スピーカー | トランスクリプト |
| メイソン・チェン | 皆さんこんにちは。 ご覧いただきありがとうございます。 私は石工です。今日は、湿度などの指標が重要かどうかについての研究を紹介します。 |
| 将来同様の災害が発生するのを防ぐために、2021年にテキサス州で停電が発生したときの気温と露点のレベル。 |
| したがって、2021年の停電危機は、地元住民だけでなく、テキサスからの天然ガスと石油に依存していた米国の他の場所にとっても、テキサスの歴史上最も費用のかかる災害でした。 |
| 天然ガスの最大の処理能力を持っており、国のすべての州が危機の影響を受けました。 |
| それで、私たちは将来の同様の災害を防ぐのを助けることができるかどうかを見たかったのです。 危機を引き起こした多くの政治的および財政的要因がありますが、 |
| また、このイベントをより総合的に評価してアプローチするために、科学的および環境的要因を検討したいと思いました。 |
| これを行うために、ヒューストンは最も打撃を受けた都市の1つであったため、2012年から2021年まで毎年2月にヒューストンの歴史的な気象パターンを調査することにしました。 |
| 2021年のシーズン中の気象状況がどれほどまれであったかを理解するために、外れ値の方法とクラスタリングツールを使用します。 |
| 過去数年と比較して、また、関連する科学的要因と環境要因の両方を理解することにより、将来の潜在的な危機の最も重要な気象マーカーを特定するのに役立ちます。 |
| そのため、プレゼンテーションの全体的なフレームワークに入る前に、イベントの背景とこのプロジェクトの背後にある動機について少し説明したいと思います。 |
| そのため、テキサス州の停電危機は2021年2月に発生し、多くの情報筋は、州が事前に電気システムを準備しなかったことが原因であると考えています。 |
| 今年、テキサスで大規模な停電が発生したのは実際には初めてではありませんでした。 10年前の2011年、同じく2月、グラウンドホッグデーの吹雪により、多くの都市の天然ガス発電所が完全に凍結しました。 |
| テキサス州は、州の約4分の3に対して裁定のブラックアウトを発行しました。 |
| 北米...北米電力信頼性評議会は、テキサス電気信頼性評議会（略してERCOT）と計画の交渉を試みました。 |
| 州の発電所のインフラストラクチャをアップグレードするため。これは、コストを考慮してほとんど無視されていました。 多くの石油生産者は、発電所が凍結するリスクを受け入れました |
| 通常は毎年2〜3日ですが、気候変動によりリスクと頻度が大きくなり、天候が予測できなくなります。 |
| 今年2月に一連の冬の嵐がテキサスを襲ったとき、発電所は事前に準備されていなかったため、極端な凍結条件に耐えることができませんでした。 |
| また、風力などの再生可能エネルギーや、石炭や天然ガスなどの再生不可能なエネルギーなど、多くのエネルギー源が機能しなくなりました。 |
| これに応じて、ERCOTは機器の問題に対処できなかったため、州全体で計画停電を開始しました。 |
| 異常気象時には、多くの作物も破壊され、食糧不足につながり、多くの市民が家の中で凍りつき、停電が続く低体温症に苦しんでいました。 |
| それで、これは約2週間のスパンで起こったことの非常に短いタイムラインです。 そのため、2月初旬にテキサスを襲った嵐がかなりありました。そのうちの1つは冬の嵐ウリで、テキサスの多くの場所がさらに悲惨な状況に陥りました。 その後まもなく、 |
| 電力需要は69,000メガワットに達し、州の記録であり、以前の記録である65,000メガワットを上回っています。 |
| そして翌日、ERCOTは、脆弱な電力設備による損傷と電力需要の増加の両方の結果として、停電を開始しました。 計画停電はついに2月19日に終了しました。 |
| ここでは、衛星画像から冬の嵐の画像を見ることができます。 左側のものは、吹雪の最初の波がテキサスを襲う直前に撮影されたものです。 |
| 状況の頂点での2回目の撮影。 それで、私は特にヒューストンを示しました。それは、最も打撃を受けたので、すべての都市の中で最もコントラストが高いからです。 |
| これがヒューストンに焦点を当てる理由でもあります。 2月末と比較して、2月中旬の停電を実際に見ることができます。 |
| そのため、状況の広範囲にわたる影響と停止の考えられる原因を理解した後、より多くのことを導く特定の気象指標があるかどうかを調べたいと思いました。 |
| 停止の特定の環境原因であり、冬季の早い時期に重要な気象指標に注意を払うことにより、危機に備えるための参照として将来使用される可能性があります。 |
| 私が言ったように、ヒューストンは最も打撃を受けた都市の1つだったので、プロジェクトにはヒューストンの天気情報を使用します。 |
| まず、これらの指標の背後にある科学、それらの違い、およびこれらの指標の意味を理解しようとします。 |
| 次に、さまざまな外れ値クラスタリングツールを使用して、ヒューストンでの2月の過去10年間と比較して、これらの気象マーカーのどれが最も異なっていたかを調査し、2021年2月の気候がどれほどユニークであったかを比較します。 |
| そして、プレゼンテーション全体を通して、統計分析と結果を環境科学に結び付けて、2021年のテキサスの停電に最も貢献した気象要因を特定するのに役立てようとしています。 |
| 私たちが持っていた最も差し迫った質問の1つは、危機に貢献している特定の環境要因は何かということでした。 ですから、嵐と防寒の欠如が一般的な要因であったことを私たちは知っています、 |
| しかし、すべての嵐が脆弱な電力設備の凍結につながるわけではありません。 そこで、どのような特定の気象要因が電力システムの故障につながるのかを知りたいと思ったので、将来に備えて何を準備するかを知ることができます。 |
| 私たちはヒューストンを通してこれを見て、ハウトソンの気象要因を、それほど大きな打撃を受けていないテキサスの他の都市と比較することにしました。 |
| ダラスは非常に近くにあり、どちらも同じ電力システムを使用しているため、比較の基準としても役立ちます。 |
| 右側は、ヒューストンとダラスの両方での2月の気象統計です。 興味深いことに、最高平均気温であろうと最低気温であろうと、気温のマーカーを見ると、 |
| ダラスは常に気温が低くなっています。 |
| したがって、温度が低いと機器が凍結するリスクが高まると予想されますが、ここではそうではないようです。 したがって、代わりに露点温度は |
| が主な原因であるため、テキサスよりもヒューストンの露点温度が高い場合、露点温度が凍結のリスクの最も重要な指標である可能性があるかどうか疑問に思います。 |
| では、露点温度とは何で、なぜ重要なのか、そしてそれは私たちの通常の温度測定とどのように違うのでしょうか？ |
| 具体的には温度...気温は空気分子の速度の尺度であるため、分子がより速く移動します。 |
| 運動エネルギーが大きくなり、温度が高くなります。 結露は空気の温度に依存します。 そのため、気温が低くなると、水分子の動きが遅くなり、水分子の引力によって互いにくっつきます。 |
| 現在、相対湿度、または単に湿度は、結露に抵抗するためにそれらの水分子を互いに解放するために蒸発に利用できるエネルギーの量の尺度です。 |
| したがって、相対湿度が25％の場合、利用可能なエネルギーの25％が湖などの水域から水を蒸発させるために使用され、エネルギーの75％がより多くの蒸発を行うために使用できることを意味します。 |
| 現在、相対湿度は気温と露点温度に関連しているため、少し誤解を招く可能性があります。 それ自体は水分の独立した尺度ではありません。 |
| したがって、露点は結露が最初に始まる温度です。 したがって、気温が露点温度を下回ると、結露が始まります。 |
| また、湿度とは異なり、露点温度が上昇すると、空気中の水分量が増加するだけです。 つまり、露点温度は、空気中の水分量の独立した尺度です。 |
| しかし一方で、湿度は気温と露点温度の差に依存します。 |
| したがって、露点温度が気温と等しい場合、相対湿度は100％になります。 |
| デューポイント温度と気温の差が大きいほど、相対湿度は低くなります。 したがって、相対湿度が変化する場合は、温度変化または湿度変化、あるいはその両方が原因である可能性があります。 |
| では、気温、相対湿度、露点温度は大気圧とどのように関係しているのでしょうか。 露点は大気圧に依存しません。 |
| ???圧力は温度によって直接変化すると言います。 したがって、ガスがあり、分子がより速く移動し、コンテナの壁内をより頻繁に上昇する場合は、圧力が上昇します。 |
| 湿度も圧力に直接関係します。これは、空気中に一定量の蒸気があり、空気の量を凝縮すると、圧力が上昇し、相対湿度である空気中の水分の全体的な割合も増加するためです。 |
| したがって、この情報に基づいて、露点温度と気温が凍結リスクを決定する上で最も重要な2つの変数であると考えるでしょう。 |
| 動きのある空気の量と天候の涼しさの両方が重要です。 それが実際に気象統計に反映されているかどうかを見てみましょう。 |
| さて、これで天気についての知識が増えました...科学かどうか、そしてそれらの指標が何を意味するかについて、 |
| 統計分析に飛び込んで、水分レベルまたは露点の増加があるかどうかを調べることができます |
| 2021年の気象条件の主な原因です。 したがって、データを収集するために、クラスタリングサンプリングを使用します。これは、母集団をクラスターに分割してから4つのクラスターを選択するサンプリング方法の一種です。 したがって、私たちの場合、2月を選択しました |
| 過去10年間から、今年2月に停止が発生し、サンプルの月ごとおよび季節ごとの変動を考慮したくなかったためです。 |
| また、気候変動により天候が悪化する可能性があるため、前年だけでなく過去10年間のデータを収集したいと考えています。 したがって、今年はこれまでで最悪のシーズンであり、より多くの年と比較すると、コントラストがより明確になります。 |
| 2012年2月から2021年までの毎日の気象統計を収集しました。これは、2月に最低28日、うるう年にさらに3日あるため、合計サンプルサイズは283日です。 |
| そして、毎日、最高平均気温と最低気温、露点、湿度、風速と気圧を収集し、降水量も収集しました。 |
| 最大平均と最小値を収集したのは、一方が他方よりも重要で正確な測定値である可能性があるためですが、これもまだわかりません。 |
| 283日のサンプルサイズも検出力テストに合格しました。検出力は帰無仮説を正しく棄却する確率です。 したがって、さらに多くのデータを収集する必要はありません。 |
| だから私たちはどの気象指標を見たかったのです |
| 外れ値があります。 パラメータに多くの外れ値がある場合でも、そのインジケータが極端な気象条件によって簡単に変動する可能性が高くなり、将来の状況のより重要な参照になります。 |
| したがって、ここでは、10年間すべての分位範囲の外れ値を実行しました。 外れ値の基準は、四分位範囲に基づいて決定されます。 |
| IQR。これは、その変数のすべての値の75パーセンタイルを持つ分位3と、分位1〜25パーセンタイルの差です。 したがって、外れ値の下限しきい値は、Quantile 1からIQRの1.5倍を引いたものとして決定され、外れ値の上限しきい値は、Quantile3にIQRの1.5倍を加えたものとして決定されました。 |
| 最大の外れ値はかなりあります... |
| 最大湿度のパーセンテージと降水量。 |
| しかし、これらの外れ値は10年すべてのものであり、テキサスの停電が発生した日には主に関心があります。 |
| つまり、2021年2月のほんの数週間です。 |
| そこで、代わりに、2021年2月2日から2月25日までの期間に焦点を当てます。これは、おおよその停止危機の期間です。 |
| したがって、繰り返しになりますが、これはヒューストンからのデータのみを考慮します。 したがって、この3週間だけで、気温がすべての気象パラメータの中で最も外れ値を持っていることがわかります。 |
| 湿度には1つの外れ値があります。 それにもかかわらず、分位範囲外れ値ツールの主な制限は、多重共線性を考慮できないことです。 |
| そして私たちの科学的研究から、湿度は露点と温度の両方に依存することがわかっています。 外れ値分析は最も正確なツールではない可能性があり、露点は依然としてより重要な要因の1つである可能性があります。 |
| 別の方法として、さまざまな気象パラメーターをさまざまなクラスターにグループ化するクラスター変数を使用してみました。 |
| そこで、クラスター変数ツールが、2021年の停電の最も重要な気象指標で構成された単一のクラスターを特定するのに役立つかどうかを確認したかったのです。 |
| つまり、左上のカラーマップは |
| それ |
| 各気象パラメータをy軸にグラフ化し、次に各パラメータをx asisにグラフ化し、それらの相関関係をプロットします。 |
| したがって、セルが青であるほど、2つのパラメーターは互いに強く負の相関関係にあり、セルが赤であるほど、パラメーターは互いに正の相関関係にあります。 |
| カラーマップでは、4つの異なるクラスターを視覚化できます。これは、クラスターメンバーテーブルでも識別できます。 |
| クラスター1は、すべての温度パラメーターと露点パラメーターで構成されており、このクラスターが2021年の電力危機の最も重要な気象要因で構成されている可能性があることを示しています。 |
| クラスター2は風速と降水量で構成され、クラスター3はすべて湿度、クラスター4はすべて圧力で構成されます。 したがって、最後のいくつかのクラスター |
| すべての湿度、圧力の測定値が独自のクラスターに属し、風速と降水量が相関していることに驚かないので、あまり洞察を与えないでください。 したがって、この分析からの重要なポイントは、露点と温度が最も相関している可能性があるということです。 |
| これまでのところ、露点と気温が最も重要な気象指標である可能性があることはわかっていますが、2021年の気象パターンは以前の気候とどのように比較されますか？ そして、私たちの現在の気象パラメータは検出できますか？ヒューストンの天気 |
| ???主要な外れ値？ |
| したがって、上のグラフは以前のクラスターレポート分析のクラスターの概要であり、下の2つのグラフは多変量統計プロセス管理図です。 |
| そこで、最初に主成分分析を実行して、16個の変数から次元を減らしました。 それらは、主成分分析にすべての気象パラメータを含みます。 全変動の80％以上を占めるには、5つの主成分が必要です。 しかし、私たちは本当に区別することはできません |
| 5つの主成分を使用した場合の過去の気象状況からの2021年の状況。 停電の危機が発生したときの赤い点は、管理上限のT定規である赤い線をかろうじて上回っており、すべてではないことがわかります... ??? |
| したがって、このグラフは、実際のパターンを検出できず、代わりに気象状況を説明する際に固有値に依存しすぎていることを示しています。 そこで、2番目の???を削除してみました。集まる、 |
| すべてのクラスターの中で、変動が最も少ないことを説明しているためです。 |
| そして、主成分分析をやり直しました。 したがって、今回は、変動全体の少なくとも80％を占めるために必要な主成分は4つだけですが、それでも明確に区別することはできません。 |
| 他の時間枠からの2021年の停電危機の間の気象状況。 では、2021年の気象状況を他の気象状況からより適切に特定するために、他にどのようにして信号を増やし、このノイズ全体を減らすことができるでしょうか。 |
| さて、クラスター変数の結果に戻って、最も代表的な変数をスクリーニングできるかどうかを見てみましょう。 だからやってみましょう |
| クラスターの要約に基づいて、各クラスターの最も代表的な変数を選択し、 |
| これは、1つの...独自のクラスターと1つのマイナスR二乗比を持つR二乗から決定されます。 |
| 独自のクラスターで二乗されたRは、各変数がクラスターの中心とどれほど類似しているかを表します。 |
| したがって、この値では、中心と比較した変数の方向はわかりませんが、距離が十分に近い場合 |
| 中央の変数の間では、方向はそれほど重要ではありません。 興味深いことに、最も代表的な変数は平均であり、それらを含む最小パラメーターではなく、一種の冗長です。 |
| クラスター変数に基づいて平均温度、平均湿度、平均露点温度、平均圧力のみをスクリーニングした後、右側のTの二乗グラフに示すように、変動の80％を占めるのに必要な主成分は2つだけです。 |
| そして、ここでは、1つの大きなスパイクを見ることができます。 |
| これは、停電危機の間の日数で構成されています。 したがって、クラスタリング変数と主要コンポーネントの両方を使用することで、気象状況をうまく区別できます。 |
| 2021年の停電中。 したがって、改訂されたTの二乗グラフは、2021年の停電の気象状況の最も重要な指標である気象パラメータについて何かを教えてくれますか？ |
| 危機？ 結果は、以前の科学研究のクラスター変数分析の結果と一致していますか？ |
| これら4つの変数のそれぞれの寄与率を調査したかったのですが、これを行うには、1つのデータポイントしか選択できません。 |
| そこで、最悪のシナリオでどのパラメーターが最も重要であるかを最も重視するため、2021年に最悪の気象状況にあるサンプル番号270を選択しました。 |
| 右側の寄与比例プロットからわかるように、露点の平均温度が2つの最大の寄与であり、圧力による寄与はほとんどなく、湿度による寄与もありません。 |
| したがって、この結果は、気温と露点が気象状況の主な要因であることを示している可能性があります。 |
| これは、クラスター変数分析をバックアップするだけでなく、科学的研究によって説明することもできます。 したがって、気温は依然として最大の寄与を提供しますが、水分を測定する露点も凍結の大きな要因です。 |
| 以前は、主成分分析の変動の90％を占めるために4つのクラスターが必要でしたが、各クラスターから最も代表的な変数を選択した後、合計4つのパラメーターで2つだけ必要になりました。 |
| これは、スクリーニングが信号対雑音比を高めるのに有益であることを確認します。 |
| パレートの法則に基づいて、どれが十分であるかを選択すること。これは、原因の重要な数20％が、特定の状況からの結果の80％を占めると述べています。 |
| その固有ベクトルをさらに詳しく調べると、最初の固有ベクトルは4つのパラメーターすべてで非常に均等に構成されていることがわかります。これは、その大きさが、主に温度と湿度で構成される2番目の主成分に対してすべて約0.5であるためです。 |
| 露点ではありません。 これは、露点が過去10年間すべて重要な要因ではなかったことを示している可能性があるため、論理的な次のステップは、2021年の主成分分析を検討することです。 |
| ただし、2021年2月のデータポイントは20しかないため、サンプルサイズは小さすぎます。 |
| 2021年だけで主成分分析を実行するのに十分なサンプルサイズはありませんが、過去10年間の最も重要なパラメーター間の違いを視覚化できるかどうかを見てみましょう。 |
| 1つだけと比較して。 したがって、左側には過去10年間の寄与率のヒートマップがあり、右側は今年だけです。 |
| 暗いフィールドは、通常の状況との偏差が大きく、コントラストが大きいことを示します。 したがって、2012年2月から2021年までのグラフを見ると、暗いセルに基づいて、温度と湿度のパーセンテージが最も重要な要素であることがわかります。 |
| 湿度は温度と露点の両方に依存するため、湿度は温度のために重要になる場合があります。 したがって、これにも多重共線性の問題があります。 |
| 一方、緑色の網掛けの停電危機前後の数週間だけを見ると |
| 右側では、温度と露点に最も暗いセルが含まれていることがわかります。 したがって、これもまた、露点がより重要である可能性があることを示しています... 2021年の停電危機ではより重要な指標ですが、過去の気象状況では歴史的にそうではなかった可能性があります。 |
| これで、この初期プロセス管理図ができました。停電危機の気象状況は異常値であることがわかりますが、それはどれほどまれでユニークでしたか？ したがって、このグラフの下部にある正方形は |
| 2つの主成分をグラフ化します。 さまざまな信頼楕円が含まれています。 左上のポイントは2021年2月15日です。 |
| 最も悲惨な嵐の1つがテキサスを襲ったとき。 ポイントは、オレンジ色の線である99.5％の信頼楕円の外側にあることがわかります。 |
| しかし、99％の信頼楕円の内側、つまり青い線です。 つまり、15日の気象状況は200日に1回発生し、2月は28日であるため、過去のデータに基づく確率は28日を200で割った値になります。 |
| 7年に1回。 |
| ???同様の状況が将来発生する可能性...気象状況はより可能性が高く、地球温暖化によりさらに悪化する可能性があります。 |
| また、4つのポイントは、露点と温度のベクトルの反対側にある左上の象限にあり、露点と温度が2021年の停電危機の異常気象の主な原因であることをもう一度示しています。 |
| 2021年を比較できる別の方法 |
| 過去10年間の通常の気象状況との状況は、2月15日の寄与プロットをスコアプロットの中心点と比較することです。 |
| どの種類が... 10年間の中央値として機能します。 したがって、右上のグラフはサンプル番号270です。これは、停電の危機の最悪の気象状況が発生した日です。 |
| 下のグラフは、スコアプロットの中心点であるサンプル番号131です。 非常に興味深いことに、サンプル番号270は温度と露点からの主な寄与がありますが、サンプル番号131は圧力だけです。 |
| したがって、このグラフは、不安定な気象条件でより重要な要素になっているのは露点だけではなく、おそらく地球温暖化のために気温もより重要になっていることを示しています。 |
| 現在、気温と露点は、気圧と湿度よりも気象状況のより重要な指標です。 |
| では、テキサス州政府は、将来の停電の危機を防ぐために何をしているのでしょうか。 |
| 停電が終わってから数日後、アボット知事は一般の人々に呼びかけ、電力設備の冬期化を呼びかけました。 |
| そして、下院は非常事態措置を改革するためのいくつかの新しい法律を進めました。 しかし、多くの人は、新しい法律は気温としての将来の危機を防ぐのに十分ではないと信じています |
| 異常気象のしきい値は、実際には2021年の危機時の凍結条件のしきい値よりも低くなっています。 2021年3月の時点で、州議会議事堂はいかなる法律も可決していません。 |
| 発電所を防寒する必要があります。 ERCOTの元戦略顧問の1人は、停止を防ぐための鍵は将来の計画を立て、気候変動を???の大きな要因と見なすことであると考えています。 |
| 予防 |
| 対策。 |
| したがって、結論として、露点温度、気温、湿度、および圧力の背後にある科学と、それらがどのように相互に関連し、接続されているかを研究しました。 |
| 分位数外れ値ツールは複数の問題を考慮することができず、湿度が露点温度に影響を及ぼし、 |
| 大気温。 そこで、クラスター変数を使用して、クラスターに基づいて最も重要な気象要因を特定できるかどうかを確認しました。 |
| 主成分分析を使用して、統計的プロセス管理図を最適化しました。 湿度、露点、温度、圧力の4つの最も代表的な変数を選択しました。 |
| また、これらの変数の寄与を、より一般的にはヒートマップを使用して、より具体的には最悪の気象状況を示したサンプル番号270の寄与比率プロットを使用して調査し、これらの結果をスコアプロットの中心点と比較しました。 |
| 私たちはそれを見つけました |
| 気温と露点は、特に気候変動と地球温暖化に伴う天候の予測不可能性の高まりを考慮すると、同様の災害の将来の事例の重要な気象マーカーでした。 今日はこれですべてです。 聞いてくれてありがとう。 |
