Nu kan big data udnyttes bedre i sandsynlighedsberegninger
Ph.d. Mikkel Slot Nielsen har løst nogle væsentlige problemer i forståelsen af tidsrækker. Og så har han hjulpet Vestas med at vurdere risikoen ved at forlænge deres vindmøllers levetid.
Af Filip Graugaard Esmarch
Matematiker Mikkel Slot Nielsen har i sit ph.d.-projekt arbejdet med videreudvikling af højt specialiserede metoder inden for sandsynlighedsteori. Ud over en niende artikel rummer hans afhandling hele otte publicerede artikler, som handler om modeller for forståelsen aftidsrækkedata, altså data ordnet ud fra målinger over tid. Sådanne modeller kan man inden for blandt andet meteorologi, klimastudier og økonomi bruge til at beregne sandsynlige scenarier for den fremtidige udvikling i målingerne.
”Hvis du er investor, kigger du måske på en aktiekurs hver dag og vil gerne kunne forudse, hvor langt kursen fortsætter nedad. Eller du er måske interesseret i sandsynligheden for, at aktien senere ryger op over kurs 100,” forklarer Mikkel Slot Nielsen.
Ved hjælp af ca. 40 år gamle tidsrækkemodeller kan man simulere f.eks. 1.000 scenarier og så udlede, hvor mange procent af dem, der lever op til et bestemt kriterium. Men de klassiske modeller kommer til kort, hvis man nu anvender en tidsrække med mere fintmaskede observationer, hvor man for eksempel har målt en aktiekurs hvert minut i stedet for hver dag. Det fandt Mikkel Slot Nielsen en løsning på.
Ready for BIG DATA
”Med den type modeller, jeg har kigget på, har jeg vist, hvordan man kan lave et tilsvarende setup, som tillader rigtig mange observationer, sådan at man kan inddrage al den data, man har. På den måde udnytter metoden big data og stærk computerkraft bedre, end man hidtil har kunnet,” siger han.
Sagt meget forenklet bestod øvelsen i at kombinere resultater fra de ældre tidsrækkemodeller med metode fra stokastiske differentialligninger.
”Det kræver nogle ret så dybe sandsynlighedsteoretiske resultater. Og på samme tid åbnes der op for økonometriske spørgsmål, blandt andet omkring kointegration, som er det, man kan se på Pepsis aktiekurs over for Coca Colas aktiekurs – deres udsving ser måske ret vilde ud hver for sig, men de deler den samme vildskab,” siger Mikkel Slot Nielsen.
Hjælp til Vestas
Med afhandlingens niende og sidste artikel demonstrerede Mikkel Slot Nielsen, hvor konkret anvendeligt sandsynlighedsteoretisk arbejde også kan være. Det skete via et industrielt samarbejde med Vestas, som på basis af data fra deres vindmøllers sensorer havde brug for hjælp til at beregne, hvor stort et slid, en vindmølle har været ude for i sin levetid, og dermed hvor længe man kan forsvare at lade den stå.
”Sådan en machine learning-algoritme, som vi brugte, ville normalt komme med det mest sandsynlige bud på, hvad belastningen på vindmøllens tårn kunne have været. Men i forhold til deres risikovurdering var Vestas mere interesseret i at vide, hvor stor belastningen kunne have været i de én procent mest ekstreme tilfælde. Derfor måtte vi lave en justering af algoritmen,” fortæller Mikkel Slot Nielsen.
Med et postdoc-stipendium fra DFF forsker han nu videre ved Columbia University i New York, hvor han fordyber sig i nogle særlige egenskaber ved den samme machine learning-algoritme.