان اوج غیرمعمولی را نشان داد: ۲۲:۰۰.

در یک روز آفتابی معمولی، بالاترین دما در بعد از ظهر بین ساعت ۱ تا ۳ بعد از ظهر رخ می‌دهد. با این حال، اوج امروز ساعت 10 شب است که نشان می‌دهد این گرمایش ناشی از نور خورشید نیست، بلکه انتقال شبانه جریان‌های هوای گرم و مرطوب است. تمام روز باران بارید، پوشش ابر ۹۷ تا ۱۰۰ درصد بود و تقریباً هیچ آفتابی نمی‌تابید.

در این مرحله، پلی‌مارکت را باز می‌کنیم و قیمت ۱۲ درجه سانتیگراد را همچنان ۵۳٪ می‌بینیم. برخی در جامعه دچار سردرگمی شده‌اند: الان بعد از ظهر است و دما فقط ۱۱ درجه سانتیگراد است. زمان اوج مصرف معمول گذشته است، پس چرا مردم هنوز در دمای ۱۲ درجه سانتیگراد خرید می‌کنند؟

پشت این سردرگمی این است که مردم هنوز از منطق روز آفتابی برای ارزیابی بازار روز بارانی استفاده می‌کنند.

سیستم گیج نشده است. این برنامه به درستی نوع آب و هوای امروز را در صبح، با زمان اوج غیرمعمول، تشخیص داد و انحراف آشکاری بین دمای فعلی و انتظار بازار نشان داد. این تفاوت در اطلاعات، یک فرصت معاملاتی است.

اهمیت داشتن این سیستم در این است: شناسایی فرصت‌ها را در مواجهه با فرصت آسان‌تر می‌کند و در مواجهه با ریسک سریع‌تر هشدار می‌دهد.

برخی از محدودیت‌های سیستم چیست؟

آخر هفته سیستمی را پیاده‌سازی کردم که بدون نقص بودنش غیرممکن است:

· دقت در پاییز تنها ۶۳.۷ درصد است، نزدیک به پرتاب سکه.

توده‌های هوای سرد و گرم در این فصل بارها با هم رقابت می‌کنند، با افزایش دما امروز و به دنبال آن کاهش دما فردا، الگوهای تاریخی در پاییز کمترین قابلیت اطمینان را دارند.

· ویژگی‌های فشار در معاملات زنده موجود نیست. تغییرات فشار به عنوان یک ویژگی هنگام آموزش مدل مورد استفاده قرار گرفت و نتایج بک تست خوب بود.

· سیگنال عبور هوای سرد بسیار واضح است. با این حال، در طول معاملات زنده، رابط کاربری فعلی داده‌های فشار را به صورت آنی ارائه نمی‌دهد.

· اصلاح ساحلی هنوز در انتظار فعال‌سازی داده‌ها است. اثر نسیم دریا در فرودگاه پودونگ واقعاً واقعی است و سیستم یک ماژول اصلاح مربوطه را ساخته است، اما نمونه‌های آزمایش برگشتی کافی نیستند.

سیستمی که تازه برای یک آخر هفته اجرا شده است، می‌تواند این مشکلات را شناسایی کند، که این یک مزیت محسوب می‌شود. مراحل بعدی شامل اشکال‌زدایی در حین اجرا است.

چهارم. نتیجه‌گیری

هواشناسی صدها سال است که با استفاده از ماهواره‌ها، ابررایانه‌ها و مدل‌های جهانی توسعه یافته است، اما پیش‌بینی‌های هواشناسی هنوز نمی‌توانند دقت ۱۰۰٪ را برای فردا تضمین کنند. نه اینکه دانشمندان به اندازه کافی سخت کار نمی‌کنند، بلکه خود جو آشفته است. یک تغییر جزئی در شرایط اولیه می‌تواند منجر به نتایج کاملاً متفاوتی شود.

این سیستم که در طول یک آخر هفته کار کرد، البته اشتباه خواهد کرد. میزان دقت در پاییز نزدیک به پرتاب سکه است، اگر هوای سرد زودتر از موعد برسد، سیستم ممکن است به موقع پاسخ ندهد و اثر نسیم دریا حتی اکنون نیز به طور کامل ثبت نشده است.

اما این مهم نیست. پیش‌بینی بازار نیازی به درست بودن در هر زمان ندارد، فقط کافی است از نظر شانس برتری داشته باشید و یک لایه اطلاعات بیشتر از بازار ببینید.

لینک مقاله اصلی