8 al 15 de julio de 2022.
Debido a que las temperaturas en cada región son diferentes, los tiempos de entrada y salida de la floración del ciruelo en 2022 también son diferentes. Sin embargo, las flores del ciruelo suelen florecer a mediados de junio y florecer en la primera quincena de julio, con una duración de unos 20 días. Pero también hay situaciones en las que las flores del ciruelo se renuevan tarde y desaparecen tarde. Por ejemplo, en el área de Meiyu en 2020, las flores de los ciruelos comienzan temprano, florecen tarde y duran mucho tiempo. En ese momento, Zhejiang entró oficialmente en la temporada de lluvias a finales de mayo, diez días antes que antes.
En términos generales, la temporada de lluvias en 2022 comenzará a principios de junio y finalizará a principios de julio, con una duración de unos 20 días. Se espera que la temporada de ciruela comience oficialmente alrededor del 10 de junio y que comience a mediados de julio. La temporada de lluvias ya está aquí, por lo que debes prestar atención a las cosas de tu hogar y revisarlas frecuentemente para evitar que se enmohezcan.
Jiangsu Taizhou_Mei Yu 2022
1. ¿Cuándo caerá la lluvia de ciruelas en Jiangsu en 2022?
En 2022, la temporada de lluvias en Jiangsu entró oficialmente en mayo el 23 de junio. Según la última conferencia de prensa celebrada por el Observatorio Meteorológico Provincial de Jiangsu y el Observatorio Meteorológico de Nanjing, se anunció que Nanjing entrará oficialmente en la temporada de lluvias el 23 de junio. Además, también se espera que la temporada de lluvias en la provincia de Jiangsu, al sur del río Huaihe, comience el 23 de junio, por lo que la temporada de lluvias en Jiangsu este año es el jueves 23 de junio.
1. ¿Jiangsu ha florecido tarde este año?
Pertenece a la floración tardía del ciruelo. Debido a que el Día de la Flor del Ciruelo promedio es el 19 de junio, el Día de la Flor del Ciruelo de este año es el 23 de junio, lo cual es un poco tarde. A medida que el cinturón Meiyu oscila de norte a sur, hay muchos climas convectivos fuertes, con evidentes precipitaciones intermitentes y altas temperaturas periódicas. Al mismo tiempo, Huaibei también entrará en un período de lluvias a partir del 23 de junio.
2. ¿Cómo está el clima en Jiangsu durante la temporada de lluvias en mayo de este año?
Según la última introducción del pronosticador jefe del Observatorio Meteorológico Provincial de Jiangsu, el clima de alta temperatura en nuestra provincia continuará a principios de la temporada de lluvias de este año y el clima convectivo severo será más frecuente. Después del 24 de junio, se espera que se produzcan fuertes lluvias a corto plazo, tormentas eléctricas, fuertes vientos e incluso granizo en las partes central y norte de la provincia de Jiangsu, por lo que se requieren más precauciones. Se espera que haya dos eventos de lluvia importantes en Jiangsu durante la próxima semana, desde la noche del 22 al 24 y del 27 al 28. Del 23 al 26, hubo fuertes condiciones climáticas convectivas, como precipitaciones intensas a corto plazo, tormentas eléctricas, vientos fuertes y granizo pequeño. El día 22, hubo temperaturas elevadas superiores a 35°C en las zonas central y norte, a lo largo del río Yangtze, el sur de Jiangsu, Huaihe y Huaibei del 24 al 25.
3. ¿Cuánta lluvia habrá en Jiangsu este año?
La cantidad media de lluvia de ciruela es de 200-260 mm. Durante este período, la precipitación promedio en la región de Huaibei fue de 170 a 230 mm, más de lo normal.
2. ¿Cuándo florecerán los ciruelos de Jiangsu en 2022?
Según la última introducción del pronosticador jefe del Observatorio Meteorológico Provincial de Jiangsu, se espera que florezca a mediados de julio de 2022 y en mayo. La duración de la lluvia de ciruelas en Jiangsu en los últimos años es la siguiente:
1.2021 El Observatorio Meteorológico Provincial de Jiangsu emitió un pronóstico de lluvia de ciruelas y algunas áreas al sur del río Huaihe entraron oficialmente en lluvia de ciruelas el 13 de junio.
2. La temporada de lluvias de 2020 en Jiangsu comenzó el 9 de junio y finalizó el 21 de julio, con una duración de 43 días.
3. Jiangsu entrará en el período Meiyu del 18 de junio al 21 de julio de 2019. La duración total del período Meiyu es de 33 días, que es más largo que el período Meiyu normal de 23 a 24 días.
4. La temporada de lluvias en Jiangsu duró 32 días en 2016.
En términos generales, la temporada de lluvias en la provincia de Jiangsu en 2022 comienza oficialmente el 23 de junio y suele terminar en julio. Según el pronóstico meteorológico más reciente en la provincia de Jiangsu, las flores de ciruelo aparecerán a principios de julio de este año.
¿Ha pasado el Día de Wuxi Huangmei? 2022
La temporada de lluvias en 2022 se producirá desde finales de mayo hasta finales de junio. Debido a que la temporada de lluvias ocurre todos los años durante los dos períodos solares de Mango y Xiaoxia, este año Mango cae el 6 de junio y Xiaoxia el 7 de julio.
Por lo tanto, se espera que la temporada de lluvias en el curso medio y bajo del río Yangtze en mi país comience a principios de junio. Sin embargo, según el momento de la floración de los ciruelos en años anteriores, es así. no son uniformes y tendrán varios días de diferencia. Por ejemplo, Shanghai florecerá el 10 de junio de 2021; Suzhou, Jiangsu florecerá el 10 de junio y las zonas al sur del río Huaihe florecerán el 13 de junio;
Atención.
Los criterios para la floración del ciruelo en 2022: 5 días consecutivos con una temperatura media superior a 22°C y 4 días de lluvia se consideran floración del ciruelo. Según el último pronóstico meteorológico en Shanghai, las flores de ciruelo aún no han llegado oficialmente y la temperatura más baja todavía se sitúa entre 16 y 18 grados.
Gráfico de tendencias populares 2020-2022
Observación de la epidemia de Big Data: ¿Ha pasado el pico de la epidemia nacional?
Investigación de tendencias macrofinancieras de Tengjing
2022-12-2317: 23 de Beijing
Tengjing Hongyun
65438+2022 23 de febrero , 2019
Observación de la epidemia de Big Data: ¿Ha pasado el pico de la epidemia nacional?
-Simulación y predicción de alta frecuencia basada en Tengjing AI
Equipo de investigación macro y de alta frecuencia de Tengjing
Aspectos destacados de este número:
Para determinar si la predicción es precisa y si la epidemia nacional ha alcanzado su punto máximo, hemos agregado datos del flujo diario de pasajeros del metro en 28 ciudades para ayudar en el juicio. La falta de muestras de no internautas puede dar lugar a resultados de predicción sesgados.
Los macrodatos aún no son perfectos, y su aplicación a las previsiones macroeconómicas aún no es perfecta. Analizamos por qué falla Google Flu Trends. Las razones pueden incluir: una amplia cobertura mediática de Google Flu Trends que genera cambios en el comportamiento de búsqueda de las personas, lo que a su vez afecta las predicciones de GFT.
En la actualidad, es posible que la epidemia nacional no haya alcanzado su punto máximo, pero el proceso de pico puede estar avanzado. Con la ayuda de los datos del flujo de pasajeros del metro, se puede juzgar que ciudades como Beijing, Shijiazhuang, Wuhan y Chongqing han pasado el período pico de la epidemia, mientras que ciudades como Chengdu, Tianjin, Changsha, Nanjing y Xi'an aún no han llegado al período pico.
Primero, ¿es exacto el pronóstico? Verificación mutua de expectativas y realidad
En el informe anterior de "Observación de epidemias de big data: las ciudades centrales se dirigen primero al pico", analizamos y dimos predicciones de que la epidemia en algunas ciudades de Beijing y Hebei ha alcanzado "Punto de inflexión", ciudades como Chengdu y Kunming alcanzarán su punto máximo gradualmente. Los datos del índice de búsqueda de Baidu muestran que el índice de búsqueda de "fiebre" en Baidu en Beijing continúa disminuyendo, y el índice de búsqueda de "tos" alcanza un pico después de "fiebre", lo que básicamente confirma la predicción de nuestro modelo. Pero también notamos que el índice de "fiebre" a nivel nacional alcanzó un máximo de 5438 en junio de 2022 + 65438 en febrero + julio. ¿Significa esto que la epidemia nacional ha alcanzado su punto máximo? De ser así, estos datos difieren de los juicios de algunos expertos en prevención de epidemias en torno al Festival de Primavera. Algunos expertos también creen que es posible que la epidemia nacional aún no haya alcanzado su punto máximo, pero el proceso simplemente se ha acortado.
Sin embargo, según la “computación masiva” de ByteDance, el índice de búsqueda de “fiebre” de Tik Tok alcanzó un máximo de 65,438 + 65,438 de febrero + julio, pero el índice de búsqueda de “fiebre” de Toutiao todavía fluctúa hacia arriba. Según la predicción del "Emperador de los datos" de Zhihu que circuló ampliamente en el círculo de amigos, la mayoría de las provincias y ciudades alcanzarán el pico de infección alrededor del 20 de febrero de 2022. Por tanto, lo que muchos investigadores quieren confirmar es si hubo un pico de nuevas infecciones en un solo día a nivel nacional el 23 de febrero de 2022. Algunas personas piensan que la predicción es precisa, lo que concuerda más con su comprensión de la epidemia en línea en estos días. Algunas personas piensan que es inexacto. Pensaron que todos los familiares y amigos que los rodeaban eran Yang y que la barra de progreso era menos de la mitad. Los sentimientos personales y los resultados previstos varían mucho.
Al mismo tiempo, notamos que alrededor de 65438 + febrero 65438 + junio de 2022, el índice de búsqueda de "fiebre" en casi todas las ciudades y provincias de China ha experimentado un crecimiento similar a un pulso de "primero en ascenso y luego cayendo", los datos diarios posteriores ya no son superiores al valor de 65438+6 meses. ¿Significa esto que la etapa más difícil de la epidemia ha pasado? A través de la extracción de datos y el análisis de modelos de los datos de los motores de búsqueda epidémicos de Baidu y Toutiao, puede proporcionar una referencia importante para juzgar la tendencia futura de la epidemia. Sin embargo, entendemos que para evaluar cuantitativamente el progreso de la epidemia es necesario introducir más datos.
Dado que no hay datos autorizados como referencia, varias predicciones epidémicas se basan únicamente en razonamientos paramétricos intuitivos o predicciones de modelos deductivos. Las predicciones son inexactas y no existe una autoridad objetiva para comparar los resultados. Por tanto, es difícil medir objetivamente la precisión de los pronósticos. Todos los espectadores y lectores que participan en esta predicción sólo pueden verificar los resultados de la predicción a través de datos microscópicos y la propagación de la epidemia circundante. El orden de infección entre los diferentes grupos de personas en una ciudad y el ritmo de los picos de infección en diferentes ciudades tendrán diferentes interpretaciones de la precisión de las predicciones.
El modelo tiene limitaciones, la aplicabilidad de supuestos lógicos y la falta de datos autorizados para su verificación. ¿No es necesario predecir? Thomas Kuhn y Karl Popper iniciaron el debate más influyente sobre el concepto de "filosofía de la ciencia" en el siglo XX. A su manera, todos cuestionan filosóficamente las premisas básicas de la ciencia.
"La estructura de las revoluciones científicas" de Kuhn señaló que incluso si los resultados predichos por el paradigma existente tienen contraejemplos en la realidad, los científicos existentes no pensarán que hay un problema con su paradigma sólo cuando surja un nuevo paradigma científico que pueda reemplazarlo; paradigma existente. Sólo cuando se obtiene un cierto número de contraejemplos se puede falsificar el paradigma científico existente y ocurrir una revolución científica. Desde una perspectiva crítica, el proceso de negar la predicción es también un proceso de descubrir nuevos métodos de predicción.
El filósofo Karl Popper, admirado por George Soros del Quantum Fund, es mejor conocido por su idea de que la ciencia procede por "falsabilidad": la incapacidad de probar que una hipótesis es verdadera, la evidencia de la verdad ni siquiera puede Se puede obtener por inducción, pero si la hipótesis es falsa, se puede refutar. Popper creía que sólo los sistemas teóricos que pudieran ser refutados por la experiencia deberían recibir un verdadero estatus científico. Por lo tanto, Popper defendía suposiciones audaces y constantes pruebas y errores y correcciones mediante la falsificación, en lugar de proponer hipótesis y luego buscar evidencia en todas partes para respaldar su teoría. La falsificación es también una forma de pensar que Soros siempre ha defendido y practicado.
2. Utilizar el flujo de pasajeros del metro como un importante indicador de observación auxiliar para el pico de la epidemia.
Así que comenzamos con la epidemia, volvemos a la economía y verificamos el pico de la epidemia desde múltiples dimensiones. El flujo de pasajeros del metro es sin duda un buen indicador. El flujo de pasajeros de una ciudad con metro se ve afectado por varios factores: 1. Control de viaje, 2. Intención de viaje, 3. Comodidad del metro.
Desde el punto de vista de los datos, Beijing y Shanghai, como las dos ciudades con el mayor número de metros del país, son también las dos ciudades con el mayor flujo promedio diario de pasajeros. Los datos del metro reflejan el nivel de la epidemia. Los datos del flujo diario de pasajeros del metro tienen un retraso de 1 a 3 días, lo cual es relativamente oportuno. Desde la perspectiva de la recopilación de datos, los datos del metro provienen de la recopilación automática de dispositivos IoT y el impacto de la intervención manual es pequeño. Los datos son completamente objetivos y pueden considerarse como una segunda epidemia.
Figura: Flujo de pasajeros del metro de Shanghai
▲Fuente de datos: Viento, pronóstico económico de Tengjing AI.
La imagen de arriba muestra los datos del tráfico de pasajeros del metro de Shanghai desde junio de 2019 hasta el presente. Las más obvias incluyen la epidemia de Wuhan a principios de 2020, la epidemia de Shanghai en abril de 2022 y la epidemia nacional en junio de 2022. Dado que el flujo de pasajeros del metro sigue el principio de máximo de lunes a viernes y mínimo de sábado y domingo, la información de los datos diarios es algo redundante. Posteriormente, las fluctuaciones de los datos intradía a corto plazo se pueden filtrar comparando los datos promedio semanales.
Figura: Flujo de pasajeros del metro de Shanghai
▲Fuente de datos: Viento, pronóstico económico de Tengjing AI.
Si comparamos el flujo de pasajeros del metro de Pekín, también podemos ver que en abril de 2022, el metro de Shanghái estuvo suspendido durante unas 7 semanas. Aunque Beijing no ha suspendido sus operaciones, el volumen promedio de pasajeros del metro de Zhoudu ha caído de 8 millones en los últimos tres años a menos de 654,38 millones. Vale la pena señalar que el flujo de pasajeros del metro de Beijing después de septiembre de 2022 será significativamente menor que el de Shanghai. Por un lado, es la epidemia y, por otro lado, el Metro de Beijing exige 72 horas de pruebas de ácido nucleico para toda la red, que se redujo aún más a 48 horas el 24 de octubre y esta política se levantó el 5 de febrero. .
Figura: Flujo de pasajeros del metro de Beijing
▲Fuente de datos: Viento, pronóstico económico de Tengjing AI.
Figura: El promedio móvil de siete días del flujo de pasajeros del metro en las diez ciudades principales es muy consistente en coordinación.
▲Fuente de datos: viento, pronóstico económico de Tengjing AI.
Basándonos en estos datos, creemos que el pico de la epidemia en Beijing ha pasado, pero el pico general de la epidemia en China no ha alcanzado un pico como lo muestran el índice de búsqueda de Baidu y el índice de Toutiao. pero se encuentra en un período de rápido desarrollo. Construimos un modelo de datos de cuatro etapas para ayudar a verificar si las ciudades han alcanzado su punto máximo. Como se muestra en la figura siguiente, el flujo de pasajeros del metro en Beijing, Wuhan, Chongqing, Shenyang, Shijiazhuang, Lanzhou y Kunming se ha estabilizado y recuperado, y actualmente se encuentra en la cuarta etapa de ciudades como Chengdu, Tianjin, Changchun, Zhengzhou; , Guangzhou, Xiamen, Shenzhen, Xi'an, Shanghai y Nanjing todavía en su tercera etapa pico. Debido a que la media móvil puede provocar un retraso en los datos, posteriormente realizamos una prueba utilizando datos reales.
Imagen: Proceso de propagación de la epidemia
▲ Fuente de datos: Pronóstico económico de Tengjing AI
Imagen: Flujo de pasajeros del metro en algunas ciudades de China
Nota: Las diez ciudades principales se refieren a Beijing, Shanghai, Guangzhou, Chengdu, Nanjing, Wuhan, Xi, Suzhou, Zhengzhou y Chongqing, las mismas a continuación.
▲Fuente de datos: viento, pronóstico económico de Tengjing AI.
Para el progreso de la epidemia en días, si los datos de viajes en metro repuntan ese día, analizamos principalmente dos datos, el primero es interanual y el segundo es mes a mes. .
A juzgar por los datos diarios, los viajes en el metro de Beijing están aumentando tanto mes a mes como año tras año, en consonancia con la opinión de que han alcanzado su punto máximo. Otras ciudades que probablemente alcancen su punto máximo son Wuhan, Chongqing y Chengdu. El flujo de pasajeros del metro en Shanghai, Guangzhou, Nanjing, Suzhou, Xi'an y otras áreas continúa disminuyendo, lo que indica que la epidemia aún está en proceso de alcanzar su punto máximo.
Figura: Flujo de pasajeros del metro en algunas ciudades de China
▲Fuente de datos: Viento, pronóstico económico de Tengjing AI.
Debido a la grave disminución interanual en los datos del flujo de pasajeros del metro, consideramos que la situación epidémica en ciudades como Shanghai, Guangzhou, Nanjing, Xi'an, Suzhou y Zhengzhou todavía está en El proceso de alcanzar su punto máximo, y que Beijing, Wuhan y Chongqing se han vuelto positivos año tras año. El pico ha pasado.
Gráfico: Flujo de pasajeros del metro en 28 ciudades en comparación con el mismo período de la semana pasada.
▲Fuente de datos: viento, pronóstico económico de Tengjing AI.
En tercer lugar, ¿cómo interactúan las expectativas con la realidad?
Hay mucha experiencia después de la relajación del control epidémico, independientemente del ritmo del pico epidémico y su impacto en el consumo y las tasas de participación laboral, muchos países pueden consultarlo. Esto sin duda nos da algunas expectativas. La liberalización de una población de 654,38+0,4 mil millones es diferente de la de los países con una población media. Los expertos nacionales en enfermedades infecciosas también han declarado en varios medios que la epidemia alcanzará su punto máximo alrededor del Festival de Primavera en el primer trimestre del próximo año, enviando una señal de que alcanzará su punto máximo en el futuro. Pero a juzgar por la percepción en Beijing y en la mayoría de las ciudades, la epidemia parece haber alcanzado su punto máximo antes de lo que pensábamos. Entonces, ¿qué podría salir mal?
El fracaso de los indicadores políticos: la ley de Goodhart
Cuando la mayoría de los participantes en Internet saben que el índice de búsqueda de Baidu puede representar indirectamente la epidemia, puede que no sea exacto. Hasta cierto punto, es la encarnación de la Ley de Goodhart en la epidemia. La ley de Goodhart proviene del economista británico Charles Goodhart, lo que significa que cuando una política se convierte en un objetivo, deja de ser una buena política. Una explicación es que una vez que un indicador social o económico se convierte en un objetivo establecido para guiar la formulación de políticas macro, pierde su valor informativo original.
Sin duda, cuando la mayoría de la gente no conoce la importancia del "Índice de popularidad de Baidu", lo más probable es que siga siendo eficaz. La lógica subyacente es que el volumen de búsqueda de big data refleja indirectamente el comportamiento de búsqueda espontánea en Internet de la mayoría de los residentes. Hasta cierto punto, las búsquedas "fiebre" son lo mismo que las búsquedas activas y sintomáticas. Sin embargo, cuando los medios oficiales y los propios medios informen, este indicador generará más búsquedas, y estas búsquedas no tienen nada que ver con la epidemia en sí, sino con el efecto provocado por el tráfico de Internet.
Las desviaciones en el comportamiento de búsqueda de los usuarios de Internet pueden provocar contaminación de datos.
Comparamos el flujo de pasajeros del metro en Shijiazhuang, Lanzhou, Beijing, Wuhan, Chongqing, Shenyang, Kunming, Chengdu, Tianjin y otras ciudades, y descubrimos que todas han experimentado flexibilizaciones de políticas y epidemias en aumento. de datos cambia de arriba a abajo. En la actualidad, la mayoría de las ciudades todavía se encuentran en la etapa de aumento de epidemias y disminución del flujo de pasajeros. El pico de la epidemia nacional aún no ha llegado, pero el índice de búsqueda de "fiebre" proporcionado por Baidu Index ha alcanzado su punto máximo. Consideramos que el índice de búsqueda de "fiebre" de Baidu a partir del 16 de diciembre puede ser anormal. La lógica central es que los días 12 y 16 apareció en todas las ciudades del país.
Muestra faltante: personas mayores de 60 años y más que no son internautas.
Sabemos que el Índice Baidu, el Índice Toutiao y el Microíndice son productos de datos basados en cantidades masivas de datos sobre el comportamiento de los internautas, por lo que los datos sobre el comportamiento de los no internautas se excluyen naturalmente de la muestra de investigación.
El 50.º "Informe estadístico sobre el desarrollo de Internet en China" publicado por el Centro de información de Internet de China el 31 de agosto de 2022 muestra que para junio de 2022, el número de no internautas en mi país será de 362 millones. No es una base pequeña. Desde una perspectiva regional, los no usuarios de Internet de mi país todavía se encuentran principalmente en las zonas rurales, siendo la proporción de no usuarios de Internet rurales del 41,2%. En términos de edad, las personas de 60 años o más son el principal grupo de no internautas. Se puede observar que los no usuarios de Internet se distribuyen principalmente en las zonas rurales, siendo el grupo principal las personas mayores de 60 años y más.
La falta de comportamiento de búsqueda de este gran grupo de no internautas hace que los resultados de búsqueda parezcan estar fuera de la muestra, lo que da como resultado que se subestime el índice de búsqueda de "fiebre" y otras enfermedades.
Según los Centros para el Control y la Prevención de Enfermedades, el riesgo de sufrir COVID-19 grave aumenta con la edad, la discapacidad y las afecciones médicas subyacentes. A finales del período Omicron, la mayoría de las muertes hospitalarias ocurrieron en adultos mayores de 65 años y en personas con tres o más afecciones médicas subyacentes.
Imagen: Cada día se diagnostican 19 casos de neumonía por coronavirus en varios países y regiones del mundo.
Nota: Debido a las pruebas limitadas, el número de casos confirmados es menor que el número real de infecciones. Los datos son a junio de 2022 65438 + 21 de febrero.
▲Fuentes de datos: base de datos CSSE COVID-19 de la Universidad Johns Hopkins, ourworldindata.org y pronóstico económico de Tengjing AI.
Imagen: Casos diarios confirmados de neumonía por coronavirus-19 en varias regiones del mundo.
Nota: Debido a las pruebas limitadas, el número de casos confirmados es menor que el número real de infecciones. Los datos son a junio de 2022 65438 + 21 de febrero.
▲Fuentes de datos: base de datos CSSE COVID-19 de la Universidad Johns Hopkins, ourworldindata.org y pronóstico económico de Tengjing AI.
El big data es imperfecto, ¿por qué fracasó Google Flu Trends?
Ya en 1980, el futurista Alvin Toffler Toffler propuso el concepto de "grandes datos" en su libro "La tercera ola". Desde la antigüedad hasta el presente, la predicción ha sido una capacidad muy esperada y la predicción de big data es la aplicación principal de los datos. Su lógica es que para cada cambio no convencional, debe haber señales previas y hay huellas a seguir para todo. Si encuentras el patrón entre signos y cambios, puedes predecirlo.
Existen precedentes en el mundo del uso de métodos y tecnologías de big data para la investigación y el análisis macroeconómico. Desde la perspectiva del análisis de big data, no solo es necesario comprender las leyes estadísticas macroscópicas, sino también la estructura fina de los datos macroscópicos. Desde la perspectiva de la investigación, la era de los big data proporciona un fuerte apoyo al análisis macroeconómico y está cambiando el paradigma de la investigación macroeconómica.
Los bancos centrales y otras instituciones financieras convencionales desarrollan y adoptan modelos de pronóstico en tiempo real para rastrear los cambios en las condiciones económicas en tiempo real, encontrar fuentes de información confiables antes de verse abrumados por una gran cantidad de información social y, por lo tanto, dinámicamente. ajustar las expectativas de los indicadores económicos. Incluyendo el modelo Nowcasting de la Reserva Federal de Nueva York, el modelo Wei, el modelo GDPNow de la Reserva Federal de Atlanta y el modelo MIDAS del Banco de Inglaterra.
Según la teoría del "Rey Dragón" del profesor Didier Sornette, existen dos condiciones para que ocurran eventos extremos: consistencia del sistema y sinergia. Cuando la consistencia del sistema es fuerte, es probable que ocurran eventos extremos del tipo del cisne negro. Cuando la coherencia y la sinergia del sistema se fortalezcan al mismo tiempo, ocurrirá un evento del "Rey Dragón" más extremo más allá del "Cisne Negro".
"Cisne Negro" y "Rey Dragón" no son eventos aislados, sino una serie de eventos fuertemente relacionados, que reflejan el poderoso papel de la retroalimentación positiva. ¿Cuándo se puede predecir el mercado de valores? La clave está en la correlación antes y después de los cambios en el mercado de valores.
Google lanzó el sistema Google FluTrends en 2008 con el objetivo de detectar tempranamente la actividad de la enfermedad y responder rápidamente para reducir el impacto de la influenza estacional y epidémica. Al analizar grandes colecciones de consultas de búsqueda en Google, se puede revelar la presencia de enfermedades similares a la influenza en la población. Esta lógica y esta idea son en realidad muy simples e intuitivas: si está enfermo, es probable que busque en un motor de búsqueda información sobre cómo tratarlo. Google decidió rastrear estas búsquedas y utilizar los datos para intentar predecir brotes de gripe, incluso antes de que instituciones médicas como los Centros para el Control de Enfermedades pudieran hacerlo.
En 2009, a través de los datos de búsqueda masiva acumulados por Google, "Google Flu Trends" predijo con éxito la propagación de la influenza H1N1 en los Estados Unidos y se hizo famoso. Hay informes de que Google Flu Trends puede controlar la enfermedad en. Estados Unidos. Predecir las epidemias regionales de influenza 10 días antes de que los CDC informen sobre la epidemia. La capacidad de predicción de GFT obviamente tiene una importancia social importante: puede brindar a toda la sociedad la oportunidad de controlar la epidemia de enfermedades infecciosas por adelantado.
Así que Google creó una extraña ecuación en su sitio web para calcular cuántas personas se han infectado con la gripe. La lógica de los datos simple es la siguiente: ubicación de las personas + consultas de búsqueda relacionadas con la gripe en Google + algunos algoritmos muy inteligentes = número de pacientes con gripe en los Estados Unidos.
Se utiliza un modelo lineal para calcular la probabilidad logarítmica de una visita por una enfermedad similar a la influenza y la probabilidad logarítmica de una consulta de búsqueda relacionada.
p es el porcentaje de visitas al médico y q se calcula en el paso anterior puntuaciones de consultas relacionadas con ILI. β0 es la intersección, β1 es el coeficiente y ε es el término de error.
Se ha demostrado que Google Flu Trends no siempre es exacto, especialmente durante el período de 2011 a 2013, cuando sobreestimó la incidencia relativa de la gripe, y el número previsto de visitas durante la temporada de gripe de 2012 a 2013 fue el doble de los CDC. el registro del centro. Según un artículo de 2013 publicado en la revista Nature, Google Flu Trends sobreestima los casos de gripe en aproximadamente un 50%.
Se puede observar que la aplicación de big data a las previsiones macroeconómicas no es perfecta. El economista y autor Tim Harford cree que "el fracaso de Google Flu Trends pone de relieve los peligros del empirismo desenfrenado". Una explicación del fracaso del GFT es que las noticias están llenas de ellos.
Figura: Comparación entre las estimaciones de Google ILI sobre las tendencias de la influenza y las estimaciones de los CDC.
▲Fuente de datos: mejora de las estimaciones de googleflutrends para la formación de trouhransformation, pronóstico económico de Leah Martin, Biying Xu y Tengjing AI.
En 2013, Google ajustó su algoritmo y respondió que el "culpable" del sesgo eran los cambios en el comportamiento de búsqueda de las personas debido a la amplia cobertura mediática de GFT. GFT no parece considerar introducir datos de profesionales sanitarios ni experiencia de expertos, ni "limpiar" ni "eliminar ruido" los datos de búsqueda de los usuarios. Después de 2011, Google lanzó los "términos de búsqueda relacionados recomendados", que es el modo de búsqueda de palabras relacionadas con el que estamos familiarizados hoy. Los investigadores analizaron que estos ajustes pueden hacer subir artificialmente algunos índices de búsqueda y conducir a una sobreestimación de la incidencia de la epidemia. Por ejemplo, cuando un usuario busca "fiebre", Google también le dará recomendaciones relevantes como "dolor de garganta y fiebre" y "cómo tratar el dolor de garganta". En este momento, los usuarios pueden hacer clic por curiosidad y otros motivos, lo que hace que las palabras clave utilizadas por los usuarios sean diferentes de sus intenciones, lo que afecta la precisión de los datos de búsqueda de GFT. El comportamiento de búsqueda del usuario afectará a su vez los resultados de predicción de GFT. En el ruidoso mundo de los motores de búsqueda, llenos de informes de los medios e información subjetiva de los usuarios, también existe la paradoja de que “la predicción es interferencia”. Existe una alta probabilidad de que se produzcan situaciones similares en los índices de los motores de búsqueda nacionales. Ésta es la explicación que damos basándonos en la experiencia de GFT.
Imagen: Términos de búsqueda masivos relacionados con la "fiebre" aritmética
▲ Fuente de datos: Huge Computing, Tengjing AI Economic Forecast
Referencia
[1]CNNIC: 50º informe estadístico sobre el desarrollo de Internet en China.
[2]
[3] Ajes, Honk, Molinarin, et al. Riesgo de mortalidad entre pacientes hospitalizados principalmente por COVID-19 en Estados Unidos, abril de 2020_junio de 2022. MMWRMorbMortalWklyRep202271:1182_1189.DOI:
[4]
[5]
[6] D. Lazer, R. Kennedy, G. King, Anda. Vespignani.2014. " el parapeloefgoogleflu: TrapsinBigDataAnalysis ". Ciencia 343: 1203_1205.
Para obtener resultados de investigación más importantes, siga la cuenta oficial de WeChat "Tengjing AI Economic Forecast".
Buscar
Predicción del pico de infección en Tianjin
¿Cuántos nuevos pacientes con neumonía por coronavirus han muerto en Tianjin?
Número total de muertos por la epidemia en China
¿Cuántas personas han muerto a causa de la epidemia en China?
El gobierno central ha publicado la última política epidémica.
Las últimas noticias sobre la epidemia nacional
¿Cuándo será la temporada de lluvias en Xi'an en 2022?
Xi es una ciudad única. Tiene una variedad de patrimonio cultural, así como una variedad de comidas y snacks que son amados por la gente. Recientemente ha estado lloviendo todo el tiempo en Xi'an y el clima ha sido lluvioso todo el tiempo.
Este es un fenómeno relativamente normal, causado principalmente por la alta presión subtropical, el calentamiento global y la ubicación geográfica.
¿Por qué a Xi'an le gusta que llueva en septiembre de 2021?
1. Subtropical High
En septiembre llovió en Xi'an durante más de diez días. A juzgar por los datos meteorológicos de los últimos años, es normal que llueva en el oeste y en septiembre. De hecho, lo más probable es que ocurra en los próximos diez días y medio.
Xi tiene un clima monzónico continental semihúmedo templado cálido, con precipitaciones moderadas y cuatro estaciones distintas. el invierno es frío, ventoso y brumoso, con poca lluvia o nieve; la primavera es cálida, seca, ventosa y cambiante; el verano es caluroso y lluvioso, con prominentes sequías en el verano, tormentas y fuertes vientos; el otoño es fresco; La precipitación anual es de 500 a 750 mm, concentrada principalmente en verano y otoño, la alta presión subtropical en el noroeste es de larga duración y los vientos del suroeste y noreste prevalecen en invierno;
La alta presión subtropical ocupa el océano Pacífico en el hemisferio norte durante el invierno. A medida que el punto directo del sol se mueve hacia el norte, la alta presión subtropical se mueve gradualmente hacia el norte. El borde noroeste de la alta presión subtropical se combina fácilmente con el aire frío para formar precipitaciones. Sin embargo, debido a la influencia de factores como la topografía y la intensidad de las altas presiones subtropicales, las precipitaciones primaverales se concentran principalmente en el este y el sur de China, lo que también provoca un pico de precipitaciones en Xi'an alrededor de mayo. El verano está controlado por las altas presiones subtropicales, provocando frecuentes lluvias intensas en cortos períodos de tiempo. Cuando llega el otoño, el borde noroeste de la altura subtropical se mueve nuevamente hacia el sur a través de Xi'an, provocando precipitaciones continuas en Xi'an en septiembre.
2. Calentamiento global
El impacto del calentamiento global es complejo. La manifestación general de las precipitaciones actuales es el movimiento hacia el norte del cinturón de precipitaciones, pero este movimiento hacia el norte no es sólo un movimiento de traslación. Su escala y alcance son específicos a nivel local. Por ejemplo, a medida que las temperaturas globales aumentan gradualmente y los cinturones de lluvia se desplazan hacia el norte, las precipitaciones en la provincia de Shaanxi disminuyen gradualmente desde la década de 1990 hasta principios del nuevo siglo.
3. Ubicación geográfica
De hecho, la cuenca de Guanzhong, donde se encuentra Xi'an, no es rica en sistemas hídricos y el área de agua es relativamente pequeña, lo que dificulta la formación de una cuenca. Gran cantidad de convección térmica local. Al sur de la cuenca se encuentran las montañas Qinling, las montañas más altas del este. Para Sichuan, el flujo de aire del suroeste de la altura subtropical del Pacífico noroeste transporta aire cálido y húmedo desde el Océano Índico a la cuenca de Sichuan, donde se encuentra con el aire frío en la meseta tibetana del norte, lo que provoca continuas lluvias otoñales en el oeste de China en septiembre y junio de 5438. +Octubre. Sin embargo, debido a la existencia de las montañas Qinling, muchos flujos de aire cálidos y húmedos forman precipitaciones orográficas durante el ascenso en el lado sur de las montañas Qinling y es difícil ingresar a la cuenca de Guanzhong, lo que conduce directamente a dos climas secos y húmedos completamente diferentes. en Guanzhong y Hanzhong.
¿Cuándo es la temporada de lluvias en Xi'an?
La temporada de lluvias en Xi es julio, agosto y septiembre. Xi tiene dos picos obvios de precipitación en julio y septiembre respectivamente. La precipitación media anual en Xi'an es de 558 ~ 750 mm y aumenta gradualmente de norte a sur. Cambia cada año.
En septiembre, el sur de China, es decir, la zona cercana al Trópico de Cáncer, está lejos de enfriarse. El aire caliente todavía flota allí, esperando que la corriente fría procedente de las profundidades de Eurasia lo ahuyente. .
No sólo en el sur de China, sino también en las regiones subtropicales del sur de Asia y Oriente Medio también se espera el mismo resultado. Además, dado que las dos máximas subtropicales se encuentran a lo largo de la costa, también se evapora una gran cantidad de vapor de agua, pero debido al clima cálido, no se condensa mucho vapor de agua en forma de lluvia.
De septiembre a junio de 2010, la alta presión subtropical se desplazó hacia el sur y el cinturón de lluvias regresó al oeste de mi país. Se dice que habrá tiempo lluvioso. Este tipo de lluvia otoñal continua también tiene un nombre científico, llamado "Lluvia de otoño en el oeste de China" y "Lluvia de otoño en Shaanxi". Es común en algunas zonas del oeste de China y suele aparecer en Xi en septiembre. Bajo la influencia del máximo subtropical del sur, el tiempo suele durar entre dos y tres semanas.
¿Cómo puede la ropa secarse más rápido en días de lluvia?
1. Prensa de toallas de papel
Después de lavar la ropa, no importa cómo la retuerzas, siempre quedará mucha agua en la ropa. Puedes utilizar toallas de papel para planchar tu ropa. Las toallas de papel son muy absorbentes. Use toallas de papel adicionales para secar el agua de su ropa.
Escurrir la toalla
Utilizamos una toalla seca para ayudar a escurrirla. Primero envuelve la ropa mojada en una toalla seca y escúrrela firmemente. En este momento, la toalla absorberá el agua de la ropa. Lo mejor es elegir toallas que sean muy absorbentes.
3. Añade una toalla seca y agita bien.
También podemos utilizar la lavadora para secar. Podemos secarlo una vez en la lavadora y luego secarlo una segunda vez