ほぼテク7月30日GPT-4のCode Interpreterで気象分析にチャレンジしてみた！？

AI生成AIChatGPTGPT気象分析

7月30日

著者裕太我妻

ほぼテク読者の皆様、いつも大変ありがとうございます！
我妻裕太です。

本日もよろしくお願いいたします。GPTに関する連続投稿約96日目です！
本日もChatGPTの有効活用方法の検討です！

今回のテーマはChatGPTで気象予報ができるか？の記事です！
何かの参考になれば幸いです。

世界の平均気温が観測史上最も暑い月になりました。

世界の平均気温が観測史上最も暑い月になりました！みなさんいかがお過ごしでしょうか。
今年は例年に比べてなんだか夏が暑いな梅雨もこないな～なって思っていたらそんな感じでした(笑)

とにかく暑い！サウナのような毎日でとにかく暑い！暑いの大好きですが、ちょっと暑さがすごい。

そんな感じで思っていたら、なんと世界気象機関（WMO）と欧州連合（EU）の気象情報機関「コペルニクス気候変動サービス」が、2023年7月の世界平均気温が観測史上最高になると発表しました。そりゃそうだ(笑)

古気候学者らの研究により、現在の地球の平均気温は約12万年ぶりの最高気温とされています。
過去10年間の年間平均気温は毎年のように最高記録を更新し、今年6月の世界平均気温は工業化前を1.5度以上上回りました。
大気中のCO2濃度は350万年ぶりの高さで、今後も温暖化が続くと見られているようです。

きーーーーーーーー、寒いの苦手な私にとっては朗報に感じられますが、ただ、このまま上がり続けられるのも・・・

っということで最近ものすごい暑いなと感じていましたので、ここで出てくるのが大好きChatGPTです！
どんな繋ぎやねん(笑)

GPT-4のCode Interpreterで気象データを分析してみよう！の巻。

どこまで気温が上昇するのかや色々と分析できそうだなと思い、ここで登場するのがChatGPT！

ChatGPTはユーザーと自然言語で対話する能力を持つAIモデルです。
さらに言語理解や数字データの分析・解析が可能な素晴らしいAIです！

ChatGPTを活用して今後の気温がどう変化するか、気温の変化からどのような影響がでるかアドバイスが生成できるか実験してみました！

ChatGPT気象分析のレシピ

今回のレシピは以下の通りです。

・GPT4 Code Interpreterで実行する。
・気象データは気象庁で公開されているCSVファイルで実行する。
・分析対象地域は宮城県仙台市です。
・CSVファイルの列は以下のデータです。
　・平均気温(℃)
　・降水量の合計(mm)
　・日照時間(時間)
　・最深積雪(cm)
　・平均風速(m/s)
　・平均蒸気圧(hPa)
　・平均雲量(10分比)

・プロンプトは以下で実行する。

【プロンプト】
あなたは優秀な天気予報士です。
世界の平均気温が観測史上最も暑い月になりました。
アップロードするデータをもとに今後の気温がどう変化するか、気温の変化からどのような影響がでるかアドバイスしてください。
アップロードするデータは宮城県仙台の1927年から2022年の気象データです。
アップロードするデータの列の説明は以下の通りです。
・平均気温(℃)
・降水量の合計(mm)
・日照時間(時間)
・最深積雪(cm)
・平均風速(m/s)
・平均蒸気圧(hPa)
・平均雲量(10分比)

アドバイスをしてほしい具体的な内容は以下のとおりです。

## アドバイス内容
1.天気情報の提供: 現在の天気状況や将来の天気予報を提供してください。これにより、外出する際の適切な服装やアクティビティの計画が立てやすくなります。
2.天災に対する警告: 気象条件による災害の可能性やリスクがあれば提供してください。台風、洪水、竜巻などの天災に対して適切な対応をするための情報を提供してください。
3.農業や農園管理の支援: 農業関連の専門家として、農作物の栽培に適した天候条件を提案し、農業や農園の管理に関するアドバイスを提供してください。
4.交通や航空の影響: 天候条件が交通や航空に与える影響を予測し、遅延や欠航などに対する情報を提供してください。これにより、旅行計画の調整が容易になります。
5.エネルギーと環境の予測: エネルギーの需要予測や再生可能エネルギーの効率的な利用に関する情報を提供することで、エネルギー産業や環境への影響を考慮した意思決定を支援してください。

結果は以下の通りです！

（※）実際のやり取りのテキストを以下に記載いたします。

【ChatGPT】
わかりました。それでは、まずはアップロードしていただくデータを見せていただけますか？そのデータを基に分析を行い、各項目についてのアドバイスを考えてみます。

【我妻】
gpt_demo_data .csv

【ChatGPT】
エラーメッセージから、データの読み込み時にエンコーディングの問題が生じていることがわかります。
日本のデータであるため、エンコーディングはおそらく 'shift_jis' かもしれません。それを試してみましょう。

データの読み込みに成功しました。次に、このデータセットについていくつかの基本的な情報を確認しましょう。
具体的には、データセットのサイズ、各列のデータ型、欠損値の数を確認します。これにより、データの前処理が必要かどうかを判断できます。

データセットは1152行と7列から構成されています。各列のデータ型は次のとおりです:

平均気温(℃): 浮動小数点数
降水量の合計(mm): 浮動小数点数
日照時間(時間): 文字列
最深積雪(cm): 文字列
平均風速(m/s): 文字列
平均蒸気圧(hPa): 浮動小数点数
平均雲量(10分比): 浮動小数点数

欠損値については、以下のようになっています:

最深積雪(cm): 382行
平均風速(m/s): 288行
平均蒸気圧(hPa)と平均雲量(10分比): 各48行

また、'日照時間(時間)'列には'///'という値が含まれているようです。これも欠損値として扱うべきでしょう。
欠損値の処理方法は、欠損が発生している原因や、欠損値がどの程度の影響を及ぼすかによります。一般的なアプローチは以下のとおりです:

欠損値のある行を削除する: しかし、これはデータが失われるため、情報損失が大きくなる可能性があります。
欠損値を補完する: 平均、中央値、最頻値、前後の値で補完するなど、さまざまな方法があります。
これは一部の情報が失われる可能性がありますが、データの全体的な形状は保持されます。

データの分析とアドバイスを行う前に、これらの欠損値の処理を行う必要があります。
データの特性と目的に基づいて、適切な方法を選択しましょう。

【我妻】
補完してください。

【ChatGPT】
承知しました。データの補完を行います。まず、'日照時間(時間)'列にある '///' を NaN に置き換え、その後、各列の欠損値をその列の中央値で補完します。
中央値は外れ値の影響を受けにくいため、補完によく用いられます。ただし、この補完方法はデータの分布が正規分布に近い場合に最も効果的です。
各列の分布については、この補完作業の後に確認します。

データの補完が完了しました。しかし、'最深積雪(cm)'と'平均風速(m/s)'の列については、文字列データが含まれている可能性があります。
これらの列を数値型に変換し、欠損値を補完する作業を行います。

すべての欠損値が補完され、各列のデータ型も適切に設定されました。次に、各列の基本的な統計量を確認し、データの分布や範囲を理解します。
これは、データの特性を理解し、異常値や外れ値が存在するかどうかを確認するのに役立ちます。
また、これらの情報は後続の分析やモデリングの方向性を決定するのにも役立ちます。

データセットの基本的な統計情報は以下の通りです：