JP2000258556A - 気象予報欠損値の推定方法 - Google Patents
気象予報欠損値の推定方法Info
- Publication number
- JP2000258556A JP2000258556A JP5802299A JP5802299A JP2000258556A JP 2000258556 A JP2000258556 A JP 2000258556A JP 5802299 A JP5802299 A JP 5802299A JP 5802299 A JP5802299 A JP 5802299A JP 2000258556 A JP2000258556 A JP 2000258556A
- Authority
- JP
- Japan
- Prior art keywords
- day
- forecast
- value
- similar
- weather
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
(57)【要約】
【課題】 場所や状況によっては詳細な天気予報の提供
を受けられないことがあった。 【解決手段】 オンライン・もしくは手入力により得ら
れた気象予報について、過去数日間の気象の最高気温、
最低気温、平均気温等の実績値について検索し、過去の
予報についての類似指標を判定し、その類似指標が最低
の日を類似日として抽出する。通常は、推定対象日と同
季節を検索対象とするが、同月、年間を対象とすること
も可能である。次に、類似日の詳細な気象予報を、対象
日の気象予報推定値として出力する。なお、類似日に詳
細な観測値がある場合は、それを１時間ごとの気象予報
推定値として出力することも可能である。
を受けられないことがあった。 【解決手段】 オンライン・もしくは手入力により得ら
れた気象予報について、過去数日間の気象の最高気温、
最低気温、平均気温等の実績値について検索し、過去の
予報についての類似指標を判定し、その類似指標が最低
の日を類似日として抽出する。通常は、推定対象日と同
季節を検索対象とするが、同月、年間を対象とすること
も可能である。次に、類似日の詳細な気象予報を、対象
日の気象予報推定値として出力する。なお、類似日に詳
細な観測値がある場合は、それを１時間ごとの気象予報
推定値として出力することも可能である。
Description
【０００１】
【発明の属する技術分野】本発明は、気象予報が得られ
ない場合に、至近日のデータから過去の類似日を検索す
ることで、その予報値を推定する気象予報欠損値の推定
方法に関する。
ない場合に、至近日のデータから過去の類似日を検索す
ることで、その予報値を推定する気象予報欠損値の推定
方法に関する。
【０００２】
【従来の技術】従来、気象予報は、非常に多くの分野に
用いられており、翌日電力需要予測、ダム流入量予測、
入場者・購買予測などでは必須のデータである。数年前
までは、気象予報は１時間ごとの予報は行われず、最高
・最低気温などの大まかな予報しか行われなかった。現
在では、気象予報の種類は、１時間毎の詳細な予報から
年間の予報まで様々である。特に、気象協会や民間の気
象会社からは１時間ごとの詳細な気象予報値が得られ、
大都市については最長３６時間先まで可能である。
用いられており、翌日電力需要予測、ダム流入量予測、
入場者・購買予測などでは必須のデータである。数年前
までは、気象予報は１時間ごとの予報は行われず、最高
・最低気温などの大まかな予報しか行われなかった。現
在では、気象予報の種類は、１時間毎の詳細な予報から
年間の予報まで様々である。特に、気象協会や民間の気
象会社からは１時間ごとの詳細な気象予報値が得られ、
大都市については最長３６時間先まで可能である。
【０００３】そのための、大まかな気象予報をもとにし
て詳細な気象予報を推定する方法として、ニューラルネ
ットワークを使用する方法がある。これは過去の気象情
報を学習したニューラルネットワークに「最高・最低気
温・天気」を入力すると「３時間毎の気温」や「湿度」
を推定するものであり、本出願人により、特開平10-800
62号の「日負荷曲線予測方法」として提案されている。
この手法は、発表された気象予報のデータだけを用いる
簡便な方法であり、比較的精度も高い。その他の方法と
しては、衛星写真や、レーダ情報を取り込み独自に予報
する手法がある。
て詳細な気象予報を推定する方法として、ニューラルネ
ットワークを使用する方法がある。これは過去の気象情
報を学習したニューラルネットワークに「最高・最低気
温・天気」を入力すると「３時間毎の気温」や「湿度」
を推定するものであり、本出願人により、特開平10-800
62号の「日負荷曲線予測方法」として提案されている。
この手法は、発表された気象予報のデータだけを用いる
簡便な方法であり、比較的精度も高い。その他の方法と
しては、衛星写真や、レーダ情報を取り込み独自に予報
する手法がある。
【０００４】
【発明が解決しようとする課題】しかしながら、それら
はいずれも多くの設備が必要であり、また扱う情報量も
多く、人間（気象予報士）による判断がなければ高精度
な予測は困難である。また、現在でも以下の理由で気象
予報が得られない場合がある。 （１）１時間毎の気象予報が提供される場合であって
も、気象予報の発表時間によっては、翌日の１日分の気
象予報がそろわないことがある。すなわち、０時発表の
３６時間先までの予報値では、翌日の１３時以降の予報
値が得られない。
はいずれも多くの設備が必要であり、また扱う情報量も
多く、人間（気象予報士）による判断がなければ高精度
な予測は困難である。また、現在でも以下の理由で気象
予報が得られない場合がある。 （１）１時間毎の気象予報が提供される場合であって
も、気象予報の発表時間によっては、翌日の１日分の気
象予報がそろわないことがある。すなわち、０時発表の
３６時間先までの予報値では、翌日の１３時以降の予報
値が得られない。
【０００５】（２）気象予報の提供を受けていても、設
備上・契約上の問題のため、計算機に入力されてくるデ
ータは最高・最低気温などの大まかなデータだけである
場合がある。例えば、電力会社では、毎日翌日の電力需
要を予測しているが、発表のタイミングによっては翌日
分の気象全てがそろわないために電力需要を予測するこ
とができないことがある。また、水力発電所において
も、翌日分の流入量より発電計画を作成するが、詳細な
気象予報がないと翌日流入量が予測できないため、信頼
性の高い発電計画を作成することができないことにな
る。 （３）詳細な気象予報は大都市のみに行われているた
め、現状では小規模な都市の詳細な予報値を得ることが
できない。 （４）設備上の異常でデータが入手できない場合があ
る。
備上・契約上の問題のため、計算機に入力されてくるデ
ータは最高・最低気温などの大まかなデータだけである
場合がある。例えば、電力会社では、毎日翌日の電力需
要を予測しているが、発表のタイミングによっては翌日
分の気象全てがそろわないために電力需要を予測するこ
とができないことがある。また、水力発電所において
も、翌日分の流入量より発電計画を作成するが、詳細な
気象予報がないと翌日流入量が予測できないため、信頼
性の高い発電計画を作成することができないことにな
る。 （３）詳細な気象予報は大都市のみに行われているた
め、現状では小規模な都市の詳細な予報値を得ることが
できない。 （４）設備上の異常でデータが入手できない場合があ
る。
【０００６】またこれ以外にも、詳細な気象予報は得ら
れるが、オンライン化されていない場合には、計算機へ
人間が手入力しなければならない。この場合、人間の労
力軽減のため最高・最低気温などの大まかな気温だけを
入力し、その他の詳細な予報値は推定したいという要望
もある。そこで本発明は、以上のような理由で詳細な気
象予報が得られない場合であっても比較的簡単に、詳細
な気象予報を得ることを課題とした。
れるが、オンライン化されていない場合には、計算機へ
人間が手入力しなければならない。この場合、人間の労
力軽減のため最高・最低気温などの大まかな気温だけを
入力し、その他の詳細な予報値は推定したいという要望
もある。そこで本発明は、以上のような理由で詳細な気
象予報が得られない場合であっても比較的簡単に、詳細
な気象予報を得ることを課題とした。
【０００７】
【課題を解決するための手段】上記課題を解決するため
に、請求項１の発明は、現時点で得られる現在地に関す
る至近日の観測値または／および近未来の予報値をもと
に、それに類似する現在地に関する過去の観測値または
／および予報値を検索する。次いで、検索の結果最も類
似している日を特定しその類似日のデータにそれ以後時
系列に連続する観測値または／および予報値を、現在地
現時点での予報値として推定し出力する。
に、請求項１の発明は、現時点で得られる現在地に関す
る至近日の観測値または／および近未来の予報値をもと
に、それに類似する現在地に関する過去の観測値または
／および予報値を検索する。次いで、検索の結果最も類
似している日を特定しその類似日のデータにそれ以後時
系列に連続する観測値または／および予報値を、現在地
現時点での予報値として推定し出力する。
【０００８】請求項２の発明は、現時点で得られる現在
地およびその周囲の１以上の都市に関する至近日の観測
値または／および近未来の予報値をもとに、それぞれの
地点でそれらデータに類似する過去の観測値または／お
よび予報値を検索する。次いで、検索の結果各地点・都
市とも最も類似している日を特定しその類似日の現地点
のデータにそれ以後時系列に連続する観測値または／お
よび予報値を、現地点現時点での予報値として推定し出
力する。
地およびその周囲の１以上の都市に関する至近日の観測
値または／および近未来の予報値をもとに、それぞれの
地点でそれらデータに類似する過去の観測値または／お
よび予報値を検索する。次いで、検索の結果各地点・都
市とも最も類似している日を特定しその類似日の現地点
のデータにそれ以後時系列に連続する観測値または／お
よび予報値を、現地点現時点での予報値として推定し出
力する。
【０００９】ここで、前記両発明において、検索するデ
ータ項目を最高気温または／および最低気温または／お
よび平均気温とすることができる。
ータ項目を最高気温または／および最低気温または／お
よび平均気温とすることができる。
【００１０】
【発明の実施の形態】以下、本発明の実施形態を説明す
る。最初に第１の実施形態について説明する。この実施
形態は請求項１の発明の実施形態であり、気象予報値の
ない時間帯の予報値を、過去の類似日より推定するもの
である。その手順を以下に示す。
る。最初に第１の実施形態について説明する。この実施
形態は請求項１の発明の実施形態であり、気象予報値の
ない時間帯の予報値を、過去の類似日より推定するもの
である。その手順を以下に示す。
【００１１】（１）気象予報・過去実績値検索 オンラインもしくは手入力により得られた気象予報を検
索する。これを検索キーに使用する。また、過去数日間
の気象の実績値も検索し検索キーにしてもよい。 （２）類似日抽出 次式を用いて過去の類似指標を判定し、類似指標が最低
の日を類似日として抽出する。通常は、推定対象日と同
季節を検索対象とするが、同月、年間等を対象としても
かまわない。
索する。これを検索キーに使用する。また、過去数日間
の気象の実績値も検索し検索キーにしてもよい。 （２）類似日抽出 次式を用いて過去の類似指標を判定し、類似指標が最低
の日を類似日として抽出する。通常は、推定対象日と同
季節を検索対象とするが、同月、年間等を対象としても
かまわない。
【００１２】
【数１】
【００１３】なお、式中のｆ(0)は予測対象日予報気
温、ｆ(1)は予測対象前日気温、ｒ(0)はｊ日の実績気
温、ｒ(1)はｊ日前日の実績気温、α、βは任意の常数
である。また、抽出条件数とは、類似した日を検索する
ために検索キー（最高気温、最低気温等）の数である。 （３）気象予報値推定 類似日の詳細な気象予報を、対象日の気象予報推定値と
する。なお、類似日の詳細な観測値がある場合は、それ
を１時間ごとの気象予報推定値として出力する。
温、ｆ(1)は予測対象前日気温、ｒ(0)はｊ日の実績気
温、ｒ(1)はｊ日前日の実績気温、α、βは任意の常数
である。また、抽出条件数とは、類似した日を検索する
ために検索キー（最高気温、最低気温等）の数である。 （３）気象予報値推定 類似日の詳細な気象予報を、対象日の気象予報推定値と
する。なお、類似日の詳細な観測値がある場合は、それ
を１時間ごとの気象予報推定値として出力する。
【００１４】次に第２の実施形態について説明する。こ
の実施形態は請求項２の発明の実施形態であり、第１の
実施形態を拡張したものでもある。請求項１の発明は、
１地点における気象データを用いてその地点の気象予報
を推定するものであるが、請求項２の発明では、複数都
市の気象の相互関係を考慮して、気象変化をより柔軟に
考慮した推定ができるようにしたものである。すなわ
ち、気象が西から東へ変化していく一般的な傾向が反映
されて、より高精度に類似日を特定することができる。
その手順を以下に示す。
の実施形態は請求項２の発明の実施形態であり、第１の
実施形態を拡張したものでもある。請求項１の発明は、
１地点における気象データを用いてその地点の気象予報
を推定するものであるが、請求項２の発明では、複数都
市の気象の相互関係を考慮して、気象変化をより柔軟に
考慮した推定ができるようにしたものである。すなわ
ち、気象が西から東へ変化していく一般的な傾向が反映
されて、より高精度に類似日を特定することができる。
その手順を以下に示す。
【００１５】（１）気象予報・過去実績値検索 第１の実施形態の処理と同様であるが、複数都市の気象
予報、気象実績を検索する。 （２）類似日抽出 次式を用いて過去の類似指標を判定し、類似指標が最低
の日を類似日として抽出する。通常は、推定対象日と同
季節を検索対象とするが、同月、年間等を対象としても
かまわない。
予報、気象実績を検索する。 （２）類似日抽出 次式を用いて過去の類似指標を判定し、類似指標が最低
の日を類似日として抽出する。通常は、推定対象日と同
季節を検索対象とするが、同月、年間等を対象としても
かまわない。
【００１６】
【数２】
【００１７】（３）気象予報値推定 類似日の詳細な気象予報を、対象日の気象予報推定値と
する。なお、類似日の詳細な観測値がある場合は、それ
を１時間ごとの気象予報推定値として出力する。
する。なお、類似日の詳細な観測値がある場合は、それ
を１時間ごとの気象予報推定値として出力する。
【００１８】次に第３の実施形態について説明する。こ
の実施形態は第２の実施形態の応用である。第２の実施
形態では、複数都市の気象を考慮したが、この実施形態
では、気象予報値は得られないが気象実績値は得られる
都市・地域の気象予報値を推定するものである。原理の
概念図を図１に示す。すなわち、第２の実施形態と同様
に、対象地点周辺の大都市についての類似日を抽出す
る。大都市から求めた類似日が例えば１０月１６日であ
れば、対象地点の類似日も同じく１０月１６日になる可
能性が高いことを利用して、対象地点の予報を推定する
ようにしたものである。その手順を以下に示す。
の実施形態は第２の実施形態の応用である。第２の実施
形態では、複数都市の気象を考慮したが、この実施形態
では、気象予報値は得られないが気象実績値は得られる
都市・地域の気象予報値を推定するものである。原理の
概念図を図１に示す。すなわち、第２の実施形態と同様
に、対象地点周辺の大都市についての類似日を抽出す
る。大都市から求めた類似日が例えば１０月１６日であ
れば、対象地点の類似日も同じく１０月１６日になる可
能性が高いことを利用して、対象地点の予報を推定する
ようにしたものである。その手順を以下に示す。
【００１９】（１）気象予報・過去実績値検索 第２の実施形態と同様である。ただし、対象地点（小都
市）の気象予報は得られないので、周辺都市のうち気象
予報が得られる都市の気象から検索する。 （２）類似日抽出 第２の実施形態と同様に、数式２を用いて過去の類似指
標を判定し、類似指標が最低の日を類似日として抽出す
る。 （３）気象予報値推定 周辺都市の類似日を対象地点の類似日とし、対象地点の
過去の類似日の１時間ごとの気象を対象日の気象予報推
定値として出力する。
市）の気象予報は得られないので、周辺都市のうち気象
予報が得られる都市の気象から検索する。 （２）類似日抽出 第２の実施形態と同様に、数式２を用いて過去の類似指
標を判定し、類似指標が最低の日を類似日として抽出す
る。 （３）気象予報値推定 周辺都市の類似日を対象地点の類似日とし、対象地点の
過去の類似日の１時間ごとの気象を対象日の気象予報推
定値として出力する。
【００２０】次に本発明の具体的な実施例について説明
する。ここでは、１０都市（青森、八戸、盛岡、秋田、
宮城、山形、福島、新潟、郡山、長岡）の１時間ごとの
気象予報値を推定した場合を示す。検索条件を表１に示
す。
する。ここでは、１０都市（青森、八戸、盛岡、秋田、
宮城、山形、福島、新潟、郡山、長岡）の１時間ごとの
気象予報値を推定した場合を示す。検索条件を表１に示
す。
【００２１】
【表１】
【００２２】すなわち、１９９７年１月１日〜１９９７
年１２月３１日まで毎日の類似日を、「最高気温」と
「最低気温」を条件として抽出した。検索期間は１９９
５年１月〜対象日前日の同季節である。こうして得られ
た予報値と実際の気象とを比較した結果は、表２、表３
に示すように、各季節、平均で１〜２℃の誤差で抽出で
きた。
年１２月３１日まで毎日の類似日を、「最高気温」と
「最低気温」を条件として抽出した。検索期間は１９９
５年１月〜対象日前日の同季節である。こうして得られ
た予報値と実際の気象とを比較した結果は、表２、表３
に示すように、各季節、平均で１〜２℃の誤差で抽出で
きた。
【００２３】
【表２】
【００２４】
【表３】
【００２５】なお、類似日の抽出アルゴリズムを以下に
示す。 (1)オンラインデータや手入力により得られた気温デー
タを検索条件として設定する。 (2)同季節から検索する。 (3)予報誤差の影響低減、気温の累積効果を考慮して２
日分を考慮する。 (4)対象の１０都市の気温全てを考慮する。 (5)次式が最小を示す日を類似日とする。
示す。 (1)オンラインデータや手入力により得られた気温デー
タを検索条件として設定する。 (2)同季節から検索する。 (3)予報誤差の影響低減、気温の累積効果を考慮して２
日分を考慮する。 (4)対象の１０都市の気温全てを考慮する。 (5)次式が最小を示す日を類似日とする。
【００２６】
【数３】
【００２７】抽出された類似日の実際の気温を推定値と
して出力する。
して出力する。
【００２８】このように本発明では、必要な気象予報
を、大まかな気象予報（最高・最低気温など）やその他
の予報値より、詳細な（例えば１時間ごとの）気象予報
を推定するものである。特に、請求項１の発明では、最
高・最低気温予報など入手しやすいデータだけ、もしく
は一部の気象予報値だけを用いて、他のデータを推定す
ることが可能であり、それにより従来では予測不能な時
間帯でも予測が可能になる。
を、大まかな気象予報（最高・最低気温など）やその他
の予報値より、詳細な（例えば１時間ごとの）気象予報
を推定するものである。特に、請求項１の発明では、最
高・最低気温予報など入手しやすいデータだけ、もしく
は一部の気象予報値だけを用いて、他のデータを推定す
ることが可能であり、それにより従来では予測不能な時
間帯でも予測が可能になる。
【００２９】また、請求項２の発明では、地理的に広が
る複数都市の気象を考慮することができるので、気象変
化（西から東への気象変化など）を考慮して請求項１よ
りも高精度に推定することができる。さらに請求項３の
発明では、詳細な気象予報が得られない都市・地域にお
いても、気象予報を推定できるようにするものである。
現在多くの都市・地域には、気象庁・建設庁による観測
器が設置されている。河川管理にも気象予報は重要であ
るが、山間地の河川では、実績データは随時蓄積されて
いるが気象予報が得られない。本発明によれば、それら
気象予報が発表されない地域でも詳細な気象予報を推定
することが可能となる。
る複数都市の気象を考慮することができるので、気象変
化（西から東への気象変化など）を考慮して請求項１よ
りも高精度に推定することができる。さらに請求項３の
発明では、詳細な気象予報が得られない都市・地域にお
いても、気象予報を推定できるようにするものである。
現在多くの都市・地域には、気象庁・建設庁による観測
器が設置されている。河川管理にも気象予報は重要であ
るが、山間地の河川では、実績データは随時蓄積されて
いるが気象予報が得られない。本発明によれば、それら
気象予報が発表されない地域でも詳細な気象予報を推定
することが可能となる。
【００３０】
【発明の効果】以上述べたように本発明によれば、詳細
な予報が得られない場合でも、今日現在に類似している
過去の日を検索してその日の気象を本日における予報値
として推定することで、簡単に予報が得られるようにな
る。
な予報が得られない場合でも、今日現在に類似している
過去の日を検索してその日の気象を本日における予報値
として推定することで、簡単に予報が得られるようにな
る。
【図１】本発明の原理を概念的に示した図である。
Claims (3)
- 【請求項１】 現時点で得られる現在地に関する至近日
の観測値または／および近未来の予報値をもとに、それ
に類似する現在地に関する過去の観測値または／および
予報値を検索する第１のステップと、 検索の結果最も類似している日を特定しその類似日のデ
ータにそれ以後時系列に連続する観測値または／および
予報値を、現在地現時点での予報値として推定し出力す
る第２のステップと、 からなることを特徴とする気象予報欠損値の推定方法。 - 【請求項２】 現時点で得られる現在地およびその周囲
の１以上の都市に関する至近日の観測値または／および
近未来の予報値をもとに、それぞれの地点・都市でそれ
らデータに類似する過去の観測値または／および予報値
を検索する第１のステップと、 検索の結果各地点・都市とも最も類似している日を特定
しその類似日の現地点のデータにそれ以後時系列に連続
する観測値または／および予報値を、現地点現時点での
予報値として推定し出力する第２のステップと、 からなることを特徴とする気象予報欠損値の推定方法。 - 【請求項３】 請求項１または２記載の気象予報欠損値
の推定方法において、検索するデータ項目を最高気温ま
たは／および最低気温または／および平均気温としたこ
とを特徴とする気象予報欠損値の推定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5802299A JP2000258556A (ja) | 1999-03-05 | 1999-03-05 | 気象予報欠損値の推定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5802299A JP2000258556A (ja) | 1999-03-05 | 1999-03-05 | 気象予報欠損値の推定方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2000258556A true JP2000258556A (ja) | 2000-09-22 |
Family
ID=13072343
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5802299A Pending JP2000258556A (ja) | 1999-03-05 | 1999-03-05 | 気象予報欠損値の推定方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2000258556A (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004525436A (ja) * | 2000-11-09 | 2004-08-19 | エス・ピー・エス・エス・インコーポレイテツド | 時系列モデルを構築するためのシステムおよび方法 |
| WO2021261825A1 (ko) * | 2020-06-25 | 2021-12-30 | 주식회사 에스아이에이 | 기계 학습 기반 기상 자료 생성 장치 및 방법 |
| CN115629431A (zh) * | 2022-12-22 | 2023-01-20 | 成都数之联科技股份有限公司 | 一种水汽含量预测方法、装置、设备及介质 |
-
1999
- 1999-03-05 JP JP5802299A patent/JP2000258556A/ja active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004525436A (ja) * | 2000-11-09 | 2004-08-19 | エス・ピー・エス・エス・インコーポレイテツド | 時系列モデルを構築するためのシステムおよび方法 |
| WO2021261825A1 (ko) * | 2020-06-25 | 2021-12-30 | 주식회사 에스아이에이 | 기계 학습 기반 기상 자료 생성 장치 및 방법 |
| KR20220000275A (ko) * | 2020-06-25 | 2022-01-03 | 주식회사 에스아이에이 | 기계 학습 기반 기상 자료 생성 장치 및 방법 |
| KR102347277B1 (ko) * | 2020-06-25 | 2022-01-05 | 주식회사 에스아이에이 | 기계 학습 기반 기상 자료 생성 장치 및 방법 |
| US11816554B2 (en) | 2020-06-25 | 2023-11-14 | Si Analytics Co., Ltd. | Method and apparatus for generating weather data based on machine learning |
| CN115629431A (zh) * | 2022-12-22 | 2023-01-20 | 成都数之联科技股份有限公司 | 一种水汽含量预测方法、装置、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10963602B2 (en) | Device for predicting amount of photovoltaic power generation, and method for predicting amount of photovoltaic power generation | |
| JP3984604B2 (ja) | 太陽光発電システムの発電量予測方法、装置、およびプログラム | |
| JP6785971B2 (ja) | 太陽光発電量予測装置、太陽光発電量予測システム、予測方法及びプログラム | |
| Wang et al. | Use of ENSO information in medium-and long-range forecasting of the Nile floods | |
| JP2013066318A (ja) | 電力需要予測システムおよび方法 | |
| JP6445909B2 (ja) | 電力需要予測システム | |
| JP5047260B2 (ja) | 降水量予測システム、降水量予測方法およびプログラム | |
| JP5279765B2 (ja) | 気温予測システム、気温予測方法およびプログラム | |
| Nielsen et al. | Short-term wind power forecasting using advanced statistical methods | |
| Chen et al. | An ensemble learning based approach for building airfare forecast service | |
| CN108256724B (zh) | 一种基于动态行业系数的配电网可开放容量规划方法 | |
| KR101838393B1 (ko) | 시간별 기온을 이용한 24시간 전력수요예측장치 및 전력수요예측방법 | |
| Voisin et al. | The role of climate forecasts in western US power planning | |
| Barbour et al. | Enhancing household-level load forecasts using daily load profile clustering | |
| Wang et al. | Comparison of ECMWF significant wave height forecasts in the China sea with buoy data | |
| Lee et al. | The impact of neglecting climate change and variability on ERCOT’s forecasts of electricity demand in Texas | |
| JP4969599B2 (ja) | 流入量予測システム、流入量予測方法およびプログラム | |
| JP2000258556A (ja) | 気象予報欠損値の推定方法 | |
| Leyton et al. | Short-term probabilistic forecasts of ceiling and visibility utilizing high-density surface weather observations | |
| JP6605342B2 (ja) | 電力需要予測装置、電力需要予測方法、及び電力需要予測プログラム | |
| JP3268520B2 (ja) | ガス需要量の予測方法 | |
| Rogers et al. | Convection during the North American monsoon across central and southern Arizona: Applications to operational meteorology | |
| Boisvert et al. | New Brunswick hydrometric network analysis and rationalization | |
| JP5561643B2 (ja) | 需要予測装置及び水運用監視システム | |
| Brands | Skillful seasonal predictions of boreal winter accumulated heating degree-days and relevance for the weather derivative market |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20031226 |
|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20040205 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20040401 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040602 |
|
| A521 | Written amendment |
Effective date: 20040802 Free format text: JAPANESE INTERMEDIATE CODE: A523 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20040928 |