JP2008134145A - 気象予測データ解析装置及び気象予測データ解析方法 - Google Patents

Abstract

【課題】気象現象による様々な影響を判断する上で的確な指標を提供する。
【解決手段】予測データ解析部１６は、特定の気象現象（例えば、豪雨）について複数の気象判定要素の依存関係における条件付確率を表す条件付確率表（ＣＰＴ：Conditional Probability Table）を保持している。予測データ解析部１６は、気象観測データと、気象予測モデル演算部１４により演算された気象予測データを取得し、取得された気象予測データと気象観測データとをもとに複数の気象判定要素についてそれぞれ判定する。判定された各気象判定要素の判定結果をもとに条件付確率表に基づいて豪雨となる確率を算出する。データ判定／配信部１７は、算出された豪雨となる確率が閾値を超えた場合に、豪雨となる確率情報をユーザに通知する。
【選択図】 図１

Description

この発明は、気象予測システムから出力される予測データを解析する気象予測データ解析装置及び気象予測データ解析方法に関する。

従来の気象予測システムでは、気象レーダ等で得られる観測データや気象庁から提供されるＧＰＶ（Grid Point Value）データ等を用いて大気の流れを計算することで気象予測を行っている。気象予測情報は、人々にとって身近であると同時に、台風や集中豪雨等のように生命や財産に関わる重要な情報であるため、予測データの信頼性の向上が図られている。例えば、観測データを取得する時間間隔が長い場合でも、予測データの精度を継続的に維持できるようにする手法が提案されている（例えば、特許文献１又は２を参照。）。
特開２００４−１０９００１号公報 特開２００３−０９０８８８号公報

ところが、気象予測情報は、あくまでも予測に過ぎず、時間的・空間的ずれを伴う不確実性を有する。しかし、予測情報の価値は存在する。例えば、集中豪雨の発生の可能性が事前に予測されていれば、たとえその可能性が低くとも十分に価値のある情報となる。つまり、気象予測情報の提供の仕方が価値を左右するのであり、提供手法にこそ問題点が存在する。

この発明は上記事情に着目してなされたもので、その目的とするところは、気象現象による様々な影響を判断する上で的確な指標を提供することが可能な気象予測データ解析装置及び気象予測データ解析方法を提供することにある。

上記目的を達成するためにこの発明に係わる気象予測データ解析装置は、気象観測データと、前記気象観測データをもとに気象予測モデルに基づいて演算された気象予測データとを取得する取得手段と、特定の気象現象について複数の気象判定要素の依存関係における条件付確率を表す条件付確率表（ＣＰＴ：Conditional Probability Table）を記憶する記憶手段と、前記取得された気象予測データと気象観測データとをもとに複数の気象判定要素についてそれぞれ判定する判定手段と、前記判定された各気象判定要素の判定結果をもとに前記条件付確率表に基づいて前記特定の気象現象の生起確率を算出する確率算出手段と、前記算出された生起確率が閾値を超えた場合に前記特定の気象現象の確率情報を通知する通知手段とを具備することを特徴とする。

また、気象予測データ解析方法は、気象観測データと、前記気象観測データをもとに気象予測モデルに基づいて演算された気象予測データとを取得し、特定の気象現象について複数の気象判定要素の依存関係における条件付確率を表す条件付確率表を記憶し、前記取得された気象予測データと気象観測データとをもとに複数の気象判定要素についてそれぞれ判定し、前記判定された各気象判定要素の判定結果をもとに前記条件付確率表に基づいて前記特定の気象現象の生起確率を算出し、前記算出された生起確率が閾値を超えた場合に前記特定の気象現象の確率情報を通知することを特徴とする。

上記構成による気象予測データ解析装置及び気象予測データ解析方法では、特定の気象現象について複数の気象判定要素の依存関係における条件付確率を表す条件付確率表を有する。そして、気象予測モデルに基づいて演算された気象予測データ及び観測データをもとに各気象判定要素についてそれぞれ判定し、この判定結果をもとに条件付確率表に基づいて特定の気象現象となる確率を算出している。このようにすることで、例えば、水害等のような危険を引き起こす豪雨となる確率を通知することができるため、気象現象による様々な影響を判断をする上で、的確な指標を提供することが可能となる。

したがってこの発明によれば、気象現象による様々な影響を判断する上で的確な指標を提供することが可能な気象予測データ解析装置及び気象予測データ解析方法を提供することができる。

以下、図面を参照しながら本発明の実施の形態を詳細に説明する。
図１は、この発明に係わる気象予測システムの一実施形態の構成を示すブロック図である。この気象予測システムは、ネットワークＮＴを介して気象庁データサーバＤＳ０、及びレーダサイトサーバＤＳ１，ＤＳ２に接続されている。気象予測システムは、ネットワークＮＴと接続される通信インターフェース１２と、通信処理部１１と、観測データ格納部１３と、気象予測モデル演算部１４と、予測データ格納部１５と、予測データ解析部１６と、データ判定／配信部１７とを備える。

通信処理部１１は、気象庁データサーバＤＳ０やレーダサイトサーバＤＳ１，ＤＳ２から気象予測のもとになる観測データ・予測データ（ＧＰＶデータ）を通信インターフェース１２によりネットワークＮＴを介して入手する。通信処理部１１で入手された気象観測データは、観測データ格納部１３に格納され、気象予測モデル演算部１４からの要求に応じて選択的に気象予測モデル演算部１４に送られる。

気象予測モデル演算部１４は、気象予測のもととなるデータが観測データ格納部１３に格納されると起動し、気象予測演算を行う。求められた気象予測データは予測データ格納部１５に記憶される。また、観測データ格納部１３に新たな観測データが入力されると、気象予測モデル演算部１４は再び起動し、観測と予測のズレを補正するために気象予測演算を再実行する。

さらに、気象予測モデル演算部１４から出力される予測値は予測データ解析部１６に入力される。予測データ解析部１６は、特定の気象現象について複数の気象判定要素の依存関係における条件付確率を表す条件付確率表（ＣＰＴ：Conditional Probability Table）を保持している。予測データ解析部１６は、この条件付確率表に基づいて、入力された予測値をもとに特定の気象現象の確率値を算出する。確率算出処理の詳細は後述する。算出された確率値はデータ判定／配信部１７に供給され、必要に応じて確率情報に変換されたのち電子メール等によりユーザに通知される。

次に、この発明の特徴となる予測データ解析部１６の動作について説明する。
確率算出処理には、ベイジアンネットワーク（Bayesian Network）の手法を用いる。ベイジアンネットワークとは、不確かな出来事の連鎖について、確率の相互作用を集計する手法であり、「不確実性を扱うための計算モデル」として、認知科学やデータ・マイニング等に応用が広がっている。本発明におけるベイジアンネットワークの例を図２に示す。なお、本実施形態では、一例として豪雨の発生確率を求めるものとする。

任意の判定領域・時刻において、（１）気象予測モデルで豪雨が予測されているか否かを判定すると同時に、気象予測モデルの豪雨予測が時間的・空間的にズレたりするなどの気象予測モデルが持つ不確実性を考慮し、（５）豪雨となる確率を算出する。このために、例えば、次の各ノード（２）〜（４）の判定を行う。

（２）周辺領域に豪雨が存在するかどうか
判定時刻において、判定領域周辺の気象レーダ観測データを探索し、判定領域に接近しそうな豪雨が存在するか否かを判定する。

（３）予測大気の状態が不安定かどうか
一般的に局地的豪雨が降る際には、大気状態としては大局的に不安定な場合が多い。このような場合、気象予測モデルは他の様々な要因も含めて計算するものの、位置や時間のズレを起こすことがある。よって、気象予測モデルで予測した大気状態が不安定か否かを判定することで、判定領域に豪雨をもたらす可能性があるかどうかを判定し、この判定結果を豪雨確率を算出する判断材料とする。具体的には、判定領域に豪雨を予測しない場合でも、大気状態が不安定であれば豪雨確率は高くなる。また、判定領域に豪雨を予測した場合でも、全体大気場としては不安定ではなければ豪雨確率は低くなる。

（４）気象予測モデルの精度が高いかどうか
気象予測モデルの精度は日々変化する。つまり予測が当たる日も当たらない日もある。たとえ判定領域に豪雨を予測したとしても、その日の予測精度が悪ければその豪雨予測はあてにならない。この特徴を加味することで、判定領域の豪雨確率算出の判断材料とする。この判定の際には、気象予測データのうちの降雨データと気象レーダデータを用いる。

上記（１）〜（４）については、判定時刻にそれぞれ判定可能なエビデンスノードであり、各判定結果により、図３の条件付確率表に対応した確率値により、豪雨確率が決定される。また、エビデンスノードが決まらない場合でも、図４の各ノードの確率表と上記条件付確率表を用いて、ベイズの定理を用いた計算処理により豪雨確率値が決定される。

このように算出された豪雨確率値は、データ判定／配信部１７において、所定の閾値以上であると判定された場合に、確率情報として電子メール等でユーザに通知される。図５にデータ判定／配信部１７により配信される確率情報の一例を示す。また、予測データ解析部１６は、気象予測モデル演算部１４により演算される予測データが持つ予測時間分について、任意の時間幅で判定することができる。例えば、図５に示したように１時間以内、３時間以内、１２時間以内といった確率が算出可能である。

以上述べたように上記実施形態では、予測データ解析部１６は、特定の気象現象（例えば、豪雨）について複数の気象判定要素の依存関係における条件付確率を表す条件付確率表を保持している。予測データ解析部１６は、気象観測データと、気象予測モデル演算部１４により演算された気象予測データを取得し、取得された気象予測データと気象観測データとをもとに複数の気象判定要素についてそれぞれ判定する。判定された各気象判定要素の判定結果をもとに条件付確率表に基づいて豪雨となる確率を算出する。データ判定／配信部１７は、算出された豪雨となる確率が閾値を超えた場合に、豪雨となる確率情報を通知する。

したがって上記実施形態によれば、気象予測データの不確実性をできるだけ排して、気象現象による様々な影響を判断をする上で、的確な指標を提供することが可能となる。例えば、豪雨となる確率を通知することで、住民の避難誘導や、ダム放水の運用・都市下水道のポンプ場運転など、気象現象の危険度判断を必要としているユーザに対し、判断を支援する価値の高い情報を提供することができる。

なお、この発明は上記実施形態に限定されるものではない。上記実施形態では、一例として豪雨となる確率値の算出法を記述したが、この他にも、例えば、土砂災害等をもたらす積算降雨量等の確率値の算出にも適用することができる。上述した（１）〜（４）の判定は、数値データを用いてそれぞれの閾値と比較して行っている。この閾値の値を変更することで、「強雨」や「降水有」等の確率値を簡単に算出することが可能である。

また、上記示したベイジアンネットワークはあくまで一例であり、他のベイジアンネットワークの構築により「風」「風雨」「大雪」等の気象防災に関わる確率値を算出することももちろん可能である。但し、予測したい事象に対して、その裏づけとなる事象をノードに含める点は同様とする。さらに、実際に得られた気象観測データを用いて条件付確率表を更新するようにしてもよい。このようにすることで、より的中率の高い確率値を算出することが可能となる。

要するにこの発明は、上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合せにより種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態に亘る構成要素を適宜組み合せてもよい。

この発明に係わる気象予測システムの一実施形態を示すブロック構成図。 予測データ解析部１６における豪雨予測のためのベイジアンネットワークの一例を示す図。 図２のベイジアンネットワークに対応する条件付確率表の一例を示す図。 各ノードの確率表の一例を示す図。 データ判定／配信部１７から配信される配信情報の一例を示す図。

符号の説明

１１…通信処理部、１２…通信インターフェース、１３…観測データ格納部、１４…気象予測モデル演算部、１５…予測データ格納部、１６…予測データ解析部、１７…データ判定／配信部、ＮＴ…ネットワーク、ＤＳ０…気象庁データサーバ、ＤＳ１，ＤＳ２…レーダサイトデータサーバ。

Claims (10)

1. 気象観測データと、前記気象観測データをもとに気象予測モデルに基づいて演算された気象予測データとを取得する取得手段と、
   特定の気象現象について複数の気象判定要素の依存関係における条件付確率を表す条件付確率表（ＣＰＴ：Conditional Probability Table）を記憶する記憶手段と、
   前記取得された気象予測データと気象観測データとをもとに複数の気象判定要素についてそれぞれ判定する判定手段と、
   前記判定された各気象判定要素の判定結果をもとに前記条件付確率表に基づいて前記特定の気象現象の生起確率を算出する確率算出手段と、
   前記算出された生起確率が閾値を超えた場合に前記特定の気象現象の確率情報を通知する通知手段と
   を具備することを特徴とする気象予測データ解析装置。
2. 前記条件付確率表は、前記複数の気象判定要素間の依存関係により構成されるベイジアンネットワークをもとに作成されることを特徴とする請求項１記載の気象予測データ解析装置。
3. 前記取得手段により取得された気象観測データをもとに前記条件付確率の値を更新する更新手段をさらに具備することを特徴とする請求項１記載の気象予測データ解析装置。
4. 前記確率算出手段は、前記判定手段において判定不可能な気象判定要素が存在する場合に、予め用意されたこの気象判定要素の確率値と前記条件付確率表とを用いて前記特定の気象現象の生起確率を算出することを特徴とする請求項１記載の気象予測データ解析装置。
5. 前記確率算出手段は、前記取得手段により取得される予測時間分の気象予測データについて、任意の時間間隔で前記特定の気象現象の生起確率を算出することを特徴とする請求項１記載の気象予測データ解析装置。
6. 気象観測データと、前記気象観測データをもとに気象予測モデルに基づいて演算された気象予測データとを取得し、
   特定の気象現象について複数の気象判定要素の依存関係における条件付確率を表す条件付確率表を記憶し、
   前記取得された気象予測データと気象観測データとをもとに複数の気象判定要素についてそれぞれ判定し、
   前記判定された各気象判定要素の判定結果をもとに前記条件付確率表に基づいて前記特定の気象現象の生起確率を算出し、
   前記算出された生起確率が閾値を超えた場合に前記特定の気象現象の確率情報を通知することを特徴とする気象予測データ解析方法。
7. 前記条件付確率表は、前記複数の気象判定要素間の依存関係により構成されるベイジアンネットワークをもとに作成されることを特徴とする請求項６記載の気象予測データ解析方法。
8. 前記取得された気象観測データをもとに前記条件付確率の値を更新することをさらに特徴とする請求項６記載の気象予測データ解析方法。
9. 前記判定において判定不可能な気象判定要素が存在する場合に、予め用意されたこの気象判定要素の確率値と前記条件付確率表とを用いて前記特定の気象現象の生起確率を算出することを特徴とする請求項６記載の気象予測データ解析方法。
10. 前記取得される予測時間分の気象予測データについて、任意の時間間隔で前記特定の気象現象の生起確率を算出することを特徴とする請求項６記載の気象予測データ解析方法。

Images