Paul Roebber satt på stranden i New Jersey, tittade ut på havet och lät tankarna vandra. "Jag började tänka på hajar som jagade efter byte, " säger meteorologen, "och om att förutsäga dynamiska system i naturen."

Det påminde honom om hur datorer låter forskare simulera komplexa system, såsom interaktioner mellan rovdjur och bytesdjur. Väderprognos, för, förlita sig på statistiska modeller för att hitta och sortera mönster i stora mängder data. Fortfarande, vädret är fortfarande envist svårt att förutsäga.

Roebber har en historia av att göra det mindre envis. Han är ledande när det gäller att ta fram nya metoder för meteorologi, och hans forskning har förändrat hur experter runt om i världen förutspår väder. Ofta, hans innovationer kommer från att anpassa något som inte har något med meteorologi att göra. Och sommaren 2016, att Jersey Shore-drömmar om hajar väckte en annan.

Prognosmakare använder "ensemble"-modeller, som har ett genomsnitt av många olika vädermodeller, för att skapa mer exakta förutsägelser. Roebber undrade om en matematisk motsvarighet till Charles Darwins evolutionsteori kunde få ut mer av ensembleprognoser, och gör det utan att kräva ytterligare data, som kan vara dyrt att samla ihop.

Han tog fram en metod där ett datorprogram sorterar 10, 000 andra, förbättra sig själv med strategier som efterliknar naturen, såsom ärftlighet, mutation och naturligt urval. "Det här var bara en pie-in-the-sky-idé först, säger Roebber, en UWM framstående professor i atmosfärsvetenskap, som hade tänkt på det så långt tillbaka som 2010. "Nu, under det senaste året, Jag har fått $500, 000 i finansiering bakom det."

Denna senaste prognosmetod överträffar de modeller som används av National Weather Service. Och jämfört med standardmodeller för väderprognoser, Roebbers evolutionära metodik fungerar särskilt bra på längre räckviddsprognoser och extrema händelser, när en korrekt prognos behövs som mest.

Betydelsen av meteorologi går långt utöver att råda folk att packa ett paraply till jobbet eller skicka barnen till skolan i varmare kläder. Cirka 40 procent av den amerikanska ekonomin är på något sätt beroende av väderprognoser. Även en liten förbättring av noggrannheten i en prognos kan spara miljontals dollar årligen för industrier som speditörer, allmännyttiga företag och jordbruksföretag.

Det är inte första gången Roebber är involverad i ett genombrottsarbete. Under 2007, han lanserade Innovative Weather, som tillhandahåller anpassade väderrelaterade tjänster till kunder som We Energies, Milwaukee Brewers och Lake Express-färjan. Nu på sitt 22:a år på UWM, han krediterar naturlig nyfikenhet och en ihärdig personlighet med att inte bara rama in hans framstående karriär, men också att bära honom genom en personlig kamp mot cancer.

Kaos

Väderprognosmodeller är långt ifrån perfekta eftersom fullständiga och exakta data är omöjliga att få. "När vi mäter atmosfärens nuvarande tillstånd, vi mäter inte varje punkt i det tredimensionella rummet, " säger Roebber. "Vi interpolerar vad som händer däremellan."

Visar sig, naturens tillstånd av hög osäkerhet är något man inte bara kan ignorera. Dess roll identifierades först på 1960-talet av Edward Lorenz, en MIT-meteorolog och matematiker.

Lorenz upptäckte att när han oavsiktligt förkortade ett tal med sex decimaler till tre, det lilla felet resulterade i oväntade förändringar i prognoserna.

Roebber förklarar detta koncept i termer av att knappt missa en buss. Även om du missar det med bara 60 sekunder, du måste fortfarande vänta i hela 15 minuter innan bussen kommer runt igen. När den 60-sekunders fördröjningen blir 15 minuter, kanske du missar ett viktigt möte. Medan frånvarande, du tilldelas en uppgift som kräver veckor av din tid. Små misstag går över i stora konsekvenser.

Lorenz upptäckt, kallad "fjärilseffekten, "blev grundprincipen för kaosteorin, som först erkände den förbisedda rollen av skenbar slumpmässighet i att förutsäga naturen. För meteorologer, det innebar att det var omöjligt att få en perfekt väderförutsägelse, speciellt på lång sikt.

Intressant, som doktorand vid MIT i början av 1980-talet, Roebber gick en kaosteorikurs med Lorenz som visade sig vara hans svåraste klass där. Det underströk vikten av att lägga ner tid på att söka bättre prognoser, även om en perfekt prognos är ouppnåelig. Inom meteorologi, han säger, en inkrementell vinst i noggrannhet – kanske bara 1 grad Fahrenheit i en längre räckviddsprognos – har en kumulativ ekonomisk inverkan.

Snö

I college, Roebber frossade i de tvärvetenskapliga aspekterna av meteorologi. "För mig, " han säger, "Kreativitet kommer från att vara öppen för breda intressen."

Till exempel, efter att ha läst om artificiell intelligenss arkitektur, han inspirerades att förbättra hur meteorologer förutspår snömängder. Sådana förutsägelser hade varit särskilt utmanande eftersom prognosmakare inte hade något sätt att veta snöförhållandet – mängden vatten som fanns i varje tum snö.

Det förhållandet varierade mycket, så du visste aldrig om du skulle bli tung, blöt snö eller ljuset, fluffigt slag. Det bästa prognosmakarna kunde göra var att förutsäga ett stort antal tum, vilket skulle kunna betyda skillnaden mellan en ganska liten olägenhet och en större plöjningshändelse.

Roebber byggde simuleringar som var organiserade som nätverk av neuroner i hjärnan:Datorprogrammen bildade ett system av sammankopplade bearbetningsenheter som kunde aktiveras eller avaktiveras. Detta konstgjorda neurala nätverksverktyg visade sig vara särskilt skickligt på att förutsäga scenarier med stora dataluckor och mängder av variabler. Och det avsevärt avancerade ansträngningar för att förutsäga snöfall.

"Paul korsar disciplingränser som EU-medborgare korsar nationella gränser, säger Lance Bosart, en framstående professor i atmosfärsvetenskap vid State University of New York i Albany.

Bosart är så respekterad bland sina kamrater att American Meteorology Society 2017 års möte höll ett symposium i hans namn. Han råkade också övervaka Roebbers postdoktorala arbete. "Han var i absolut framkant, Bosart säger, "att använda neurala nätverk för att förbättra väderprognoser för 10 år sedan."

Roebbers kreativa drivkraft är inte förvånande när man tänker på hans uppväxt i en familj av intellektuella. Son till en kemiprofessor vid Northeastern University i Boston, Roebber minns PBS-programmet "Nova" som en tv-bas i hushållet. När han slutade gymnasiet, han visste att han ville studera de fysikaliska vetenskaperna på college.

Under sina examensår vid MIT, han studerade explosiva cykloner, som den i filmen "The Perfect Storm". Den resulterande avhandlingen fortsätter att vara Roebbers mest citerade publikation av andra atmosfärsvetenskapliga forskare.

Utvecklas

Med sin senaste forskning, Roebber tar ännu en tegelsten ur väggen mellan prognosmakare och noggrannhet:de brister som är inneboende i ensemblemodellering.

I brist på tillägg av nya data, modeller som används i en grupp tenderar att överensstämma med varandra snarare än det faktiska vädret. Med andra ord, informationen i varje modell är ofta för lik, och i frånvaro av mer mångfald, det är svårt att skilja relevanta variabler från irrelevanta – vad statistiker Nate Silver kallar "signalen" och "bruset". Roebbers lösning tillämpar darwinistiska evolutionsprinciper.

I naturen, arternas mångfald förhindrar möjligheten att ett hot förstör en hel population på en gång. Darwin observerade detta i en population av Galapagosöarnas finkar 1835. Fåglarna delade sig i mindre grupper, var och en bor på olika platser runt om på öarna. Över tid, de anpassade sig till sin specifika livsmiljö, gör varje grupp skild från de andra.

Roebber bestämde sig för att använda evolution för att konstruera mer variation i prognosmodeller. Han började med att dela in variablerna i villkorade scenarier:Värdet på en variabel skulle sättas på ett sätt under ett villkor, men ställas in annorlunda under ett annat villkor.

Datorprogrammet plockar sedan ut de variabler som bäst uppnådde det angivna målet och kombinerar dem igen, och gör det i meteorologiska "nischer, " precis som finkarna gjorde i sina Galapagos-nischer. Avkommamodellerna har de mest framgångsrika egenskaperna.

"Vi gräver djupare i data genom att konfigurera variablerna på ett annat sätt, " säger Roebber. "En skillnad mellan detta och biologi är, Jag ville tvinga nästa generation att bli bättre i någon absolut mening, inte bara överleva."

Han använder redan tekniken för att förutsäga lägsta och högsta temperaturer för sju dagar ute. Och det evolutionära datorprogrammet gör det lika bra eller bättre än de skickligaste mänskliga experternas prognoser.

I en tidning från 2010, Roebber beräknade 2 miljoner dollar i potentiella årliga besparingar för elbolagen i Ohio om de skulle ersätta denna evolutionära metod för ensembleprognoser.

Innovation

Att vara förberedd och spara pengar var tanken bakom lanseringen av Innovative Weather 2007. Prognosgruppen, bemannad av Roebber, meteorolog Mike Westendorf och ett team av skickliga studentpraktikanter, tillhandahåller en 24/7-tjänst med anpassade prognoser för ett dussin plus kunder. Det hjälper bryggarna att bestämma när de ska stänga Miller Parks tak, Lake Express förbereder sig för tuffa seglingar och We Energies hanterar Wisconsins värsta vinterstormar.

"När du prognostiserar för kunder med specifika behov, det är mer intensivt än allmänna prognoser, säger Westendorf, Direktör för Innovative Weather. "Det finns tusentals dollar på spel för dessa kunder som behöver se till att deras resurser är tillgängliga vid den tidpunkt de behövs."

Besparingar kommer från att avvärja skador på infrastruktur, men också från att hantera personalen mer effektivt. För få i tjänst vid dåligt väder, och kunderna lämnas längre utan ström längre. För mycket arbete leder till bortkastade arbetskostnader, speciellt på helger och helgdagar.

"Med innovativt väder, vi får nu en rad potentiella väderscenarier, men också ha en realistisk uppfattning om den potentiella svårighetsgraden av en händelse, " säger Duane Miller, chef för gas- och eldistribution på We Energies, som anlitar tjänsten 15 till 20 gånger per år.

Roebber har utvecklat flera prediktiva verktyg som skiljer Innovativt väder åt. Det var den första som använde hans metod för att förutsäga snö i tum. Konsultation med We Energies, han skapade också en blixtnedslagsdetektor och en metod för att identifiera stormar som sannolikt kommer att orsaka ett strömavbrott.

Innovative Weathers framgångsrika lansering var en av Roebbers karriärhöjdpunkter. Men det markerade också början på hans mest prövande personliga saga. För strax därefter, han fick diagnosen tjocktarmscancer i steg 4, och det hade redan spridit sig till hans lever.

Någonsin matematikern, han minns en mycket skrämmande statistik:"Min femåriga överlevnadsfrekvens var 7 procent, Jag blev tillsagd."

Mellan 2007 och 2012, han genomgick ett dussin operationer och överlevde tre nästan dödliga komplikationer från lungemboli. Under flera omgångar av kemoterapi, han fortsatte att undervisa i sina kurser för att undvika att påtvinga kollegor. Och upplevelsen förändrade hur han ser på sina professionella prestationer.

"Min forskning har alltid varit viktig för mig, " säger Roebber. "Men när jag var sjuk, Jag tänkte på vilken inverkan jag har haft på mina elever. Till mig, det är det bestående bidraget jag ger."

Studentframgång och forskning flätas samman i Roebbers värld. En gång, efter att ha varit oense med någon annans lista över egenskaper som är mest förutsägande för studenters framgång, Roebber modellerade frågan matematiskt och hittade en mer inkluderande uppsättning indikatorer.

Faktiskt, ett huvudmål med att skapa Innovativt väder var att erbjuda studenter betalda praktikupplevelser inom ett område där få är tillgängliga. Det ger både grund- och doktorander chansen att delta i tillämpad forskning samtidigt som de arbetar med företag.

I mitten av 2012 Roebber förklarades cancerfri. Nu, nästan fem år senare, han kunde inte motstå att göra om överlevnadsmatematiken. Han sätter den villkorade sannolikheten att leva de kommande fem åren till 91 procent. För allmänheten, det är 93.