2022年梅雨期
2022年7月8日-15。
因为每个地区的气温不同，所以2022年梅花的出入时间也不同。但梅花一般6月中旬入梅，7月上半月出梅，持续20天左右。但也有梅花晚招晚走的情况。比如2020年的梅雨区，梅花入梅早，出梅晚，持续时间长。当时浙江在5月底正式进入雨季，比之前提前了十天。
一般来说，2022年的雨季会在6月初开始，7月初结束，持续20天左右。预计6月10前后各地将正式入梅，出梅时间在7月中旬。雨季来了，一定要注意家里的东西，多检查，不要发霉。
江苏泰州_梅雨2022
1.2022江苏什么时候入梅？
2022年，江苏雨季于6月23日正式进入5月。据江苏省气象台和南京市气象台最新召开的新闻发布会，宣布南京于6月23日正式进入雨季。另外，江苏省淮河以南地区也预计6月23日入梅，所以今年江苏的雨季是6月23日星期四。
1.江苏今年是大器晚成吗？
属于晚梅花。因为平均梅花日是6月19，今年的梅花日是6月23日，有点晚。由于梅雨带由北向南摆动，强对流天气多，有明显的间歇性降水和阶段性高温。同时，淮北也将从6月23日开始进入多雨期。
2.今年江苏五月雨季天气怎么样？
据江苏省气象台首席预报员最新介绍，今年雨季前期我省高温天气仍将持续，强对流天气将更加频繁。6月24日以后，预计江苏省中北部地区将出现短时强降水、雷雨大风甚至冰雹天气，需多加防范。预计未来一周江苏将有两次明显降雨过程，分别在22日夜间至24日和27日至28日。23 ~ 26日，有短时强降水、雷暴大风、小冰雹等强对流天气。22日中北部、沿江、苏南、淮河、淮北24-25日有35℃以上的高温天气。
3.今年江苏的梅雨量有多少？
梅雨平均量为200-260毫米。其间淮北地区平均降雨量170-230mm，较常年偏多。
2.2022年江苏梅花什么时候开？
据江苏省气象台首席预报员最新介绍，预计2022年7月中旬5月开花。近几年江苏梅雨持续时间如下:
1.2021江苏省气象台发布梅雨预报，淮河以南部分地区于6月13日正式进入梅雨。
2.2020年江苏雨季从6月9日开始，至7月21日结束，历时43天。
3.2019江苏6月18日至7月21日进入梅雨期。梅雨期的总长度为33天，比正常的23至24天的梅雨期要长。
4.2016江苏雨季持续32天。
一般来说，2022年江苏省雨季6月23日正式入梅，一般7月就出来了。根据江苏省最新天气预报，今年7月初将出现梅花。
无锡黄梅日过了吗？2022
2022年的雨季出现在5月下旬到6月下旬。因为每年的雨季都发生在芒果和小夏两个节气，所以今年的芒果是6月6日，小夏是7月7日。
因此，预计我国长江中下游地区的雨季将于6月初开始，但根据往年入梅时间来看，并不统一，会相隔几天。像上海2021进入梅6月10；江苏苏州6月10入梅，淮河以南地区6月13入梅。
注意。
2022年入梅标准:连续5天平均气温超过22℃，阴雨4天视为入梅。根据上海最近的天气预报，还没有正式入梅，最低气温还在16-18度之间。
2020-2022年流行趋势图
大数据疫情观察:全国疫情高峰过去了吗？
滕荆宏观金融走势研究
2022-12-2317: 23来自北京
腾京宏运
65438+2022年2月23日
大数据疫情观察:全国疫情高峰过去了吗？
-基于腾京AI的高频模拟和预测
腾京高频与宏观研究团队
本期亮点:
针对预测是否准确，全国疫情是否见顶，我们增加了28个城市的地铁客流量日数据进行辅助判断。缺少非网民样本可能导致预测结果有偏差。
大数据还不完善，大数据对宏观经济预测的应用还不完善。我们分析了谷歌流感趋势失败的原因。原因可能包括:媒体对谷歌流感趋势的广泛报道导致了人们搜索行为的改变，进而会影响GFT的预测结果。
目前全国疫情可能还没有达到高峰，但高峰过程可能会提前。借助地铁客流量数据，可以判断北京、石家庄、武汉、重庆等城市已经过了疫情高峰期，成都、天津、长沙、南京、Xi安等城市尚未达到高峰期。
第一，预报准确吗？期望与现实的相互验证
在《大数据疫情观察:中心城市率先走向高峰》的上一期报告中，我们分析并给出了预测，北京、河北部分城市疫情已经到了“拐点”，成都、昆明等城市将逐渐见顶。百度搜索指数数据显示，北京百度“发烧”搜索指数持续下降，“咳嗽”搜索指数在“发烧”后达到峰值，基本印证了我们模型的预测。但我们也注意到，全国范围内的“发烧”指数在2022年6月5438+2月65438+7月达到峰值。这是否意味着全国疫情见顶？如果是，这个数据和春节前后一些防疫专家的判断是不一样的。也有专家认为，全国疫情可能还没有达到顶峰，只是过程缩短了。
但根据字节跳动的“海量计算”，Tik Tok的“发烧”搜索指数峰值为65438+2月65438+7月，但头条“发烧”搜索指数仍在波动上行。在朋友圈广为流传的知乎“数据帝”预测中，2022年2月20日前后，大部分省市达到感染高峰。所以，很多研究人员想确认的是，2022年2月23日全国范围内是否存在单日新增感染高峰。有些人认为预测很准，这也比较符合他们这几天在网上对疫情的认知。有人觉得不准确。他们以为身边的亲戚朋友都是杨，进度条还不到一半。个人感觉和预测的结果相差很大。
同时我们注意到，2022年65438+2月65438+6月前后，国内几乎所有城市和省份的“发烧”搜索指数都迎来了“先升后抑”的脉冲式增长，随后的日数据不再高于65438+6月的数值。这是否意味着疫情最困难的阶段已经过去？通过对百度和头条疫情搜索引擎数据的数据挖掘和建模分析，可以为疫情未来趋势判断提供重要参考。然而，我们理解，为了定量评估疫情的进展，需要引入更多的数据。
由于没有权威数据作为参考，各种疫情的预测都只是基于直观的、带参数的推理或演绎模型预测，预测不准确，也没有客观的权威来比较结果。因此，很难客观地衡量预测的准确性。所有参与本次预测的观众和读者，只能通过微观数据和周边疫情的传播程度来验证预测结果。一个城市不同人群的感染顺序，不同城市感染高峰的节奏，都会对预测的准确性有不同的理解。
模型存在局限性，逻辑假设的适用性，缺乏权威数据作为验证。没必要预测吗？托马斯·库恩和卡尔·波普尔展开了20世纪最有影响的关于“科学哲学”概念的论争。他们都以自己的方式从哲学的角度质疑科学的基本前提。库恩的《科学革命的结构》指出，即使现有范式预言的结果在现实中有反例，现有科学家也不会认为其范式有问题；只有当能够替代现有范式的新的科学范式出现，并达到一定数量的反例，才能证伪现有的科学范式，发生科学革命。从批判的角度来看，否定预测过程也是发现新的预测方法的过程。
量子基金的乔治·索罗斯推崇的哲学家卡尔·波普尔(Karl popper)最著名的观点是，科学是通过“可证伪性”进行的——人们无法证明假说是正确的，甚至无法通过归纳得到真理的证据，但如果假说是错误的，他们可以反驳它。波普尔认为，只有能够被经验证伪的理论体系，才应该被赋予真正的科学地位。所以波普尔主张大胆假设，不断通过证伪来试错和修正，而不是提出假设，然后到处寻找证据来支持自己的理论。证伪也是索罗斯一直倡导和践行的一种思维方式。
二、将地铁客流量作为疫情高峰的重要辅助观察指标。
所以我们从疫情入手，回归经济，从多个维度验证疫情的峰值。地铁的客流量无疑是一个很好的观察指标。一个有地铁的城市的客流量受几个因素影响:1，出行控制，2，出行意愿，3，地铁的便利性。
从数据上看，北京和上海作为全国地铁数量最多的两个城市，也是日均客流量最高的两个城市。地铁数据反映疫情水平，地铁客流量日数据滞后1-3天，相对及时。从数据采集的角度来看，地铁数据来自物联网设备的自动采集，人工干预的影响较小。数据完全客观，可视为二次疫情。
图:上海地铁客流量
▲数据来源:Wind，腾京AI经济预测。
上图为2019年6月至今上海地铁客运量数据。比较明显的有2020年初的武汉疫情，2022年4月的上海疫情，2022年6月的全国疫情。由于地铁客流量遵循周一至周五高，周六日低的原则，每天的数据信息有些冗余。后面可以通过对比周度的平均数据来过滤短期的日内数据波动。
图:上海地铁客流量
▲数据来源:Wind，腾京AI经济预测。
对比北京地铁的客流量，也可以看到，2022年4月，上海地铁停运7周左右。虽然北京没有停运，但周渡地铁的平均客运量从过去三年的800万下降到654.38+0万以下。值得注意的是，北京地铁2022年9月以后的客流量明显低于上海。一方面是疫情，另一方面北京地铁需要72小时全网核酸检查，10月24日165438进一步缩短为48小时，65438年2月5日起解除此政策。
图:北京地铁客流量
▲数据来源:Wind，腾京AI经济预测。
图:十大城市地铁客流量7天移动平均值在协调上高度一致。
▲数据来源:Wind，腾京AI经济预测。
基于这一数据，我们认为北京的疫情高峰已经过去，但中国整体的疫情高峰并没有像百度搜索指数和头条指数显示的那样达到高峰，而是处于快速发展期。我们建立了一个四阶段数据模型来帮助验证城市是否已经达到峰值。如下图，北京、武汉、重庆、沈阳、石家庄、兰州、昆明地铁客流量企稳回升，目前处于第四阶段；成都、天津、长春、郑州、广州、厦门、深圳、Xi安、上海、南京等城市仍处于第三个到达高峰的阶段。因为移动平均可能会带来数据滞后，后来我们用真实数据做了一个测试。
图:疫情传播过程
▲数据来源:腾京AI经济预测
图:中国部分城市地铁客流量
注:十大城市指北京、上海、广州、成都、南京、武汉、Xi、苏州、郑州、重庆，下同。
▲数据来源:Wind，腾京AI经济预测。
以天为单位的疫情进展，如果当天地铁出行数据回升，主要看两个数据，第一是同比，第二是环比。
从日常数据来看，北京地铁出行无论是环比还是同比都处于上升阶段，与见顶的判断一致。其他可能达到峰值的城市是武汉、重庆和成都。上海、广州、南京、苏州、Xi安等地铁客流量持续下降，说明疫情仍在达到高峰的过程中。
图:中国部分城市地铁客流量
▲数据来源:Wind，腾京AI经济预测。
由于地铁客流量数据同比下滑严重，我们判断上海、广州、南京、Xi安、苏州、郑州等城市疫情仍处于达峰过程中，北京、武汉、重庆同比转正，预计疫情高峰已过。
图:28个城市地铁客流量与周度同比对比。
▲数据来源:Wind，腾京AI经济预测。
第三，期望如何与现实互动？
疫情控制放开后的经验很多，无论疫情高峰的节奏，对消费和劳动参与率的影响，都有很多国家可以参考。这无疑给了我们一些期待，6543.8+04亿人口的放开和中等人口的国家是不一样的。国内传染病专家也在各种媒体上表示，疫情将在明年一季度春节前后达到高峰，释放出未来将达到高峰的这样一个信号。但从北京和大部分城市的感知来看，疫情见顶似乎比我们的认知要早，那么会出什么问题呢？
政策指标的失败:古德哈特定律
当大部分互联网参与者知道百度搜索指数可以间接代表疫情时，可能并不准确。某种程度上是古德哈特定律在疫情中的体现。古德哈特定律来自英国经济学家查尔斯·古德哈特(Charles goodhart)的说法，意思是当一项政策成为目标时，它就不再是一项好政策。解释之一是，一个社会指标或经济指标一旦成为指导宏观政策制定的既定目标，就失去了原有的信息价值。
无疑，在大多数人不知道“百度流行指数”重要性的时候，它大概率还是有效的。内涵逻辑是，大数据的搜索量间接反映了大部分居民的自发网络搜索行为，“发烧”搜索在某种程度上和积极、对症是一样的。但是官方媒体和自媒体在报道的时候，这个指标会导致更多的搜索，而这些搜索与疫情本身无关，而是互联网流量带来的效应。
网民搜索行为的偏差可能造成数据污染。
我们对比了石家庄、兰州、北京、武汉、重庆、沈阳、昆明、成都、天津等城市的地铁客流量，发现它们都经历了政策放松向上，疫情向下攀升，疫情见顶再向上的数据变化格局。目前大部分城市仍处于疫情上升、客流量下降的阶段。全国疫情高峰尚未到来，但百度指数给出的“发烧”搜索指数已经达到峰值。我们判断12，16当天或之后的百度“发烧”搜索指数可能出现异常。核心逻辑是12，16上，全国所有城市都出现了。
样本缺失:60岁及以上老年人非网民。
我们知道百度指数、头条指数、微指数都是基于海量网民行为数据的数据产品，所以非网民的行为数据自然被排除在研究样本之外。
中国互联网信息中心2022年8月31日发布的第50次《中国互联网络发展状况统计报告》显示，到2022年6月，我国非网民人数为3.62亿，这是一个不小的基数。从地区来看，我国非网民仍以农村为主，农村非网民比例为41.2%。从年龄来看，60岁及以上的老年人是非网民的主要群体。由此可见，非网民主要分布在农村，以60岁及以上的老年人为主要群体。
这种庞大的非网民群体搜索行为的缺失，导致本应出现的搜索结果在样本之外，从而导致“发烧”等疾病的搜索指数被低估。根据美国疾病控制和预防中心的报告，重症冠状病毒肺炎-19的风险会随着年龄、残疾和基础疾病的增加而增加。在奥米克隆后期，大多数医院死亡发生在65岁以上的成年人和患有三种或三种以上基础疾病的人。
图:冠状病毒肺炎-世界各国和地区每天确诊19例。
注:由于检测有限，确诊人数低于实际感染人数，数据截至2022年6月65438+2月21。
▲数据来源:约翰霍普金斯大学CSSECOVID-19数据库，ourworldindata.org和腾京AI经济预测。
图:冠状病毒肺炎-19世界各地区每日确诊病例。
注:由于检测有限，确诊人数低于实际感染人数，数据截至2022年6月65438+2月21。
▲数据来源:约翰霍普金斯大学CSSECOVID-19数据库，ourworldindata.org和腾京AI经济预测。
大数据不完善，Google流感趋势为什么会失败？
早在1980年，未来学家阿尔文托夫勒托夫勒(alvin toffler toffler)在他的著作《第三次浪潮》(The Third Wave)中提出了“大数据”的概念。从古至今，预测一直是备受期待的能力，大数据预测是数据的核心应用。它的逻辑是，每一个非常规的变化，事前都要有征兆，凡事都有迹可循。如果找到了标志和变化之间的规律，就可以预测。
使用大数据方法和技术进行宏观经济研究和分析在世界上已有先例。在大数据分析的视野中，不仅要理解宏观的统计规律，还要理解宏观数据中的精细结构。基于研究视角，大数据时代为宏观经济分析提供了强有力的支持，正在改变宏观经济研究的范式。
各国央行和其他主流金融机构开发并采用实时预测模型，实时跟踪经济状况的变化，在被大量社会信息淹没之前找到可靠的信息源，从而动态调整经济指标的预期。包括纽约联储的Nowcasting模型、魏模型、亚特兰大联储的GDPNow模型和英格兰银行的MIDAS模型。
根据DidierSornette教授的“龙王”理论，极端事件的发生有两个条件:系统的一致性和协同性。当系统的一致性很强时，就容易出现黑天鹅式的极端事件。当系统的一致性和协同性同时加强时，就会发生超越“黑天鹅”的更极端的“龙王”事件。
“黑天鹅”和“龙王”不是孤立的事件，而是一系列强关联的事件，体现了正反馈的强大作用。股市什么时候可以预测？关键在于股市变化前后的关联度。
谷歌在2008年推出了GoogleFluTrends系统，其动机是可以及早发现疾病活动，并迅速做出反应，以减少季节性流感和疫情流感的影响。通过分析收集的大量谷歌搜索查询，可以揭示人群中是否存在流感样疾病。这个逻辑和思路其实很简单直观——如果你生病了，你很可能会在搜索引擎上搜索寻找信息，比如如何治疗。谷歌决定跟踪这些搜索，并使用这些数据来尝试和预测流感疫情，甚至在疾病控制中心等医疗机构能够做到这一点之前。
2009年，通过谷歌积累的海量搜索数据，“谷歌流感趋势”成功预测了H1N1流感在美国的传播，一战成名..有报道称，谷歌流感趋势可以在美国疾病控制和预防中心报告流感疫情前10天预测地区流感疫情。GFT的预测能力显然具有重要的社会意义，它可以为全社会提前控制传染病疫情赢得一次机会。
因此谷歌在其网站上创建了一个奇怪的等式来计算有多少人感染了流感。简单的数据逻辑如下:人的位置+谷歌上流感相关的搜索查询+一些非常巧妙的算法=美国流感患者人数。
线性模型用于计算流感样疾病就诊的对数概率和相关搜索查询的对数概率；
p是医生就诊的百分比，q是上一步中计算的与ILI相关的查询分数。β0是截距，β1是系数，ε是误差项。
谷歌流感趋势已被证明并不总是准确的，尤其是在2011至2013期间，它高估了相对流感发病率，2012至2013流感季节期间的预测访问量是疾控中心记录的两倍。根据2013发表在《自然》杂志上的一篇文章，谷歌流感趋势高估了大约50%的流感病例。
可见大数据对于宏观经济预测的应用并不完善。经济学家兼作家TimHarford认为“谷歌流感趋势的失败凸显了不受约束的经验主义的危险”。对GFT失败的一种解释是，新闻充斥着。
图:谷歌ILI对流感趋势的估计和CDC的估计之间的比较。
▲数据来源:improving googleflutrendsestimates for tounets trouhransformation，Leah Martin，Biying Xu，，Tengjing AI经济预测。
2013年，谷歌调整算法，回应称，偏差的“罪魁祸首”是由于媒体对GFT的广泛报道，导致人们的搜索行为发生了变化。GFT似乎没有考虑引入专业的医疗保健数据和专家经验，也没有对用户搜索数据进行“清洗”和“去噪”。2011之后，Google推出了“推荐相关搜索词”，也就是我们今天所熟悉的搜索相关词模式。研究人员分析，这些调整可能会人为推高一些搜索指数，并导致疫情发生率被高估。比如用户搜索“发烧”时，谷歌也会给出“喉咙痛发烧”、“喉咙痛怎么治”等相关推荐。这时候用户可能会因为好奇等原因点击，造成用户使用的关键词并非用户本意的现象，从而影响GFT搜索数据的准确性。用户的搜索行为会反过来影响GFT的预测结果。在充斥着媒体报道和用户主观信息的搜索引擎的嘈杂世界里，也存在着“预测就是干扰”的悖论。国内搜索引擎的索引有很大概率会出现类似的情况，这是我们结合GFT的经验给出的解释。
图:海量算术“发烧”相关搜索词
▲数据来源:庞大计算，腾京AI经济预测
参考
[1]CNNIC:第50次中国互联网络发展状况统计报告。
[2]
[3]阿杰斯，洪克，莫利纳林，等。mortalitryriskamongpatients住院primarylyforcovid-19期间美国，2020年4月_ 2022年6月。MMWRMorbMortalWklyRep202271:1182_1189.DOI:
[4]
[5]
[6]d .拉泽尔，R .肯尼迪，G .金，安达。Vespignani.2014。" the parapeloefgoogleflu:TrapsinBigDataAnalysis . "理科343:1203_1205。
更多重磅研究成果，请关注微信官方账号《腾京AI经济预测》。
搜索
天津市感染高峰预测
天津死了多少新冠肺炎病人？
中国流行病死亡总人数
中国疫情死了多少人？
中央政府发布了最新的疫情政策。
全国疫情最新消息
2022年Xi安的雨季是几月？
Xi是一座有特色的城市。它有各种各样的文化遗产，以及各种各样的食物和小吃，深受人们的喜爱。最近Xi安总是下雨，一直是阴雨天气。这是比较正常的现象，主要是副热带高压，全球变暖，地理位置造成的。
2021为什么Xi安九月喜欢下雨？
1.副热带高压
九月，Xi安下了十多天的雨。从历年的气象资料来看，Xi九月多雨是正常的。其实接下来十天半月的可能性比较大。
Xi属暖温带半湿润大陆性季风气候，雨量适中，四季分明。冬季寒冷，多风多雾，少雨雪；春天温暖、干燥、多风、多变；夏季高温多雨，夏旱突出，雷雨大风；秋天天气凉爽。年降水量500 ~ 750毫米，主要集中在夏秋季；夏秋季Xi长期处于副热带高压西北部，冬季盛行西南风和东北风。
冬季副热带高压占据北半球的太平洋。随着太阳直射点的北移，副热带高压逐渐北移。副热带高压西北边缘容易与冷空气结合形成降水。但由于地形、副热带高压强度等因素的影响，春季降水主要集中在华东和华南地区，这也导致Xi安在5月前后出现降水高峰。夏季Xi受副热带高压控制，短时暴雨多。秋天来临时，副热带高压西北边缘南撤时再次穿过Xi安，导致Xi安9月持续降水。
2.全球变暖
全球变暖的影响是复杂的。目前降雨的整体体现是降雨带的北移，但这种北移不仅仅是平移。其规模和范围具有地方特殊性。例如，随着全球气温逐渐升高，降雨带北移，从20世纪90年代到新世纪初，陕西省降水量逐渐减少。
3.地理位置
事实上，Xi安所在的关中盆地水系并不丰富，水域面积相对较小，很难形成大量的局部热对流。盆地南部是秦岭山脉，这是东部最高的山脉。对于四川来说，西北太平洋副热带高压的西南气流将暖湿空气从印度洋输送到四川盆地，在此与青藏高原北部的冷空气相遇，导致中国西部在9月和6月5438+10月连续秋雨。但由于秦岭山脉的存在，很多暖湿气流在秦岭南侧的攀登过程中形成地形降水，难以进入关中盆地，直接导致关中和汉中两种完全不同的干湿气候。
Xi安的雨季是什么时候？
Xi的雨季是七月、八月和九月。Xi有两个明显的降水高峰，分别在7月和9月。Xi安年平均降水量为558 ~ 750毫米，自北向南逐渐增加。每年都在变。
9月的中国南方，也就是北回归线附近的地区，远没有降温，暖空气还在那里盘旋，等着来自欧亚大陆深处的寒流把它们赶走。
不仅在中国南方，在南亚和中东的亚热带地区，他们也在等待同样的结果。另外，由于两个副热带高压都在沿海，大量的水汽也在蒸腾，但由于天气炎热，凝结成雨的水汽并不多。
10年9-6月，副热带高压南移，雨带返回我国西部。据说有阴雨天气。这种连绵不断的秋雨还有一个学名，叫做“中国西部的秋雨”和“陕西的秋雨”。它在中国西部的一些地区很常见，通常在九月出现在Xi。在南副热带高压的影响下，天气通常持续约两至三周。
下雨天衣服怎么才能干的更快？
1.纸巾压机
洗完衣服，不管你怎么拧，衣服上总会有很多水。你可以用纸巾熨衣服。纸巾吸水性很强。多拿纸巾可以擦干衣服上的水。
拧干毛巾
我们用干毛巾帮助拧干它。首先用干毛巾把湿衣服包起来，然后用力拧。这时候衣服上的水就会被毛巾吸收。最好选择吸水性强的毛巾。
3.加入干毛巾，摇匀。
我们也可以用洗衣机烘干。我们可以在洗衣机里晾一次，然后在第二次