Conférencier | Transcription |
| Maçon Chen | Salut tout le monde. Merci d'être à l'écoute. Je suis maçon et aujourd'hui, je vais présenter une étude sur des indicateurs importants, tels que l'humidité, |
| niveaux de température et de point de rosée, lors de la panne de courant au Texas en 2021 afin d'aider à empêcher que des catastrophes similaires ne se produisent à l'avenir. |
| Ainsi, la crise des pannes 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 avons donc voulu voir si nous pouvions aider à prévenir de futures catastrophes similaires. Bien que de nombreux facteurs politiques et financiers aient conduit à la crise, |
| nous voulions également 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 de valeurs aberrantes et des outils de regroupement afin de comprendre à quel point la situation météorologique était rare au cours de la saison 2021, |
| par rapport aux années précédentes, et aussi pour aider à identifier les marqueurs météorologiques les plus importants pour les futures crises potentielles grâce à notre compréhension des facteurs scientifiques et environnementaux impliqués. |
| Donc, avant de nous lancer dans notre cadre général de présentation, nous voulions donner un aperçu de l'événement et de la motivation derrière ce projet. |
| Ainsi, la crise des coupures de courant au Texas s'est produite en février 2021, et de nombreuses sources attribuent l'événement à l'incapacité de l'État à préparer ses systèmes électriques au préalable. |
| Cette année n'était en fait 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 de courant pour environ les trois quarts de l'État. |
| L'Amérique du Nord...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 la plupart du temps ignorée en raison de considérations de coût. De nombreux producteurs de pétrole ont accepté le risque de gel de leurs centrales |
| 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 les conditions météorologiques plus imprévisibles. |
| 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 celles non renouvelables, comme le charbon et le gaz naturel. |
| En réponse, ERCOT n'a pas pu faire face aux problèmes d'équipement, ils ont donc institué des pannes de courant dans tout l'État. |
| Dans des conditions météorologiques extrêmes, de nombreuses cultures ont également été détruites, entraînant des pénuries alimentaires, et de nombreux citoyens se sont retrouvés gelés dans leurs maisons et souffrant 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 au 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 coupures de courant résultant à la fois des dommages causés par les équipements électriques vulnérables, ainsi que de l'augmentation de la demande d'électricité. Les pannes de courant ont finalement pris fin le 19 février. |
| Ici vous voyez les images de la tempête hivernale à partir d'images satellites. Celle de gauche est prise juste avant que la première vague de blizzards ne frappe le Texas. |
| La deuxième 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, |
| qui 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 profonds de la situation et les causes possibles de la panne, nous avons voulu savoir s'il y avait certains indicateurs météorologiques qui nous dirigeraient vers une situation plus |
| causes environnementales spécifiques de la panne et pourrait être utilisé à l'avenir comme référence pour se préparer plus tôt aux crises 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 des valeurs aberrantes pour étudier lesquels de ces marqueurs météorologiques étaient les plus différents par rapport aux 10 dernières années en février à Houston et également comparer 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 à la science de l'environnement pour nous aider à déterminer quels facteurs météorologiques ont le plus contribué à la panne de courant de 2021 au Texas. |
| L'une des questions les plus immédiates que nous nous posions était de savoir quel facteur environnemental spécifique contribuait à la crise. Nous savons donc que les tempêtes et le manque d'hivernage étaient des facteurs généraux, |
| mais toutes les tempêtes n'entraînent pas le gel des équipements électriques vulnérables. Nous voulions donc savoir quels facteurs météorologiques spécifiques conduisaient 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 aussi durement touchées. |
| Nous avons choisi Dallas parce que c'était très proche et que les deux utilisent le même système d'alimentation, donc c'est aussi une bonne base de comparaison. |
| À droite, les statistiques météorologiques du mois de février à Houston et à Dallas. Fait intéressant, si vous regardez n'importe quel marqueur de température, qu'il s'agisse de la température moyenne maximale ou minimale, |
| Dallas a toujours la température la plus basse. |
| On s'attend donc à ce que des températures plus basses augmentent le risque de gel des équipements, mais cela ne semble pas être le cas ici. Ainsi, 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, cela nous amène à nous demander si la température du 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 habituelle de la température ? |
| La température spécifiquement ... 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 grande 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 font 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 afin de 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 masses d'eau, comme 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. |
| Ainsi, le point de rosée est 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 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. Ainsi, en d'autres termes, la température du point de rosée est une mesure indépendante de la quantité d'humidité dans l'air. |
| Mais d'autre part, 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 déplacent plus rapidement et grimpent plus fréquemment à l'intérieur des parois du récipient, cela augmente 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 parce que |
| 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. |
| Bon, maintenant nous avons plus de connaissances sur la météo... pour savoir si la science et ce que signifient 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 en 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 une panne s'est produite en février de cette année, et vous ne vouliez pas tenir compte des variations d'un mois à l'autre et d'une saison à l'autre de notre échantillon. |
| Et nous voulons collecter des données sur toutes les 10 dernières années, et pas seulement sur l'année précédente, car le temps peut devenir de plus en plus mauvais en raison du changement climatique. Cette année a donc la pire saison jusqu'à présent, et le contraste sera plus évident si nous la comparons à d'autres 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 et minimale maximale, 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 la minimale car l'une pourrait être une mesure précise plus importante que l'autre, ce que nous ne savons 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 avons donc voulu voir lequel des indicateurs météorologiques |
| ont des valeurs aberrantes. Juste si un paramètre a de nombreuses valeurs aberrantes, plus il est probable que cet indicateur soit plus facilement influencé par des conditions météorologiques extrêmes, ce qui en ferait une référence plus importante pour la situation future. |
| Donc, ici, nous avons exécuté les valeurs aberrantes de la plage des quantiles pour les 10 années. Le critère de valeur aberrante est déterminé en fonction de l'écart interquartile, |
| IQR, qui est la différence entre le quantile 3 avec le 75e centile de toutes les valeurs de cette variable et le quantile 1 au 25e centile. Ainsi, le seuil inférieur de valeur aberrante a été déterminé comme le quantile 1 moins 1,5 fois l'IQR, tandis que le seuil supérieur de valeur aberrante était le quantile 3 plus 1,5 fois l'IQR. |
| Nous avons pas mal de valeurs aberrantes pour le maximum... |
| pourcentage d'humidité maximum et précipitations. |
| Mais ces valeurs aberrantes datent de toutes les années 10 et nous nous intéressons surtout aux jours 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 des valeurs aberrantes de la plage des quantiles est qu'il ne tient pas compte de la multicolinéarité. |
| Et d'après nos recherches scientifiques, 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 en 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, |
| il |
| représente graphiquement 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 groupe 1 comprend tous les paramètres de température et de point de rosée, ce qui suggère que ce groupe pourrait être constitué des 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. Ainsi, les derniers clusters |
| ne nous donne pas vraiment beaucoup d'informations car nous ne sommes pas surpris que toutes les mesures d'humidité et de pression appartiennent à leur propre groupe et que la vitesse du vent et les précipitations soient corrélées. Ainsi, la principale conclusion de cette analyse est 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 |
| ??? aberration 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 nous ne pouvons pas vraiment distinguer |
| la situation de 2021 à partir 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 d'indisponibilité 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 vrai modèle, mais que nous nous appuyons trop sur les valeurs propres pour expliquer la situation météorologique. Nous avons donc essayé de supprimer le second ??? grappe, |
| car de tous les clusters, c'est celui qui explique le moins de variation. |
| Et nous avons refait l'analyse en composante principale. Donc, cette fois, seules quatre composantes principales sont nécessaires pour expliquer au moins 80 % de la variation totale, mais nous ne pouvons toujours pas clairement distinguer |
| la situation météorologique pendant la crise des pannes d'électricité de 2021 par rapport aux autres périodes. Alors, comment pouvons-nous essayer d'augmenter le signal et de réduire tout ce bruit pour mieux identifier la situation météorologique de 2021 des autres ? |
| Eh bien, revenons au résultat de nos variables de cluster et voyons si nous pouvons filtrer les variables les plus représentatives. Alors essayons |
| choisir les variables les plus représentatives de chaque cluster sur la base du résumé du cluster, |
| qui est déterminé à partir du R carré avec un ... avec son propre cluster et un moins le rapport R au carré. |
| R au carré avec son propre cluster représente la similarité 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 qui les incluent, ce qui est en quelque sorte redondant. |
| Après le dépistage basé sur les variables de cluster pour seulement 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 en T au carré à droite. |
| Et ici, vous ne pouvez voir qu'un seul pic majeur, |
| qui se compose des jours pendant la crise d'arrêt. Ainsi, en utilisant à la fois la variable de regroupement et les composants principaux, nous pouvons distinguer avec succès la situation météorologique. |
| pendant la coupure de courant de 2021. Ainsi, le graphique T au carré révisé peut-il 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 antérieure ? |
| Nous voulions étudier la proportion de contribution de chacune de ces quatre variables, mais pour ce faire, nous ne pouvons choisir 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 qui sont les plus importants dans le pire des cas. |
| Vous pouvez voir sur le tracé proportionnel de contribution sur la droite, la température moyenne des points de rosée sont les deux principaux 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, |
| ce qui non seulement confirme notre analyse des variables de cluster, mais peut également être expliqué 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 énorme dans le gel. |
| Auparavant, nous avions besoin de quatre groupes pour tenir compte de 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 groupe, pour un total de quatre paramètres, |
| ce qui confirme que le blindage est bénéfique pour améliorer le rapport signal sur bruit. |
| Choisir celles qui suffisent, selon le principe de Pareto, qui stipule que les quelques 20% des causes vitales représentent 80% des résultats d'une situation donnée. |
| Si vous examinez ces vecteurs propres de plus près, vous pouvez voir que le premier vecteur propre se compose de tous les quatre paramètres de manière assez uniforme, car leurs amplitudes sont toutes d'environ 0,5 sur la deuxième composante principale se compose principalement de température et d'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 est de considérer l'analyse en composantes principales uniquement sur 2021. |
| Cependant, la taille de l'échantillon serait alors trop petite, car nous ne disposons que de 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 uniquement sur 2021, 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 une plus grande déviation et un contraste plus significatif 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 une fois les problèmes de multicolinéarité, donc si nous regardons ???. |
| D'un autre côté, si nous regardons seulement les semaines autour de la crise des pannes d'électricité, qui sont ombrées en vert |
| sur le côté droit, vous pouvez voir que la température et le point de rosée contiennent les cellules les plus sombres. Donc, une fois de plus, 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 diagramme de contrôle de processus initial, nous pouvons dire que la situation météorologique pour la crise de la panne de courant est une valeur aberrante, mais à quel point était-elle rare et unique ? Ainsi, le carré au bas de ce graphique |
| représente graphiquement les deux composantes principales. Il comprend différentes ellipses de confiance. Au 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 divisés 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 des pannes 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 la panne de courant. |
| Et le graphique du bas est l'échantillon numéro 131, qui est le point central du tracé des scores. Fait intéressant, l'échantillon numéro 270 a des contributions principales 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 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 prévenir de futures crises de pannes de courant ? |
| Quelques jours après la fin de la panne, le gouverneur Abbott s'est adressé au public, appelant à l'hivérisation des équipements électriques. |
| Et la Chambre a adopté une nouvelle législation pour réformer les procédures d'urgence. Cependant, beaucoup pensent que la nouvelle législation n'est pas suffisante pour prévenir de futures crises car la température |
| Le seuil des conditions météorologiques extrêmes est en fait inférieur à celui des conditions de gel pendant la crise de 2021. En mars 2021, la State House n'avait adopté aucune loi |
| qui nécessitent l'hivérisation des centrales électriques. Un ancien conseiller stratégique d'ERCOT estime que la clé pour prévenir les pannes est de planifier l'avenir et de vraiment considérer le changement climatique comme un facteur important dans ??? |
| préventif |
| 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 des quantiles aberrants ne tient pas compte de plusieurs problèmes et nous savons que l'humidité a sur la température du 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 statistique des processus 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 diagramme 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 diagramme de score. |
| Nous avons trouvé que |
| la température et le point de rosée étaient les marqueurs météorologiques importants pour les cas futurs 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. |
