Conférencier | Transcription |
| Mason Chen | Salut à tous. Merci de vous être connecté. Je suis maçon et je présenterai aujourd'hui une étude sur les indicateurs importants, tels que l'humidité, |
| les niveaux de température et de point de rosée, lors de la panne de courant au Texas en 2021, afin d'éviter que des catastrophes similaires ne se reproduisent à l'avenir. |
| Ainsi, la crise de la panne de 2021 a été la catastrophe la plus coûteuse de l'histoire du Texas non seulement pour les résidents locaux, mais aussi pour d'autres endroits aux États-Unis qui dépendaient du gaz naturel et du pétrole du Texas, |
| qui possède la plus grande capacité de traitement de gaz naturel, et tous les États de la nation ont été touchés par la crise. |
| Nous voulions donc voir si nous pouvions aider à prévenir de futures catastrophes similaires. Bien qu'il existe de nombreux facteurs politiques et financiers qui ont conduit à la crise, |
| nous avons également voulu considérer les facteurs scientifiques et environnementaux en jeu afin d'évaluer et d'aborder cet événement de manière plus holistique. |
| Pour ce faire, nous avons décidé d'étudier le modèle météorologique historique de Houston chaque année de 2012 à 2021 en février, car Houston était l'une des villes les plus durement touchées. |
| Nous utiliserons des méthodes aberrantes et des outils de clustering afin de comprendre à quel point la situation météorologique était rare pendant la saison 2021, |
| par rapport aux années précédentes, et aussi pour aider à identifier les marqueurs météorologiques les plus importants pour de futures crises potentielles grâce à notre compréhension des facteurs scientifiques et environnementaux impliqués. |
| Donc, avant de nous lancer dans le cadre général de la présentation, nous voulions donner un aperçu de l'événement et de la motivation derrière ce projet. |
| Ainsi, la crise de panne de courant au Texas s'est produite en février 2021, et de nombreuses sources attribuent l'événement à l'échec de l'État à préparer ses systèmes électriques au préalable. |
| Cette année, ce n'était pas la première fois que le Texas subissait des pannes de courant majeures. Il y a dix ans, en 2011, également en février, les blizzards du jour de la marmotte ont complètement gelé les centrales électriques au gaz naturel de nombreuses villes. |
| Le Texas a émis des pannes d'électricité pour environ les trois quarts de l'État. |
| La North America...North American Electricity Reliability Corporation a tenté de négocier des plans avec l'Electric Reliability Council of Texas (ERCOT en abrégé) |
| pour moderniser l'infrastructure des centrales électriques de l'État, qui a été en grande partie ignorée en raison de considérations de coût. De nombreux producteurs de pétrole ont accepté le risque de gel de leurs centrales électriques |
| généralement deux à trois jours par an, mais les risques et les fréquences sont devenus plus importants en raison du changement climatique, ce qui rend le temps plus imprévisible. |
| Lorsqu'une série de tempêtes hivernales ont balayé le Texas en février de cette année, les centrales électriques n'ont pas été en mesure de résister à des conditions de gel extrêmes car elles n'étaient pas préparées à l'avance. |
| Et de nombreuses sources d'énergie ont cessé de fonctionner, y compris les énergies renouvelables, comme l'énergie éolienne, et non renouvelables, comme le charbon et le gaz naturel. |
| En réponse, ERCOT n'a pas pu faire face aux problèmes d'équipement et a donc institué des pannes d'électricité progressives dans tout l'État. |
| Dans des conditions météorologiques extrêmes, de nombreuses récoltes ont également été détruites, entraînant des pénuries alimentaires, et de nombreux citoyens ont gelé dans leurs maisons et souffrent d'hypothermie avec les pannes de courant continues. |
| Voici donc une très brève chronologie de ce qui s'est passé sur une période d'environ deux semaines. Il y a donc eu pas mal de tempêtes qui ont frappé le Texas début février, dont la tempête hivernale Uri, qui a plongé de nombreux endroits du Texas dans une situation encore plus désastreuse. Peu de temps après, |
| la demande d'électricité a atteint 69 000 mégawatts, un record d'État, battant le précédent record de 65 000 mégawatts. |
| Et le lendemain, ERCOT a commencé à instituer des pannes de courant en raison à la fois des dommages causés par des équipements électriques vulnérables, ainsi que d'une augmentation de la demande d'électricité. Les pannes d'électricité progressives ont finalement pris fin le 19 février. |
| Ici, vous voyez les images de la tempête hivernale à partir d'images satellite. Celui de gauche est pris juste avant que la première vague de blizzards ne frappe le Texas. |
| La seconde prise au plus fort de la situation. J'ai donc particulièrement montré Houston parce qu'elle a le plus grand contraste de toutes les villes, car elle a été la plus durement touchée, |
| c'est aussi pourquoi se concentrera sur Houston. Vous pouvez vraiment voir la perte d'électricité à la mi-février par rapport à la fin février. |
| Ainsi, après avoir compris les effets à long terme de la situation et les causes possibles de la panne, nous avons voulu savoir s'il y avait certains indicateurs météorologiques qui nous orienteraient vers une |
| causes environnementales spécifiques de la panne et pourraient servir à l'avenir de référence pour se préparer aux crises plus tôt en prêtant attention aux indicateurs météorologiques importants au début de la saison hivernale. |
| Comme je l'ai dit, nous utiliserons les informations météorologiques de Houston pour le projet car c'était l'une des villes les plus durement touchées. |
| Tout d'abord, nous essaierons de comprendre la science derrière ces indicateurs, leurs différences et ce que signifient ces indicateurs. |
| Et ensuite, nous utiliserons une variété d'outils de regroupement de valeurs aberrantes pour étudier lesquels de ces marqueurs météorologiques étaient les plus différents par rapport aux 10 dernières années en février à Houston et comparerons également à quel point le climat de février 2021 était unique. |
| Et tout au long de la présentation, nous essaierons de relier les analyses statistiques et les résultats aux sciences de l'environnement pour nous aider à déterminer quels facteurs météorologiques ont le plus contribué à la panne de courant au Texas en 2021. |
| L'une des questions les plus immédiates que nous nous sommes posées était de savoir quel facteur environnemental spécifique contribue à la crise. On sait donc que les tempêtes et le manque d'hivernage étaient des facteurs généraux, |
| mais toutes les tempêtes n'entraînent pas le gel d'équipements électriques vulnérables. Nous voulions donc savoir quels facteurs météorologiques spécifiques conduisent à la panne du système électrique, afin que vous sachiez quoi préparer pour l'avenir. |
| Nous avons décidé d'examiner cela à travers Houston et de comparer les facteurs météorologiques de Houtson à d'autres villes du Texas que nous ne sommes pas durement touchées. |
| Nous avons choisi Dallas parce qu'il était très proche et que les deux utilisent le même système d'alimentation, ce qui en fait également une bonne base de comparaison. |
| Sur la droite se trouvent les statistiques météorologiques pour le mois de février à Houston et à Dallas. Fait intéressant, si vous regardez n'importe quel marqueur de température, que ce soit la température moyenne maximale ou minimale, |
| Dallas a toujours la température la plus basse. |
| Nous nous attendons donc à ce que des températures plus basses augmentent le risque de gel des équipements, mais cela ne semble pas être le cas ici. Au lieu de cela, la température du point de rosée semble |
| être le principal contributeur, donc si nous avons une température de point de rosée plus élevée à Houston qu'au Texas, et cela nous amène à nous demander si la température de point de rosée pourrait être l'indicateur le plus important du risque de gel. |
| Alors, qu'est-ce que la température du point de rosée et pourquoi est-elle importante et en quoi est-elle différente de notre mesure régulière de la température ? |
| La température en particulier... la température de l'air est la mesure de la vitesse des molécules d'air, donc plus les molécules se déplacent rapidement, |
| plus l'énergie cinétique est élevée et plus la température est élevée. La condensation dépend de la température de l'air. Ainsi, lorsque la température de l'air est plus basse, les molécules d'eau se déplacent plus lentement, de sorte que les forces d'attraction des molécules d'eau les obligent à se coller les unes aux autres. |
| Maintenant, l'humidité relative, ou simplement l'humidité, est une mesure de la quantité d'énergie disponible pour l'évaporation qui a été utilisée pour libérer ces molécules d'eau les unes des autres pour résister à la condensation. |
| Donc, si nous avions une humidité relative de 25%, cela signifie que 25% de l'énergie disponible a été utilisée pour évaporer l'eau des plans d'eau, tels que les lacs, et 75% de l'énergie est disponible pour faire plus d'évaporation. |
| Maintenant, l'humidité relative est un peu trompeuse car elle est relative à la température de l'air et à la température du point de rosée. Ce n'est pas en soi une mesure indépendante de l'humidité. |
| Le point de rosée est donc la température à laquelle la condensation commence pour la première fois. Ainsi, lorsque la température de l'air descend en dessous de la température du point de rosée, c'est à ce moment-là que la condensation commence. |
| Et contrairement à l'humidité, lorsque la température du point de rosée augmente, c'est uniquement parce que la quantité d'humidité dans l'air augmente. Donc, en d'autres termes, la température du point de rosée est une mesure indépendante de la quantité d'humidité dans l'air. |
| Mais d'un autre côté, l'humidité dépend de la différence entre la température de l'air et la température du point de rosée. |
| Ainsi, lorsque la température du point de rosée est égale à la température de l'air, l'humidité relative est de 100 %. |
| Plus la différence entre la température du point de rosée et la température de l'air est grande, plus l'humidité relative est faible. Donc, si l'humidité relative change, cela peut être dû à des changements de température ou à des changements d'humidité ou aux deux. |
| Maintenant, comment la température de l'air, l'humidité relative et la température du point de rosée sont-elles liées à la pression atmosphérique ? Le point de rosée est indépendant de la pression atmosphérique. |
| ??? dit que la pression varie directement avec la température. Donc, si vous avez un gaz et que les molécules se déplaceront plus rapidement et monteront plus fréquemment à l'intérieur des parois du conteneur, augmentant ainsi la pression. |
| L'humidité est également directement liée à la pression, car si vous avez une quantité fixe de vapeur dans l'air et que vous condensez le volume d'air, la pression augmentera et le pourcentage global d'humidité dans l'air, qui est l'humidité relative, augmentera également. |
| Donc, sur la base de ces informations, vous penseriez que la température du point de rosée et la température de l'air sont les deux variables les plus importantes pour déterminer les risques de gel, car |
| la quantité d'air en mouvement et la fraîcheur du temps sont toutes deux importantes. Voyons maintenant si cela se reflète réellement dans les statistiques météorologiques. |
| D'accord, maintenant nous sommes équipés de plus de connaissances sur la météo... sur la question de savoir si la science et la signification de ces indicateurs, |
| nous pouvons plonger dans l'analyse statistique et examiner si oui ou non une augmentation des niveaux d'humidité ou du point de rosée |
| est en grande partie responsable des conditions météorologiques de 2021. Donc, pour collecter nos données, nous utilisons l'échantillonnage par grappes, qui est un type de méthode d'échantillonnage dans laquelle nous divisons la population en grappes, puis sélectionnons quatre grappes ???. Donc dans notre cas, nous avons choisi le mois de février |
| des 10 dernières années, car la panne s'est produite en février de cette année, et vous ne vouliez pas considérer les variations d'un mois à l'autre et d'une saison à l'autre dans notre échantillon. |
| Et nous voulons collecter des données sur les 10 dernières années, et pas seulement sur l'année précédente, car le temps peut être de pire en pire en raison du changement climatique. Cette année a donc la pire saison, jusqu'à présent, et le contraste sera plus évident si nous le comparons à plusieurs années. |
| Nous avons collecté les statistiques météorologiques quotidiennes de février 2012 à 2021, ce qui signifie une taille d'échantillon totale de 283 jours, car il y a un minimum de 28 jours en février et trois jours supplémentaires pour les années bissextiles. |
| Et pour chaque jour, nous avons collecté la température moyenne maximale et minimale, le point de rosée, l'humidité, la vitesse et la pression du vent, et nous avons également collecté les précipitations. |
| Nous avons collecté la moyenne maximale et minimale car l'une pourrait être une mesure précise plus importante que l'autre, ce que nous ne connaissons pas encore non plus. |
| Un échantillon de 283 jours a également réussi le test de puissance, la puissance étant la probabilité de rejeter correctement l'hypothèse nulle. Nous n'avons donc pas vraiment besoin de collecter encore plus de données. |
| Nous voulions donc voir lequel des indicateurs météorologiques |
| avoir des valeurs aberrantes. Juste si un paramètre a de nombreuses valeurs aberrantes, plus cet indicateur est susceptible d'être plus facilement influencé par des conditions météorologiques extrêmes, ce qui en ferait une référence plus importante pour la situation future. |
| Nous avons donc analysé ici les valeurs aberrantes de la plage de quantiles pour les 10 années. Le critère des valeurs aberrantes est déterminé en fonction de l'intervalle interquartile, |
| IQR, qui est la différence entre le Quantile 3 avec le 75e centile de toutes les valeurs pour cette variable et le Quantile 1 au 25e centile. Ainsi, le seuil de valeur aberrante inférieur a été déterminé comme étant le quantile 1 moins 1,5 fois l'IQR, tandis que le seuil de valeur aberrante supérieur était le quantile 3 plus 1,5 fois l'IQR. |
| Nous avons pas mal de valeurs aberrantes pour un maximum... |
| pourcentage d'humidité maximale et précipitations. |
| Mais ces valeurs aberrantes datent des 10 années et nous nous intéressons surtout à l'époque où la panne de courant au Texas ??? |
| donc seulement quelques semaines en février 2021. |
| Nous allons donc maintenant nous concentrer sur la période du 2 février au 25 février 2021, qui correspond à peu près à la période de crise des pannes. |
| Donc, encore une fois, cela ne prend en compte que les données de Houston. Ainsi, à partir de ces trois semaines seulement, nous pouvons voir que la température a le plus de valeurs aberrantes de tous les paramètres météorologiques |
| et l'humidité a une valeur aberrante. Néanmoins, la principale limitation de l'outil de valeurs aberrantes de la plage de quantiles est qu'il ne prend pas en compte la multicolinéarité. |
| Et d'après nos recherches scientifiques, nous savons que l'humidité dépend à la fois du point de rosée et de la température. L'analyse des valeurs aberrantes n'est peut-être pas l'outil le plus précis et le point de rosée peut toujours être l'un des facteurs les plus importants. |
| Pour une méthode alternative, nous avons essayé d'utiliser des variables de cluster, qui regroupent les différents paramètres météorologiques dans différents clusters. |
| Nous voulions donc voir si l'outil de variables de cluster pouvait nous aider à identifier un seul cluster composé des indicateurs météorologiques les plus importants pour la panne de courant de 2021. |
| Donc la carte des couleurs en haut à gauche, |
| ce |
| trace chacun des paramètres météorologiques sur l'axe des y, puis chacun des paramètres à nouveau sur l'axe des x et trace leur corrélation. |
| Ainsi, plus la cellule est bleue, plus les deux paramètres sont fortement corrélés négativement entre eux, et plus la cellule est rouge, plus les paramètres sont corrélés positivement entre eux. |
| Sur la carte des couleurs, nous pouvons visualiser les quatre clusters différents, que nous pouvons également identifier dans le tableau des membres du cluster. |
| Le cluster 1 comprend tous les paramètres de température et de point de rosée, ce qui suggère que ce cluster peut comprendre les facteurs météorologiques les plus importants de la crise électrique de 2021. |
| Le groupe 2 comprend la vitesse du vent et les précipitations, le groupe 3 toute l'humidité et le groupe 4 toute la pression. Donc les derniers clusters |
| ne nous donne pas vraiment beaucoup d'informations car nous ne sommes pas surpris que toutes les mesures d'humidité, de pression appartiennent à leur propre cluster et que la vitesse du vent et les précipitations soient corrélées. Le point clé de cette analyse est donc que le point de rosée et la température peuvent être les plus corrélés. |
| Jusqu'à présent, nous savons que le point de rosée et la température pourraient être les indicateurs météorologiques les plus importants, mais comment le modèle météorologique de 2021 se compare-t-il plus généralement aux climats précédents ? Et nos paramètres météorologiques actuels peuvent-ils détecter ??? météo à Houston |
| ??? valeur aberrante majeure? |
| Ainsi, le graphique du haut est le résumé du cluster de notre précédente analyse des rapports de cluster et les deux graphiques du bas sont les graphiques de contrôle des processus statistiques multivariés. |
| Nous avons donc d'abord effectué une analyse en composantes principales pour réduire nos dimensions à partir des 16 variables. Ils incluent tous nos paramètres météorologiques dans notre analyse en composantes principales. Nous avons besoin de cinq composantes principales pour expliquer plus de 80 % de la variation totale. Mais on ne peut pas vraiment distinguer |
| la situation 2021 des situations météorologiques passées si l'on utilise cinq composantes principales. Vous pouvez voir que les points rouges, qui correspondent au moment où la crise de panne s'est produite, sont à peine au-dessus de la ligne rouge, qui est le carré T de notre limite de contrôle supérieure et pas du tout pas du tout...??? |
| Ce graphique montre donc que nous sommes incapables de détecter le véritable schéma, mais que nous nous appuyons plutôt trop sur les valeurs propres pour expliquer la situation météorologique. Nous avons donc essayé de supprimer le second ??? grappe, |
| car de tous les clusters, il explique la moindre variation. |
| Et nous avons refait l'analyse en composantes principales. Ainsi, cette fois, seuls quatre composants principaux sont nécessaires pour expliquer au moins 80% de la variation totale, mais nous ne pouvons toujours pas distinguer clairement |
| la situation météorologique lors de la crise de panne d'électricité de 2021 des autres périodes. Alors, comment pouvons-nous essayer d'augmenter le signal et de réduire tout ce bruit pour mieux identifier la situation météo 2021 des autres ? |
| Eh bien, revenons à notre résultat de variables de cluster et voyons si nous pouvons rechercher les variables les plus représentatives. Alors essayons |
| choisir les variables les plus représentatives de chaque cluster sur la base du résumé de cluster, |
| qui est déterminé à partir du R carré avec un... avec son propre cluster et un moins R au carré. |
| R au carré avec son propre cluster représente la similitude de chacune des variables avec le centre du cluster. |
| Cette valeur ne peut donc pas vous indiquer la direction de la variable par rapport au centre, mais lorsque la distance est suffisamment proche |
| entre la variable au centre, la direction n'est pas aussi importante. Fait intéressant, les variables les plus représentatives sont les moyennes, et non les paramètres minimaux comme les incluant, ce qui est en quelque sorte redondant. |
| Après avoir sélectionné sur la base des variables de cluster uniquement la température moyenne, l'humidité moyenne, la température moyenne du point de rosée et la pression moyenne, nous n'avons besoin que de deux composants principaux pour représenter 80 % de la variation, comme le montre le graphique T carré à droite. |
| Et ici, vous pouvez voir un seul pic majeur, |
| qui se compose des jours pendant la crise de panne. Ainsi, en utilisant à la fois la variable de regroupement et les composants principaux, nous pouvons distinguer avec succès la situation météorologique. |
| pendant la panne de courant de 2021. Le graphique T au carré révisé peut-il donc nous dire quoi que ce soit sur les paramètres météorologiques qui sont les indicateurs les plus importants de la situation météorologique de la panne de 2021 |
| crise? Les résultats correspondent-ils à ceux de l'analyse des variables de cluster dans la recherche scientifique précédente ? |
| Nous voulions étudier la proportion de contribution de chacune de ces quatre variables, mais pour ce faire, nous ne pouvons sélectionner qu'un seul point de données. |
| Nous avons donc choisi l'échantillon numéro 270, qui présente la pire situation météorologique en 2021, car nous nous soucions le plus des paramètres les plus importants dans le pire des cas. |
| Vous pouvez voir sur le graphique proportionnel de la contribution sur la droite, la température moyenne des points de rosée sont les deux plus gros contributeurs et il y a peu de contribution de la pression et aucune contribution de l'humidité. |
| Ce résultat peut donc indiquer que la température et le point de rosée sont les principaux contributeurs à la situation météorologique, |
| qui non seulement soutient notre analyse des variables de cluster, mais peut également être expliquée par la recherche scientifique. Ainsi, la température de l'air fournit toujours la plus grande contribution, mais le point de rosée, qui mesure l'humidité, est également un facteur important dans le gel. |
| Auparavant, nous avions besoin de quatre clusters pour représenter 90 % de la variation dans l'analyse en composantes principales, mais nous n'en avons maintenant besoin que de deux après avoir choisi la variable la plus représentative de chaque cluster, pour un total de quatre paramètres, |
| ce qui confirme que le filtrage est bénéfique pour améliorer le rapport signal sur bruit. |
| Choisir celles qui suffisent, en se basant sur le principe de Pareto, qui stipule que les quelques 20 % vitaux des causes représentent 80 % des résultats d'une situation donnée. |
| Si vous examinez de plus près ces vecteurs propres, vous pouvez voir que le premier vecteur propre se compose des quatre paramètres de manière assez égale, car leurs magnitudes sont toutes d'environ 0,5 par rapport à la deuxième composante principale constituée principalement de la température et de l'humidité, |
| pas de point de rosée. Cela pourrait indiquer que le point de rosée n'a pas été un facteur important au cours des 10 dernières années, donc la prochaine étape logique consiste à considérer l'analyse en composantes principales sur 2021 seulement. |
| Cependant, la taille de l'échantillon serait alors trop petite, car nous n'avons que 20 points de données en février 2021. |
| Bien que nous n'ayons pas une taille d'échantillon suffisamment grande pour exécuter une analyse en composantes principales sur 2021 seulement, voyons si nous pouvons visualiser une différence entre les paramètres les plus importants de la dernière décennie, |
| par rapport à un seul. Donc, sur le côté gauche, nous avons la carte thermique pour les proportions de contribution au cours de la dernière décennie, et celle de droite est juste cette année. |
| Les champs plus sombres indiquent un écart plus important et un contraste plus important par rapport à la situation normale. Donc, si vous regardez le graphique de février 2012 à 2021, nous voyons que la température et le pourcentage d'humidité sont les facteurs les plus importants, sur la base des cellules les plus sombres. |
| L'humidité peut être importante en raison de la température, car l'humidité dépend à la fois de la température et du point de rosée. Donc, cela a encore des problèmes de multicolinéarité, donc si nous regardons ???. |
| En revanche, si l'on regarde seulement les semaines autour de la crise des pannes d'électricité, qui est ombrée en vert |
| sur le côté droit, vous pouvez voir que la température et le point de rosée contiennent les cellules les plus sombres. Donc, encore une fois, cela montre que le point de rosée peut être plus... un indicateur plus important dans la crise des pannes de 2021, mais peut ne pas l'avoir été historiquement pour les situations météorologiques passées. |
| Donc, vous avez ce tableau de contrôle de processus initial, nous pouvons dire que la situation météorologique pour la crise de panne de courant est une valeur aberrante, mais à quel point était-elle rare et unique ? Donc le carré en bas de ce graphique |
| représente graphiquement les deux composantes principales. Il comprend différentes ellipses de confiance. Le point en haut à gauche est le 15 février 2021, |
| quand l'une des tempêtes les plus désastreuses a frappé le Texas. Vous pouvez voir que le point se situe en dehors de l'ellipse de confiance à 99,5 %, qui est la ligne orange. |
| Mais à l'intérieur de l'ellipse de confiance à 99%, qui est la ligne bleue. Cela signifie donc que la situation météorologique du 15 se produit une fois tous les 200 jours, et comme il y a 28 jours en février, la probabilité qu'elle se produise sur la base des données passées est égale à 28 jours divisé par 200 ou |
| un en sept ans. |
| ??? la probabilité d'occurrences futures d'une situation similaire... la situation météorologique peut être plus probable et peut être encore pire avec le réchauffement climatique. |
| De plus, les quatre points se trouvent dans le quadrant supérieur gauche, qui est opposé aux vecteurs de point de rosée et de température, montrant une fois de plus que le point de rosée et la température sont les principaux contributeurs aux conditions météorologiques extrêmes de la crise de la panne de courant de 2021. |
| Une autre façon de comparer le 2021 |
| situation avec la situation météorologique normale au cours des 10 dernières années consiste à comparer le graphique de contribution du 15 février au point central du graphique de score, |
| qui sert en quelque sorte de médiane pour... des 10 ans. Ainsi, le graphique en haut à droite est l'échantillon numéro 270, qui est le jour avec la pire situation météorologique pendant la crise de panne de courant. |
| Et le graphique du bas est l'échantillon numéro 131, qui est le point central du graphique de score. Il est donc intéressant de noter que l'échantillon numéro 270 a les principales contributions de la température et du point de rosée, tandis que l'échantillon numéro 131 n'a que la pression. |
| Ce graphique nous montre donc que ce n'est pas seulement le point de rosée qui devient un facteur plus important dans des conditions météorologiques instables, mais que la température est également devenue plus importante, peut-être en raison du réchauffement climatique. |
| La température et le point de rosée sont désormais des indicateurs plus importants de la situation météorologique que la pression et l'humidité. |
| Alors, que fait le gouvernement du Texas pour éviter de futures crises de pannes d'électricité ? |
| Quelques jours après la fin de la panne, le gouverneur Abbott s'est adressé au public, appelant à l'hivernage des équipements électriques. |
| Et la Chambre a procédé à une nouvelle législation pour réformer les procédures d'urgence. Cependant, beaucoup pensent que la nouvelle législation n'est pas adéquate pour prévenir de futures crises car la température |
| le seuil des conditions météorologiques extrêmes est en fait inférieur à celui des conditions glaciales lors de la crise de 2021. En mars 2021, la State House n'avait adopté aucune loi |
| qui nécessitent l'hivernage des centrales électriques. Un ancien conseiller stratégique d'ERCOT estime que la clé pour éviter les pannes est de planifier pour l'avenir et de vraiment considérer le changement climatique comme un facteur énorme dans ??? |
| préventif |
| les mesures. |
| Donc, en conclusion, nous avons étudié la science derrière la température du point de rosée, la température de l'air, l'humidité et la pression et comment elles étaient liées et connectées les unes aux autres. |
| L'outil de valeurs aberrantes quantiles ne tient pas compte de plusieurs problèmes et nous savons que l'humidité a une température de point de rosée et |
| température de l'air. Nous avons donc utilisé des variables de cluster pour voir si nous pouvions identifier les facteurs météorologiques les plus importants, en fonction des clusters. |
| Nous avons optimisé la carte de contrôle des processus statistiques en utilisant l'analyse en composantes principales. Nous avons choisi les quatre variables les plus représentatives, à savoir l'humidité, le point de rosée, la température et la pression. |
| Nous avons également étudié les contributions de ces variables, plus généralement à l'aide de la carte thermique et, plus spécifiquement, à l'aide du tracé de proportion de contribution pour l'échantillon numéro 270, qui avait la pire situation météorologique, et en comparant ces résultats avec le point central du tracé de score. |
| Nous avons trouvé que |
| la température et le point de rosée étaient des marqueurs météorologiques importants pour de futurs cas de catastrophes similaires, en particulier compte tenu de l'imprévisibilité croissante du temps qui accompagne le changement climatique et le réchauffement climatique. C'est tout ce que nous avons pour aujourd'hui. Merci pour l'écoute. |
