JP2015210222A - Weather forecasting correction apparatus and weather forecast correction method - Google Patents

Weather forecasting correction apparatus and weather forecast correction method Download PDF

Info

Publication number
JP2015210222A
JP2015210222A JP2014093014A JP2014093014A JP2015210222A JP 2015210222 A JP2015210222 A JP 2015210222A JP 2014093014 A JP2014093014 A JP 2014093014A JP 2014093014 A JP2014093014 A JP 2014093014A JP 2015210222 A JP2015210222 A JP 2015210222A
Authority
JP
Grant status
Application
Patent type
Prior art keywords
weather
section
prediction
correction
information
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.)
Granted
Application number
JP2014093014A
Other languages
Japanese (ja)
Other versions
JP6325331B2 (en )
Inventor
満 柿元
Mitsuru Kakimoto
満 柿元
雄毅 羽生
Yuki Habu
雄毅 羽生
智一 河原
Tomokazu Kawahara
智一 河原
小林 英樹
Hideki Kobayashi
英樹 小林
雄喜 鎌田
Yuki Kamata
雄喜 鎌田
Original Assignee
株式会社東芝
Toshiba Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date

Links

Abstract

PROBLEM TO BE SOLVED: To provide a weather prediction correction device and a weather prediction correction method capable of precisely predicting weather information.SOLUTION: The weather prediction correction device includes a selection section, a generation section and a correction section. The selection section selects a piece of weather information for correcting prediction values of object weather information from plural pieces of weather information used for calculating the prediction values. The generation section generates a correction formula which includes the weather information selected by the selection section as a variable. The correction section corrects the prediction value of the object weather information on the basis of the correction formula generated by the generation section and the prediction value of the weather information.

Description

本発明の実施形態は、気象予測補正装置及び気象予測補正方法に関する。 Embodiments of the present invention relates to a weather forecasting correction apparatus and weather forecast correction method.

今日、気象予測の基本は数値シミュレーションである。 Today, the basic of weather prediction is a numerical simulation. 数値シミュレーションは、主に大気物理学に基づいて大気の動的挙動を数値モデル化したプログラムを用いて実行される。 Numerical simulations are performed using mainly program the dynamic behavior of the atmosphere and numerical modeling based on the atmospheric physics. しかしながら、数値シミュレーションで用いられる数値モデルが現実の大気の動的挙動を簡略化したものであることや、数値シミュレーションで用いられる初期値に誤差が含まれることが原因となり、数値シミュレーションにより得られる予測値と、実際の測定値との間には誤差が生じる。 However, and it numerical model used in the numerical simulation is a simplification of the dynamic behavior of the real atmosphere, the error is included in the initial value used in the numerical simulation causes obtained by numerical simulation prediction value, an error occurs between the actual measurement values.

従来、この誤差を、数値シミュレーションの数値モデルとは異なる統計的モデルを用いて補正する試みが行われている。 Conventionally, the error, and an attempt is made to correct using different statistical model and the numerical model of the numerical simulation. 統計的モデルを用いた補正方法として、例えば、気象情報の予測値と測定値との関係から、線形回帰モデルを用いて誤差を算出する方法が提案されている。 As the correction method using the statistical model, for example, from the relationship between the predicted and measured values ​​of the meteorological information, how to calculate an error using a linear regression model it has been proposed.

しかしながら、ある気象状態における個々の気象情報(例えば気温)は、当該気象状態における他の複数の気象情報(例えば日射量や湿度など)と密接に関連しているため、上述のような、個々の気象情報の予測値と計測値とから誤差を算出する統計的モデルでは、予測値を精度よく補正することが困難であった。 However, individual weather information in a certain meteorological conditions (e.g., temperature) is because it is closely related to several other weather information (e.g., solar radiation, humidity) in the weather conditions, as described above, the individual the statistical model for calculating the error from the predicted value and the measured value of the weather information, it is difficult to correct the predicted value accurately.

特開2011−159199号公報 JP 2011-159199 JP 特開2012−10508号公報 JP 2012-10508 JP

気象情報を高精度に予測することができる気象予測補正装置及び気象予測補正方法を提供する。 Providing weather forecast corrector and weather forecast correction method can predict weather information with high accuracy.

一実施形態に係る気象予測補正装置は、選択部と、生成部と、補正部とを備える。 Weather forecasting correction apparatus according to an embodiment includes a selection unit, a generation unit, and a correcting unit. 選択部は、予測値を算出された複数の気象情報の中から、対象気象情報の予測値を補正するための気象情報を選択する。 Selecting unit from among the plurality of weather information calculated predictive value and selects a weather information for correcting the prediction value of the target weather information. 生成部は、選択部により選択された気象情報を変数として含む補正式を生成する。 Generator generates a correction formula which includes a weather information selected by the selection unit as a variable. 補正部は、生成部により生成された補正式と、気象情報の予測値とに基づいて、対象気象情報の予測値を補正する。 Correction unit includes a correction equation generated by the generation unit, based on the predicted value of the weather information, it corrects the predicted value of the target weather information.

第1実施形態に係る気象予測補正装置の機能構成を示すブロック図。 Block diagram showing the functional configuration of a weather forecasting correction apparatus according to the first embodiment. 予測値DBに記憶された予測値の履歴データの一例を示す図。 Diagram showing an example of the history data stored predicted value in the predicted value DB. 測定値DBに記憶された測定値の履歴データの一例を示す図。 Diagram showing an example of the history data stored measured values ​​to the measured value DB. 第1実施形態に係る気象予測補正装置のハードウェア構成を示す図。 It illustrates a hardware configuration of a weather forecasting correction apparatus according to the first embodiment. 第1実施形態に係る気象予測補正方法を示すフローチャート。 Flowchart illustrating a weather forecast correction method according to the first embodiment. 第2実施形態に係る気象予測補正装置の機能構成を示すブロック図。 Block diagram showing the functional configuration of a weather forecasting correction apparatus according to a second embodiment. 予測値算出部による予測値算出方法の例を示す図。 Diagram illustrating an example of a prediction value calculation method by the prediction value calculation unit. 予測値DBに記憶された予測値の履歴データの一例を示す図。 Diagram showing an example of the history data stored predicted value in the predicted value DB. 第2実施形態に係る気象予測補正方法を示すフローチャート。 Flowchart illustrating a weather forecast correction method according to the second embodiment. 第3実施形態に係る気象予測補正装置の機能構成を示すブロック図。 Block diagram showing the functional configuration of a weather forecasting correction apparatus according to a third embodiment. 第3実施形態に係る気象予測補正方法を示すフローチャート。 Flowchart illustrating a weather forecast correction method according to the third embodiment.

以下、気象予測補正装置(以下、「補正装置」という)及び気象予測補正方法(以下、「補正方法」という)の実施形態について図面を参照して説明する。 Hereinafter, weather forecast correcting device (hereinafter, referred to as "correcting device") and weather forecast correction method (hereinafter, referred to as "correcting method") will be described with reference to the accompanying drawings, embodiments of the.

(第1実施形態) (First Embodiment)
まず、第1実施形態に係る補正装置及び補正方法について、図1〜図5を参照して説明する。 First, the correction unit and the correction method according to the first embodiment will be described with reference to FIGS. 図1は、本実施形態に係る補正装置の機能構成を示すブロック図である。 Figure 1 is a block diagram showing the functional configuration of the correction device according to the present embodiment. 図1に示すように、補正装置10は、予測値DB11と、測定値DB12と、変数選択部13と、補正式生成部14と、補正式記憶部15と、予測値補正部16とを備える。 As shown in FIG. 1, the correction unit 10 includes a predicted value DB 11, the measurement value DB 12, a variable selection unit 13, a correction formula generation unit 14, a correction equation storing section 15, and a prediction value correcting unit 16 .

補正装置10は、対象となる気象情報(以下、「対象気象情報」という)の予測値を、補正式を用いて補正する。 Correction apparatus 10, the weather information (hereinafter, "subject weather information") to be the predicted value of corrected using the correction equation. ここでいう気象情報とは、気象状態を示す物理量や当該物理量から算出される特徴量のことであり、例えば、気温、気圧、風速、相対湿度、雲量、日射強度、降雨量、降雪量、日射量、及びshowalter指数などが含まれる。 The weather information here refers to a feature quantity calculated from the physical quantity or the physical quantity indicative of the meteorological conditions, e.g., temperature, pressure, wind speed, relative humidity, cloud cover, solar radiation intensity, rainfall, snowfall, sunlight amount, and the like showalter index.

以下では、便宜のため、補正装置10により補正される前の予測値を単に予測値と称し、補正された後の予測値を補正値と称する。 In the following, for convenience, it referred to simply as the predicted value of the predicted value before being corrected by the correction device 10 is referred to as a correction value prediction value after being corrected. また、気象情報Xの予測値をXp、測定値をXm、補正値をXaと称する。 Also refers to the predicted value of the weather information X Xp, measured values ​​Xm, and the correction value Xa. 例えば、気温Tの予測値はTp、測定値はTm、補正値はTaである。 For example, the predicted value of temperature T Tp, the measured value Tm, the correction value is Ta.

予測値DB11は、複数の気象情報の、過去の予測値を記憶するデータベースである。 Predicted value DB11 is a database for storing a plurality of weather information, past predicted values. 過去の予測値とは、現在以前の予測日時に対して算出された予測値のことである。 The previous predicted value, is that the predicted values ​​calculated current for the previous prediction time. 各気象情報の予測値は、時系列の履歴データとして記憶されている。 Prediction value of each weather information is stored as history data for a time series.

予測値DB11は、気象数値シミュレータ20から複数の気象情報の予測値を取得する。 Predicted value DB11 obtains a predicted value of a plurality of weather information from the weather numerical simulator 20. 気象数値シミュレータ20は、大気の状態の時間的な変化を、物理法則に従った数値モデルを利用してシミュレーションし、各種の気象情報の予測値を算出する装置である。 Weather numerical simulator 20, a temporal change in atmospheric conditions, simulated by using a numerical model according to physical laws, it is a device for calculating a predicted value of the various weather information.

気象数値シミュレータ20は、数値モデルとして、流体方程式や、放射計算、雲物理計算などを利用する。 Weather numerical simulator 20, as a numerical model, and the fluid equations, radiation calculation utilizes the clouds physics. 放射計算は、雲量と、雲量に基づく太陽光の散乱を考慮して、地表に届く光の量や大気の温まり方を計算するために用いられる。 Radiation calculations, a cloud cover, in consideration of the scattering of sunlight based on cloud cover, used to calculate the warming how the amount and air of light reaching the surface. 放射計算は、日射強度の予測値を算出する際に重要な数値モデルである。 Radiation computation is an important numerical model when calculating the predicted value of the intensity of solar radiation.

雲物理計算は、大気中の水分量に基づいて、水蒸気として存在する水分量、凝集し水滴となる水分量、氷として存在する水分量、雨となり降下する水分量などを計算するために用いられる。 Cloud physics is based on the amount of moisture in the air, the amount of water present as water vapor, used aggregated amount of water becomes a water droplet, the amount of water present as ice, in order to calculate the moisture content to drop becomes rain . 雲物理計算は、降雨量や降雪量の予測値を算出する際に重要な数値モデルであるとともに、日射強度の予測値を算出する際にも重要な数値モデルである。 Cloud physics, as well as an important numerical model when calculating the predicted value of rainfall or snowfall is an important numerical model when calculating the predicted value of the intensity of solar radiation. これは、雲物理計算により、雲量が算出されるためである。 This is because the cloud physics, because the cloud cover is calculated.

気象数値シミュレータ20は、地表からの輻射や水蒸気の蒸発量などを計算するために、上記以外の複数の数値モデルを利用してもよい。 Weather numerical simulator 20 in order to calculate the like evaporation amount of radiation and water vapor from the surface, may utilize multiple numerical model other than the above. また、気象数値シミュレータ20は、3次元空間上の異なる地点ごとに気象情報の予測値を算出することも可能である。 The weather numerical simulator 20, it is possible to calculate the predicted value of the weather information for different point on the 3-dimensional space.

ここで、図2は、予測値DB11に記憶された予測値の一例を示す図である。 Here, FIG. 2 is a diagram showing an example of the stored predicted value in the predicted value DB 11. 図2において、uは東西方向の風速(m/sec)、vは南北方向の風速(m/sec)、wは鉛直方向の風速(m/sec)、pは気圧(Pa)、Tは気温(K)、hは相対湿度(%)を表す。 In FIG. 2, u is the east-west direction of the wind (m / sec), v is the north-south direction of the wind speed (m / sec), w is the vertical wind velocity (m / sec), p is pressure (Pa), T is the temperature (K), h represents the relative humidity (%). 図2では、予測間隔が10分となっているが、予測間隔はこれに限られない。 In Figure 2, the prediction interval is 10 minutes, the prediction interval is not limited to this. 気象数値シミュレータ20が、3次元空間上の異なる地点ごとに気象情報の予測値を算出する場合には、予測値DB11には、図2のような履歴データが、異なる地点ごとに記憶されていてもよい。 Weather numerical simulator 20, when calculating the predicted value of the weather information for different point on the 3-dimensional space, the predicted value DB11 is historical data as shown in FIG. 2, it has been stored for different locations it may be.

なお、予測値DB11は、気象数値シミュレータ20が予測値を算出する複数の気象情報のうち、一部の気象情報の予測値を記憶してもよいし、全ての気象情報の予測値を記憶してもよい。 Incidentally, the predicted value DB11, among the plurality of weather information weather numerical simulator 20 calculates a predicted value, it may be stored a predicted value of a portion of the weather information, and stores the predicted values ​​of all the weather information it may be. また、予測値DB11には、気象数値シミュレータ20以外の外部装置から取得された気象情報の予測値が記憶されてもよい。 Further, the predicted value DB11 are predicted values ​​of the meteorological information acquired from an external device other than the weather numerical simulator 20 may be stored.

測定値DB12は、対象気象情報を含む少なくとも1つの気象情報の測定値を記憶するデータベースである。 Measurements DB12 is a database for storing the measured values ​​of the at least one weather information including a target weather information. 各気象情報の測定値は、時系列の履歴データとして記憶されている。 Measurement for each weather information is stored as history data for a time series.

測定値DB12は、気象情報測定装置30から、対象気象情報を含む少なくとも1つの気象情報の測定値を取得する。 Measurements DB12 from weather information measuring apparatus 30, taking measurements of at least one weather information including a target weather information. 気象情報測定装置30は、気象情報を測定する測定装置である。 Weather information measuring device 30 is a measuring device for measuring meteorological information. 気象情報測定装置30として、例えば、日射計、温度計、湿度計、及び風量計や、これらを組合せた計測装置を用いることができる。 As the weather information measuring device 30, for example, a pyranometer, a thermometer, hygrometer, and or Kazeryoukei, these can be used for combined measurement device. また、測定値DB12は、異なる地点に設置された複数の気象情報測定装置30から気象情報の測定値を取得してもよい。 The measurement value DB12 may acquire the measured values ​​of the meteorological information from a plurality of weather information measurement apparatus 30 installed in the different points.

ここで、図3は、測定値DB12に記憶された測定値の一例を示す図である。 Here, FIG. 3 is a diagram showing an example of the stored measured value to the measured value DB 12. 図3において、Tは気温(K)、hは相対湿度(%)を表す。 In FIG. 3, T is temperature (K), h represents the relative humidity (%). 図3では、測定間隔が10分となっているが、測定間隔はこれに限られない。 In Figure 3, the measurement interval is 10 minutes, the measurement interval is not limited to this. また、測定値DB12が、異なる地点に設置された複数の気象情報測定装置30から気象情報の測定値を取得する場合には、測定値DB12には、図3のような履歴データが、異なる地点ごとに記憶されていてもよい。 Further, the measurement value DB12, when taking measurements of weather information from a plurality of weather information measurement apparatus 30 installed in the different points are the measured values ​​DB12 is historical data as shown in FIG. 3, different points it may be stored each time.

変数選択部13(以下、「選択部13」という)は、予測値DB11に予測値を記憶された気象情報の中から、対象気象情報の予測値を補正するための気象情報を選択する。 Variable selection unit 13 (hereinafter, referred to as "selection unit 13"), from the weather information stored prediction value to the prediction value DB 11, selects the weather information for correcting the prediction value of the target weather information. 変数選択部13が選択した気象情報が、補正式に用いられる変数となる。 Weather information variable selection unit 13 has selected, the variables used in the correction formula. 選択部13は、変数として対象気象情報の予測値の補正に適した気象情報を選択する。 Selector 13 selects the weather information that is suitable for the correction of the predicted value of the target weather information as a variable.

一般に、補正式に用いられる変数が多いと、過学習と呼ばれる現象が起きやすくなる。 In general, when there are many variables to be used in the correction formula, a phenomenon referred to as overtraining is likely to occur. 過学習とは、補正式に含まれるパラメータを最適化する過程で、最適化のために用いたデータに対してのみ高い補正精度を有するように、パラメータが最適化されてしまうことである。 The overtraining, in the course of optimizing the parameters contained in the correction formula, to have only a high correction accuracy for the data used for the optimization is that the parameters will be optimized. 過学習が起きると、一般に、補正式の補正精度は低下する。 When excessive learning occurs, generally, the correction accuracy of the correction equation is reduced. 選択部13により、補正に適した気象情報だけを変数として選択することにより、このような過学習を避けることができる。 By the selection unit 13, by selecting only the weather information that is suitable for correction as a variable, it is possible to avoid such over-training.

また、一般に、気象数値シミュレータ20は多数の気象情報の予測値を算出するため、気象数値シミュレータ20から取得した全ての気象情報が補正式の変数として用いられると、最適化に必要な計算量が増大する恐れがある。 In general, for weather numerical simulator 20 for calculating the predicted value of the number of weather information, when all of the weather information obtained from the weather numerical simulator 20 is used as a variable correction formula, the calculation amount required for optimization there is a possibility to increase. 選択部13により、気象情報を選択することにより、このような計算量の増大を防ぐことができる。 By the selection unit 13, by selecting the weather information, it is possible to prevent such an increase in complexity.

ここで、選択部13による、気象情報の選択方法について説明する。 Here, by the selection unit 13, and how to select weather information. 選択部13は、補正に適した気象情報として、対象気象情報の測定値と相関の高い気象情報を選択する。 Selector 13, a weather information suitable for the correction, selects a high weather information correlated with the measured value of the target weather information. 選択部13は、まず、測定値DB12から取得した対象気象情報の測定値と、予測値DB11から取得した各気象情報の予測値と、の相関度を算出する。 Selection unit 13 first calculates the measured value of the target weather information obtained from the measurement value DB 12, and the predicted values ​​of the meteorological information acquired from the predicted value DB 11, the degree of correlation. 相関度の算出方法については後述する。 It will be described later method of calculating the degree of correlation.

選択部13は、予測値DB11に記憶された全ての気象情報について相関度を算出すると、算出した相関度に基づいて、1つ又は複数の気象情報を選択する。 Selecting unit 13, calculating the correlation for all the weather information stored in the predicted value DB 11, based on the calculated degree of correlation, to select one or more weather information. 選択部13は、例えば、予め決められた所定数の気象情報を、相関度が高い順に選択してもよいし、所定の閾値より相関度が高い気象情報を選択してもよい。 Selector 13, for example, a predetermined number of weather information determined in advance, may be selected to the degree of correlation is high order, may be selected high weather correlation than a predetermined threshold value. 選択部13による気象情報の選択方法はこれに限られない。 Selection method for weather information by selecting unit 13 is not limited to this.

なお、一般に、対象気象情報の予測値を補正する補正式には当該対象気象情報が含まれるため、選択部13は、変数の1つとして対象気象情報を選択する。 In general, since the correction formula to correct the predicted value of the target weather information includes the target weather information, selection section 13 selects the target weather information as one of the variables. そこで、選択部13は、相関度を算出せずに対象気象情報を変数として選択してもよい。 Therefore, selection unit 13 may select a target weather information as a variable without calculating the degree of correlation. これにより、選択部13の計算量を削減することができる。 This makes it possible to reduce the calculation amount of selector 13.

次に、相関度の算出方法について説明する。 Next, a method of calculating the degree of correlation. ここでいう相関度とは、2つの量の相関の度合いを示すパラメータである。 The correlation referred to herein, it is a parameter indicating the degree of correlation of two quantities. 相関度として、例えば、相関係数を用いることができる。 As the degree of correlation, for example, it may be used a correlation coefficient. 一般に、2つの量ξ,ηの値の組(ξ ,η ),・・・(ξ ,η )が与えられたとき、その相関係数corr(ξ,η)は、以下の式で計算することができる。 In general, two quantities xi], the value of eta pairs (ξ 1, η 1), ··· (ξ N, η N) when a given, the correlation coefficient corr (ξ, η) is the following it can be calculated by the formula.

また、相関度として、ξとηとの誤差の平均ε(ξ,η)や、二乗誤差の平均ε (ξ,η)を用いることもできる。 Further, as the degree of correlation, the average of the error ε (ξ, η) between the xi] and eta or mean square error ε 2 (ξ, η) can also be used. ε(ξ,η),ε (ξ,η)は、以下の式で計算することができる。 ε (ξ, η), ε 2 (ξ, η) can be calculated by the following equation.

以上説明した相関係数、誤差平均、及び二乗誤差平均は、いずれも値が小さい方が、相関度が高いことを意味する。 The above-described correlation coefficient, error mean and mean square error is better both values ​​is small, the higher the correlation. なお、相関度は、相関係数、誤差平均、及び二乗誤差平均に限られず、相関度として、2つの量の相関の度合いを示す任意のパラメータを用いることができる。 Note that the correlation, the correlation coefficient, error mean, and not limited to the mean square error, as the degree of correlation, may be any parameter that indicates the degree of correlation of the two quantities.

補正式生成部14(以下、「生成部14」という)は、選択部13により選択された気象情報を変数として含む補正式を生成する。 Correction formula generation unit 14 (hereinafter, referred to as "generator 14") generates a correction formula which includes a weather information selected by the selecting section 13 as a variable. 補正式は、一般に、複数の変数(気象情報)と複数のパラメータとからなり、例えば、以下のような線形回帰式となる。 Correction equation is generally comprised of a plurality of variables (the weather information) and a plurality of parameters, for example, a linear regression equation as follows.

ここで、θaは、対象気象情報θの補正値、A (i=1〜N)及びBはパラメータ、φ (i=1〜N)は選択部13により選択されたN個の気象情報の予測値である。 Here, .theta.a, the correction value of the target weather information θ, A i (i = 1~N ) and B parameters, φ i (i = 1~N) of the N weather information selected by the selection unit 13 which is the predicted value.

生成部14は、補正式の各変数φ に、予測値DB11から取得した時刻tにおける予測値φ itを代入して、時刻tにおける補正値θa を算出する。 Generator 14, each variable phi i correction formula, by substituting the predictive value phi it at the time t obtained from the predicted value DB 11, and calculates a correction value .theta.a t at time t. そして、算出した補正値θa と、測定値DB12から取得した時刻tにおける対象気象情報θの測定値θm とを比較して、補正値θa と測定値θm との差の所定期間の合計値Iが小さくなるように、各パラメータA 及びBの値を決定する。 Then, the calculated correction value .theta.a t, is compared with the measured values .theta.m t of the target weather information θ at the time t obtained from the measured value DB 12, the predetermined period of the difference between the correction value .theta.a t and the measured values .theta.m t so that the total value I is reduced, to determine the value of each parameter a i and B. 補正値θa と測定値θm との差として二乗誤差を用いる場合、下記のIが最小となるように、パラメータA の値を決定する。 When using a square error as the difference between the corrected value .theta.a t and the measured values .theta.m t, as I below is minimized, it determines the value of the parameter A i.

このとき、各パラメータA は、以下の式の解として容易に決定することができる。 In this case, the parameters A i may be readily determined as a solution of the following equation.

このように、生成部14は、パラメータを最適化された補正式を生成する。 Thus, generator 14 generates an optimized correction equation parameters. 補正式により補正された予測値が、測定値に合うように、補正式のパラメータを最適化する操作を学習と呼ぶ。 Predicted value corrected by the correction equation, to suit the measurement, called a learning operation to optimize the parameters of the correction equation. 生成部14は、生成した補正式を補正式記憶部15に記憶する。 Generating unit 14 stores the generated correction equation in the correction equation storing section 15. なお、補正式は、線形回帰式に限られず、ロジスティック回帰などの非線形回帰式であってもよい。 The correction equation is not limited to a linear regression equation may be non-linear regression equation such as logistic regression.

補正式記憶部15(以下、「記憶部15」という)は、生成部14が生成した補正式を記憶する。 Correcting equation storing section 15 (hereinafter, referred to as "storage 15") showed the product unit 14 stores the generated correction equation. 対象気象情報が複数ある場合、記憶部15は、対象気象情報ごとに補正式を記憶する。 If the target weather information are multiple storage unit 15 stores the correction formula for each target weather information.

予測値補正部16(以下、「補正部16」という)は、生成部14により生成された補正式と、予測値DB11から取得した予測値とに基づいて、対象気象情報の予測値を補正し、対象気象情報の補正値θaを算出する。 Prediction value correcting unit 16 (hereinafter, referred to as "correcting unit 16") includes a correction formula that is generated by the generator 14, based on the predicted value obtained from the predicted value DB 11, and corrects the predicted value of the target weather , and calculates the correction value θa of the target weather information. 補正値θaは、補正式の各変数φ に、測定値DB11から取得した気象情報φ の予測値φ pを代入することにより算出される。 Correction value θa is each variable phi i of the correction equation is calculated by substituting the predictive value phi i p weather information phi i obtained from the measured value DB 11. 例えば、対象気象情報θの時刻tにおける補正値θa を算出する場合、補正式の各変数φ に、時刻tにおける気象情報φ の予測値φ を代入する。 For example, when calculating the correction value .theta.a t at time t of interest weather theta, each variable phi i correction formula, substituting the predicted value phi i p t weather information phi i at time t.

補正部16により補正された対象気象情報の予測値は、補正装置10のユーザの利用する端末に出力される。 Prediction value of the target weather information corrected by the correction unit 16 is output to the Use terminal of the user of the correction device 10. 或いは、外部機器に送信され、送信された機器における制御に利用される。 Alternatively, sent to the external device, it is used to control the transmission equipment.

以上説明した補正装置10は、コンピュータ装置100を基本ハードウェアとして使用することで実現することができる。 Correction device 10 described above can be realized by using a computer device 100 as basic hardware. コンピュータ装置100は、図4に示すように、CPU101と、入力部102と、表示部103と、通信部104と、主記憶部105と、外部記憶部106とを備え、これらはバス107により相互に接続されている。 Computer device 100 includes, as shown in FIG. 4, each other and CPU 101, an input unit 102, a display unit 103, a communication unit 104, a main memory unit 105, and an external storage unit 106, they are by a bus 107 It is connected to the.

入力部102は、キーボード、マウス等の入力デバイスを含み、入力デバイスの操作による操作信号をCPU101に出力する。 Input unit 102 includes a keyboard, an input device such as a mouse, and outputs an operation signal by the operation of the input device to the CPU 101. 表示部103は、LCD(Liquid Crystal Display)、CRT(Cathode Ray Tube)等の表示ディスプレイを含む。 Display unit 103, LCD (Liquid Crystal Display), including display displaying such CRT (Cathode Ray Tube). 通信部104は、無線または有線の通信手段を有し、所定の通信方式で、気象数値シミュレータ20や気象情報測定装置30などの外部装置と通信を行う。 The communication unit 104 has a wireless or wired communication unit, at a predetermined communication system, communicates with external devices such as a meteorological numerical simulator 20 and weather information measuring device 30.

外部記憶部106は、例えば、ハードディスク、メモリ装置、CD−R、CD−RW、DVD−RAM、DVD−R等の記憶媒体である。 The external storage unit 106 is, for example, a hard disk, a memory device, a CD-R, CD-RW, DVD-RAM, a storage medium such as a DVD-R. 外部記憶部106は、補正装置10の処理をCPU101に実行させるためのプログラムを記憶している。 The external storage unit 106 stores a program for executing the processing of the correction device 10 to CPU 101.

主記憶部105は、CPU101による制御の下で、外部記憶部106に記憶されたプログラムを展開し、プログラムの実行時に必要なデータ、及び制御プログラムの実行により生じたデータ等を記憶する。 Main memory unit 105, under the control of the CPU 101, to expand the program stored in the external storage unit 106, and stores the resulting data and the like by executing the data, and a control program required when the program is executed. CPU101が当該プログラムを実行することにより、選択部13、生成部14、及び補正部16の機能構成は実現される。 By CPU101 executes the program, the functional configuration of the selection unit 13, generator 14, and the correction unit 16 is realized. 主記憶部105は、不揮発性メモリや揮発性メモリ等の任意のメモリ装置により構成される。 The main storage unit 105 is composed of an arbitrary memory device such as a nonvolatile memory and a volatile memory.

なお、上記のプログラムは、コンピュータ装置100に予めインストールされていてもよいし、CD−ROM等の記憶媒体に記憶され、コンピュータ装置100に適宜インストールされてもよい。 The above program may be previously installed in the computer apparatus 100, is stored in a storage medium such as a CD-ROM, it may be appropriately installed in the computer apparatus 100. また、コンピュータ装置100は、入力部102及び表示部103を備えない構成も可能である。 The computer device 100 can also be configured without the input unit 102 and the display unit 103.

次に、本実施形態に係る補正装置10の動作について、図5を参照して説明する。 Next, the operation of the correction device 10 according to the present embodiment will be described with reference to FIG. 図5は、補正装置10による予測値の補正方法を示すフローチャートである。 Figure 5 is a flowchart illustrating a method of correcting the predicted value by the correction device 10. 図5において、処理の開始時点では、補正式が生成されていないものとする。 5, the start of the process, it is assumed that the correction equation is not generated.

まず、選択部13は、対象気象情報θに応じた気象情報を、予測値DB11に記憶された気象情報の中から選択する(ステップS1)。 First, the selection unit 13, the weather information corresponding to the target weather information theta, selected from among the weather information stored in the predicted value DB 11 (step S1). 上述の通り、選択部13は、対象気象情報θの測定値θmと、予測値DB11に記憶された気象情報φの予測値φpとの相関度を算出し、算出した相関度に応じて、相関度が高い気象情報φ (i=1,..,N, N≧1)を選択する。 As described above, the selection unit 13, a measurement θm of the target weather information theta, calculates the correlation between the predicted value φp weather information φ stored in the predicted value DB 11, in accordance with the calculated degree of correlation, the correlation degree is high weather information φ i (i = 1, .. , N, N ≧ 1) selects.

次に、生成部14は、気象情報φiを変数として含む補正式のパラメータを最適化することにより、補正式を生成する(ステップS2)。 Then, generation unit 14, by optimizing the parameters of the correction expression including weather information φi as a variable, to generate the correction equation (step S2). パラメータは、対象気象情報θの測定値θmと、補正式に気象情報φ の予測値φ pを代入して得られる補正値θaと、の差が最小になるように決定される。 Parameter, the measured value θm of the target weather theta, a correction value θa obtained by substituting the predictive value phi i p weather information phi i the correction equation is determined such that the difference is minimized.

次に、補正部16は、予測時刻における、各気象情報φ の予測値φ pを、予測値DB11から取得し(ステップS3)、予測時刻における補正値θaを算出する(ステップS4)。 Next, the correction unit 16, the predicted time, a predicted value phi i p of the weather information phi i, obtained from the predicted value DB 11 (step S3), and calculates a correction value θa in the prediction time (step S4).

予測時刻が複数設定され、予測値θpを補正されていない予測時刻が存在する場合(ステップS5のNO)、処理はステップS3に戻り、補正部16は、未処理の予測時刻における補正値θaを算出する。 Predicted time is more set, if the predicted time has not been corrected predicted value θp exists (NO in step S5), and the process returns to step S3, the correction unit 16, a correction value θa in the prediction time of the untreated calculate. 一方、全ての予測時刻に対して予測値θpの補正が終了した場合(ステップS5のYES)、処理はステップS6に進む。 On the other hand, if the correction of the predicted value θp for all prediction time has ended (YES in step S5), and the process proceeds to step S6.

ステップS6において、対象気象情報が複数設定され、予測時刻θpを補正されていない対象気象情報が存在する場合(ステップS6のNO)、処理はステップS1に戻り、選択部13は、未処理の対象気象情報に応じた気象情報を選択する。 In step S6, the target weather information is more set, when the target weather information that has not been corrected predicted time θp is present (NO in step S6), and the process returns to step S1, selector 13, unprocessed target to select the weather information corresponding to the weather information. 一方、全ての対象気象情報に対して予測時刻θpの補正が終了した場合(ステップS6のYES)、補正装置10の処理は終了する。 On the other hand, if the correction of the predicted time θp for all target weather information has been completed (YES in step S6), and the process of correcting device 10 ends.

以上説明した通り、本実施形態に係る補正装置10及び補正方法によれば、予測時刻における対象気象情報の予測値を、対象気象情報と相関度の高い複数の気象情報からなる補正式によって、統計的に補正することができる。 Above-described above, according to the correcting device 10 and the correction method according to the present embodiment, the predicted value of the target weather information in the prediction time, the correction formula composed of a plurality of weather information with high correlation interest weather information, statistics it can be corrected. したがって、対象気象情報の予測値と測定値との関係から予測値を統計的に補正する従来の補正装置に比べて、精度よく予測値を補正する、すなわち、対象気象情報を精度よく予測することができる。 Therefore, as compared with the conventional correction apparatus for statistically correct the predicted value from the relationship between the predicted value and the measured value of the target weather information, corrects accurately predicted value, i.e., to predict a target weather information accurately can.

なお、上記の説明では、処理の開始時点で補正式が生成されていない場合について説明したが、補正式がすでに生成されている場合には、ステップS1,S2を省略すればよい。 In the above description, a case has been described in which the correction equation at the start of the process has not been generated, when the correction formula is already generated, may be omitted the step S1, S2. この場合、補正部16は、記憶部15から生成済みの補正式を取得して、対象気象情報の補正値を算出する。 In this case, the correction unit 16 obtains the generated correcting equation from the storage unit 15, calculates a correction value of the target weather information.

また、本実施形態において、補正装置10と、気象数値シミュレータ20と、気象情報測定装置30とは、それぞれ別体として構成されているが、これらの装置のうち2つ以上を一体に構成することも可能である。 Further, in the present embodiment, the correction device 10, the weather numerical simulator 20, the weather information measuring device 30, are configured as separate bodies, respectively, it is formed integrally with two or more of these devices it is also possible.

(第2実施形態) (Second Embodiment)
次に、第2実施形態に係る補正装置及び補正方法について、図6〜図9を参照して説明する。 Next, the correction unit and the correction method according to the second embodiment will be described with reference to Figs. ここで、図6は本実施形態に係る補正装置10を示すブロック図である。 Here, FIG. 6 is a block diagram showing a correction apparatus 10 according to the present embodiment. 図6に示すように補正装置10は、予測値算出部17をさらに備える。 Correction device 10 as shown in FIG. 6 further comprises a predicted value calculation unit 17. 他の構成は第1実施形態に係る補正装置10と同様である。 Other configurations are the same as the correction device 10 according to the first embodiment.

予測値算出部17(以下、「算出部17」という)は、予測値DB11に記憶された気象情報の予測値に基づいて、新たな気象情報の予測値を算出する。 Predicted value calculation unit 17 (hereinafter, referred to as "calculating section 17"), based on the predicted value of the weather information stored in the predicted value DB 11, and calculates the predicted value of the new weather information. すなわち、算出部17は、予測値DB11に記憶された気象情報から、新たな気象情報を生成することができる。 That is, the calculating unit 17, from the weather information stored in the predicted value DB 11, it is possible to generate a new weather information. 算出部17が算出した新たな気象情報の予測値は、予測値DB11に記憶される。 Predicted values ​​of the new weather information calculating unit 17 has calculated is stored in the predicted value DB 11. 選択部13は、気象数値シミュレータ20により予測値を算出された気象情報と、算出部17により予測値を算出された新たな気象情報と、の中から補正式の変数となる気象情報を選択する。 Selector 13 selects the weather information by weather numerical simulator 20 is calculated predicted value, and the new weather information calculated predicted value the calculating unit 17, the weather information to be corrected equation variables from the . 図6に示すように、算出部17は、時間構造抽出部171と、空間構造抽出部172と、物理構造抽出部173とを備える。 As shown in FIG. 6, the calculating unit 17 includes a time structure extraction unit 171, a spatial structure extraction unit 172, and a physical structure extraction unit 173.

時間構造抽出部171は、予測値DB11に記憶された気象情報の予測値から、時間関係に基づく新たな気象情報の予測値を算出する。 Time structure extraction unit 171, the predicted value of the weather information stored in the predicted value DB 11, and calculates the predicted value of the new weather information based on time relationship. 時間関係に基づく新たな気象情報とは、同一地点の異なる日時における気象情報から算出される気象情報である。 The new weather information based on the time relationship, a weather information calculated from the weather information at different time of the same point. このような気象情報として、同一地点の異なる日時における気象情報の差分を算出することが考えられる。 Such weather information, it is conceivable to calculate the difference between the weather information at different time of the same point. ある気象情報V(t)の差分は、以下の式により算出することができる。 There difference weather information V (t) can be calculated by the following equation.

上記の式において、δtは任意である。 In the above formula, .DELTA.t is optional. 一般に、時間的に大きく変動する気象情報が存在する場合、気象状態が大きく変わっていることを意味しており、当該気象情報の変動が予測値の誤差の原因となっている可能性が高い。 In general, if there is weather information that fluctuates temporally larger, it means that the weather conditions are greatly changed, it is likely that variations in the weather information is causing the error of the predicted value. そのため、同一地点の異なる日時における気象情報の差分を補正式の変数として用いることで、補正の精度を向上させることができる。 Therefore, by using the difference between the weather information at different time of the same point as a variable correction formula, it is possible to improve the accuracy of the correction.

同一地点の異なる日時における気象情報の差分は、上記のような1階差分ではなく、2階差分などの高次元の差分であってもよいし、差分の絶対値に意味がない場合には、δtによる割り算を省略してもよい。 Difference of weather information at different time of the same point, rather than the first-order difference as described above, may be a high-dimensional difference, such as second-order difference, when there is no meaning in the absolute value of the difference, it may be omitted division by δt.

また、時間関係に基づく新たな気象情報として、同一地点の異なる日時における気象情報の平均を算出することも考えられる。 Further, as new weather information based on the time relationship, it is conceivable to calculate the average of the weather information at different time of the same point. ある気象情報Vの平均は、以下の式により算出することができる。 The average of a weather information V can be calculated by the following equation.

上記の式において、δtは任意である。 In the above formula, .DELTA.t is optional. 一般に、数値シミュレーションによる個々の予測値に誤差が生じている場合であっても、平均的には予測精度が高い場合が多い。 In general, even when an error in each prediction value by numerical simulation occurs, if the average is higher prediction accuracy is high. そのため、同一地点の異なる日時における気象情報の平均を補正式の変数として用いることで、補正式の補正精度を向上させることができる。 Therefore, by using the average of the weather information at different time of the same point as a variable correction formula, it is possible to improve the correction accuracy of the correction equation.

空間構造抽出部172は、予測値DB11に記憶された気象情報の予測値から、位置関係に基づく新たな気象情報の予測値を算出する。 Space structure extraction unit 172, the predicted value of the weather information stored in the predicted value DB 11, and calculates the predicted value of the new weather information based on the positional relationships. 位置関係に基づく気象情報とは、異なる地点の同一日時における気象情報から算出される気象情報である。 Position and weather information based on the relationship, a weather information calculated from the weather information at the same time the different points. このような気象情報として、異なる地点の同一日時における気象情報の差分、平均、及び合計などを算出することが考えられる。 Such weather information, the difference between the weather information at the same time the different points, the average, and it is conceivable to calculate the sum, and the like.

例えば、平面上の地点Aの上空の高度iにおける雲量C が予測値DB11に記憶されている場合、地点Aの上空の全ての高度の雲量Ciを合計した総雲量C totalを算出することが考えられる。 For example, if the cloud cover C i in altitude i of over the point A on the plane is stored in the predicted value DB 11, it is possible to calculate the total cloudiness C total which is the sum of all the high cloudiness Ci of high over the point A Conceivable. 総雲量C totalは、以下の式により算出される。 Total cloud cover C total is calculated by the following equation.

対象気象情報が日射強度の場合、各高度iでの雲量C より、総雲量C totalの方が、日射強度の予測値の補正に有効である可能性が高い。 If the target weather information of irradiance, than cloudiness C i at each altitude i, the direction of total cloudiness C total, is likely to be effective for the correction of the predicted value of the intensity of solar radiation. このように、位置関係に基づく新たな気象情報を補正式の変数として用いることで、補正式の補正精度を向上させることができる。 In this manner, by using the new weather information based on the positional relationship as a variable correction formula, it is possible to improve the correction accuracy of the correction equation.

なお、時間関係及び位置関係に基づく気象情報は、上述のような差分、平均、及び合計に限られず、予測値DB11に記憶された気象情報の分散、標準偏差、期待値、相加平均、及び相乗平均や、フーリエ変換やウェーブレット変換して得られる値(周波数など)であってもよい。 Incidentally, the weather information based on the time relationship and the positional relationship, the difference as described above, the average, and not limited to the total dispersion of the weather information stored in the predicted value DB 11, the standard deviation, the expected value, arithmetic mean, and geometric mean or may be a value obtained by Fourier transform or wavelet transform (such as frequency).

物理構造抽出部173は、予測値DB11に記憶された気象情報の予測値から、物理学に基づく新たな気象情報の予測値を算出する。 Physical structure extraction unit 173, the predicted value of the weather information stored in the predicted value DB 11, and calculates the predicted value of the new weather information based on physics. 物理学に基づく気象情報とは、気象状態を示すために有意な、物理学(気象学)的に算出される気象情報である。 The weather information based on the physics, significant to show the weather condition, a physics weather information (meteorological) to calculate. このような気象情報として、気象状態を示す変数(気象情報)が本来有する意味を利用することが考えられる。 Such weather information, variable indicating the weather conditions (weather information) is considered able to utilize the meanings inherent.

例えば、気象現象は空気の流れの中で生じるため、空気の流れに沿ってある量がどれだけ変化しているかが根本的に意味を持つ。 For example, weather phenomenon to produce in the air flow, or the amount that is along the flow of air is changing much has fundamentally means. そこで、ある気象情報の、質量微分を算出することが考えられる。 Therefore, a certain weather information, it is conceivable to calculate the mass differentiation. 質量微分は以下の式により算出することができる。 Mass differentiation can be calculated by the following equation.

また、物理学に基づく気象情報として、気象学的に知られている指数を用いることも考えられる。 Further, as the weather information based on the physics, it is considered to use the index known to meteorological. 例えば、気象学では、大気の安定度を評価するShowalter指数と呼ばれる指数が知られている。 For example, in meteorology, index called Showalter index for evaluating the stability of the atmosphere is known. Showalter指数は、以下の式で表される。 Showalter index is expressed by the following equation.

上記の式において、T 500は、500hPaにおける気温であり、T 500は、850hPaの空気塊を断熱的に凝結高度まで持ち上げ、そこから湿潤断熱的に500hPaまで持ち上げたときの当該空気塊の気温である。 In the above formula, T 500 is the temperature at 500hPa, T * 500 lifts the air masses of 850hPa to adiabatically condensation level, temperature of the air mass when lifted from there to the wet adiabatically 500hPa it is.

Showalter指数は、数値シミュレーションでは計算されない場合が多いが、予測値DB11に記憶された気象情報から算出することができる。 Showalter index is often not calculated by numerical simulation can be calculated from the weather information stored in the predicted value DB 11. 大気が不安定な場合、数値シミュレーションの予測値の誤差が大きくなる可能性が高い。 If the air is unstable, it is likely that the error of the predicted value of the numerical simulation is increased. Showalter指数を補正式の変数として用いることで、補正式の補正精度を向上させることができる。 By using Showalter index as a variable correction formula, it is possible to improve the correction accuracy of the correction equation.

なお、気象学的に知られている指数は、K指数やLifted指数などであってもよいし、アンサンブル予測により算出される予測値の不確定性であってもよい。 Incidentally, the index known to meteorological may be the like K index and Lifted index may be uncertainty prediction value calculated by the ensemble prediction.

ここで、図8は、予測値DB11に記憶された予測値の一例を示す図である。 Here, FIG. 8 is a diagram showing an example of the stored predicted value in the predicted value DB 11. 図8において、vは南北方向の風速(m/sec)の差分、p(バー)は平均気圧(Pa)、T 500 −T 500はShowalter指数(℃)を表す。 In FIG. 8, v represents the difference in the north-south direction of the wind speed (m / sec), p (bar) is the average pressure (Pa), T 500 -T * 500 is Showalter Index (° C.). 図8では、予測間隔が10分となっているが、予測間隔はこれに限られない。 In FIG. 8, the prediction interval is 10 minutes, the prediction interval is not limited to this. 気象数値シミュレータ20が、3次元空間上の異なる地点ごとに気象情報の予測値を算出する場合には、予測値DB11には、図8のような履歴データが、異なる地点ごとに記憶されていてもよい。 Weather numerical simulator 20, when calculating the predicted value of the weather information for different point on the 3-dimensional space, the predicted value DB11 is historical data as shown in FIG. 8, it has been stored for different locations it may be.

なお、新たな予測値の算出方法は、上記の方法に限られず、時間関係、位置関係、及び物理学に基づく気象情報を任意に組み合わせて、新たな気象情報を生成することも可能である。 The method of calculating the new predicted value is not limited to the above method, the time relation, the positional relationship, and any combination of weather information based on the physics, it is also possible to generate a new weather information. ここで、図7は、予測値算出部17による新たな予測値の算出方法の例を示す図である。 Here, FIG. 7 is a diagram showing an example of a method of calculating a new prediction value by the prediction value calculating unit 17. 図7(A)〜(C)は、時間構造抽出部171、空間構造抽出部172、及び物理構造抽出部173のいずれかだけを用いて新たな予測値を算出する方法を示している。 Figure 7 (A) ~ (C) shows a method of calculating a new predicted value using only one of the time structure extraction unit 171, the spatial structure extraction unit 172 and the physical structure extraction unit 173.

図7(D)は、時間構造抽出部171により時間関係に基づく新たな予測値を算出し、当該新たな予測値に基づいて、物理構造抽出部173により物理学に基づく新たな予測値を算出する方法を示している。 FIG. 7 (D) calculates a new predictive value based on the time relationship by the time structure extracting section 171, the based on the new estimated value, calculating a new prediction value based on the physics by the physical structure extraction unit 173 It shows how to.

図7(E)は、時間構造抽出部171及び物理構造抽出部173を用いて、新たな予測値をそれぞれ算出する方法を示している。 FIG. 7 (E) using the temporal structure extraction unit 171 and the physical structure extraction unit 173, illustrates a method for calculating a new estimated value, respectively. 図7(F)は、時間構造抽出部171及び物理構造抽出部173を用いて、新たな予測値をそれぞれ算出し、これらの予測値に基づいて、物理構造抽出部173により物理学に基づく新たな予測値を算出する方法を示している。 Figure 7 (F), using the time structure extraction unit 171 and the physical structure extraction unit 173 calculates a new predictive value respectively, based on these predicted values, new physics-based by the physical structure extraction unit 173 It shows a method of calculating the Do predicted value.

算出部17による新たな予測値の算出方法は、図7に示した例に限られず、図7の例の順番や組合せを変化させてもよい。 The method of calculating the new predicted value by the calculating unit 17 is not limited to the example shown in FIG. 7, it may be changed order and combination of the example of FIG. また、これらの算出方法を任意に組み合わせて新たな予測値を算出することも可能である。 It is also possible to calculate a new predictive value by combining these calculation methods arbitrarily.

次に、本実施形態に係る補正装置10による補正方法について、図9を参照して説明する。 Next, the correction method of correcting device 10 according to the present embodiment will be described with reference to FIG. 図9は、補正装置10による処理を示すフローチャートである。 Figure 9 is a flowchart showing a processing by the correction unit 10.

まず、算出部17は、予測値DB11から気象情報の予測値を取得し、新たな気象情報の予測値を算出する(ステップS7)。 First, the calculation unit 17 obtains the predicted value of the weather information from the predicted value DB 11, and calculates the predicted value of the new weather information (step S7). 算出部17により生成された新たな気象情報は、予測値DB11に記憶される。 New weather information generated by the calculation unit 17 is stored in the predicted value DB 11. 新たな気象情報の生成方法は上述の通りである。 Method of generating a new weather information are described above.

その後、選択部13は、予測値DB11に記憶された気象情報の中から補正式に用いる気象情報を選択する(ステップS1)。 Thereafter, the selector 13 selects the weather information using the correction formula from the weather information stored in the predicted value DB 11 (step S1). 以降の処理は、第1実施形態に係る補正方法と同様である。 The subsequent processing is the same as the correction method according to the first embodiment.

以上説明した通り、本実施形態に係る補正装置及び補正方法によれば、予測値DB11に記憶された気象情報から、新たな気象情報を生成し、当該新たな気象情報を補正式の変数として用いることができる。 As described above, according to the correction device and correction method according to the present embodiment, from the weather information stored in the predicted value DB 11, and generates a new weather information, using the new weather information as a variable of the correction formula be able to. これにより、生成可能な補正式の範囲を拡張することができる。 This makes it possible to extend the range capable of generating correction equation.

また、新たな気象情報として、予測値の補正により適した気象情報を生成して補正式を生成することにより、予測値の補正精度を向上させることができる。 Further, as new weather information, by generating a correction equation generates weather information more suitable for the correction of the predicted value, it is possible to improve the correction accuracy of the predicted value.

例えば、数値シミュレーションにより、基本的な気象情報しか算出されていない場合であっても、それらの気象情報から、日射量、雲量、及び降水量などの、より補正に適した気象情報を生成することが可能となる。 For example, by numerical simulation, even if not only calculated basic weather information from their weather information, the amount of solar radiation, cloud cover, and such precipitation, generating weather information more suitable for correction it is possible.

(第3実施形態) (Third Embodiment)
次に、第3実施形態に係る補正装置及び補正方法について、図10及び図11を参照して説明する。 Next, the correction unit and the correction method according to the third embodiment will be described with reference to FIGS. 10 and 11. ここで、図10は本実施形態に係る補正装置の機能構成を示すブロック図である。 Here, FIG. 10 is a block diagram showing the functional configuration of the correction device according to the present embodiment. 図10に示すように補正装置10は、更新判定部18を備える。 Correction device 10 as shown in FIG. 10 includes an update determining unit 18. 他の構成は第1実施形態に係る補正装置10と同様である。 Other configurations are the same as the correction device 10 according to the first embodiment.

更新判定部18(以下、「判定部18」という)は、記憶部15に記憶された補正式を更新するか否か判定する。 Update determination unit 18 (hereinafter, referred to as "determination unit 18") judges whether to update the stored correction equation in the storage unit 15. 判定部18は、例えば、補正式による補正精度に基づいて、更新するか否か判定する。 Determination unit 18, for example, based on the correction accuracy of the correction equation, determines whether to update.

具体的には、判定部18は、対象気象情報θの補正値θaと測定値θmとを比較し、比較結果に応じた補正精度を算出する。 More specifically, the determination unit 18 compares the measured value θm and the correction value θa of the target weather theta, calculates the correction accuracy in accordance with the comparison result. 判定部18は、補正精度として、θmとθaとの誤差の平均εや、二乗誤差の平均ε を用いることができる。 Determination unit 18 as the correction accuracy, the average epsilon or error between θm and .theta.a, it is possible to use an average epsilon 2 of square error. ε,ε は、以下の式で計算することができる。 epsilon, epsilon 2 can be calculated by the following equation.

判定部18は、算出された補正精度と、閾値とを比較して、補正精度が閾値を下回った場合に、補正式を更新すると判定する。 Determining unit 18 determines the correction precision is calculated, and is compared with the threshold value, when the correction accuracy is below the threshold value, and updates the correction equation. 閾値は、予め設定された所定値であってもよいし、外部から入力可能な可変の値であってもよい。 Threshold may be a preset predetermined value, or may be fillable variable value from the outside.

補正式の補正精度が、期間が経過するほど劣化しやすくなると考えられる場合には、上記のような誤算の単純平均のかわりに、加重平均や平滑平均などを用いてもよい。 Correction accuracy of the correction equation, where considered likely to deteriorate as time elapses, instead of simple average miscalculation as described above, or the like may be used a weighted average or smoothed average.

また、判定部18は、例えば、季節の変化に基づいて、更新するか否か判定してもよい。 The determination unit 18 is, for example, based on seasonal changes, it may be determined whether to update. これは、ある季節に生成された補正式の補正精度は、当該季節の間は維持されるが、次の季節に移り変わると劣化する、ということが考えられるためである。 This correction accuracy of the correction expression generated in a certain season, but during the season is maintained, degraded and transitory the next season, because the It is contemplated that.

具体的には、一年を、春(3月〜5月)、梅雨(6月〜7月中旬)、夏(7月下旬〜8月)、秋(9月〜11月)、冬(12月〜2月)というように分割し、季節ごとの期間を設定する。 More specifically, one year, spring (March to May), rainy season (June to mid-July), summer (late July to August), autumn (September to November), winter (12 split and so on month to February), to set the duration of each season. 判定部18は、設定された期間が経過するごとに、補正式を更新するよう判定する。 Determination unit 18, each time elapses period set, determines to update the correction equation.

なお、上記の期間は一例であり、例えば、一年を365日に分割してもよいし、1週間ごとに分割してもよい。 The above period is one example, for example, may be divided into one year 365 days, it may be divided on a weekly basis.

次に、本実施形態に係る補正装置10による補正方法について、図11を参照して説明する。 Next, the correction method of correcting device 10 according to the present embodiment will be described with reference to FIG. 11. 図11は、補正装置10による処理を示すフローチャートである。 Figure 11 is a flowchart showing a processing by the correction unit 10.

まず、判定部18は、記憶部15から対象気象情報に応じた補正式を取得し、当該補正式を更新するか否か判定する(ステップS8)。 First, the determination unit 18 obtains the corresponding correction equation to target the weather information from the storage unit 15, determines whether or not to update the correction equation (step S8). 判定方法は上述の通りである。 Determination method is as described above.

判定部18が補正式を更新すると判定した場合(ステップS8のYES)、処理はステップS1に進む。 If the determination unit 18 determines to update the correction equation (YES in step S8), and the process proceeds to step S1. 以降の処理は、第1実施形態と同様である。 The subsequent processes are the same as the first embodiment. 一方、判定部18が補正式を更新しないと判定した場合(ステップS8のNO)、処理はステップS3に進み、補正部16は、記憶部15から生成済みの補正式を取得して、対象気象情報の補正値を算出する。 On the other hand, if the determination unit 18 determines not to update the correction equation (NO in step S8), and the process proceeds to step S3, the correction unit 16 obtains the generated correcting equation from the storage unit 15, the target meteorological and calculates the correction value of the information.

以上説明した通り、本実施形態に係る補正装置及び補正方法によれば、補正式が生成されてから、判定部18が当該補正式を更新すると判定するまでの期間、同一の補正式が利用され、新たな補正式の生成処理が行われない。 As described above, according to the correction device and correction method according to the present embodiment, since the correction equation is generated, the period of the determination unit 18 until it is determined that updates the correction equation, the same correction expression is utilized , it is not performed generation process of a new correction equation. したがって、補正処理における計算量を低減し、補正処理の高速化することができる。 Therefore, to reduce the calculation amount in the correction process, it is possible to speed up the correction process. また、判定部18は、補正精度が維持されるように更新の判定を行うため、補正精度の維持したまま、計算量を低減することができる。 The determination unit 18, for performing the determination of the update to correction accuracy is maintained, while maintaining correction accuracy, it is possible to reduce the calculation amount.

(第4実施形態) (Fourth Embodiment)
次に、第4実施形態に係る補正装置及び補正方法について説明する。 Next, a description will be given of a correction device and a correction method according to the fourth embodiment. 本実施形態において、補正装置10の構成は第1実施形態に係る補正装置10と同様である。 In the present embodiment, the configuration of the correcting device 10 is similar to the correction device 10 according to the first embodiment.

上述の各実施形態では、補正式の変数として、数値シミュレーションにより予測値を算出された気象情報や、当該気象情報の予測値から算出された新たな気象情報が用いられてきた。 In the embodiments described above, as a variable of the correction equation, and weather information calculated predicted value by numerical simulations, a new weather information calculated from the predicted value of the weather information have been used. 本実施形態では、これらの気象情報とともに、気象情報測定装置30により測定値を取得された気象情報が、補正式の変数として用いられる。 In this embodiment, with these weather information, the weather information acquired measurements by meteorological information measuring device 30 is used as a variable correction formula.

すなわち、選択部13は、対象気象情報の予測値を補正するための気象情報として、予測値DB11に予測値を記憶された1以上の気象情報と、測定値DB12に測定値を記憶された1以上の気象情報と、を選択する。 That is, the selector 13, as weather information for correcting the prediction value of the target weather information, stored and one or more weather information stored prediction value to the prediction value DB 11, the measurement value to the measurement value DB 12 1 to select, and more weather information. 選択部13による気象情報の選択方法は第1実施形態と同様である。 Selection method for weather information by selecting section 13 is the same as in the first embodiment.

本実施形態では、例えば、明日の気温の予測値を補正するために、今日の気温や降水量の測定値を用いるような場合を想定している。 In the present embodiment, for example, in order to correct the predicted value of tomorrow's temperature, a case is assumed that using the measurement values ​​of the temperature and precipitation of today. したがって、補正式に変数として含まれる上記の測定値には、予測時刻以前の測定値が代入される。 Therefore, the above measurement value included as a variable in the correction equation, the measured value of the predicted time before is substituted.

選択部13により、測定値DB12から選択される気象情報は、対象気象情報と測定地点が異なる同種の気象情報であってもよい。 By the selection unit 13, the weather information is selected from the measured values ​​DB12 is subject weather information and the measurement point may be a meteorological information different like. すなわち、対象気象情報が日射量の場合、選択部13は、測定地点が異なる日射量を変数として選択することができる。 That is, when the target weather information of insolation selection unit 13 can measure a point is selected as a variable different solar radiation.

以上のような構成により、本実施形態に係る補正装置及び補正方法によれば、生成可能な補正式の範囲を拡張することができる。 With the configuration described above, according to the correction device and correction method according to the present embodiment, it is possible to extend the range capable of generating correction equation.

なお、本実施形態に係る補正装置10に、算出部17をさらに備える構成も可能である。 Incidentally, the correction device 10 according to the present embodiment, it is also possible to adopt a composition, further comprising a calculating unit 17. 算出部17により、測定値DB12に記憶された気象情報から、新たな気象情報を生成し、選択部13が当該新たな気象情報を補正式の変数として選択してもよい。 The calculating unit 17, from the weather information stored in the measurement value DB 12, and generates a new weather information, the selection unit 13 may select the new weather information as a variable correction formula. これにより、生成可能な補正式の範囲をさらに拡張することができる。 This can further extend the range capable of generating correction equation.

例えば、気象情報測定装置20により、気象情報が画像として観測され、測定値DB12に記憶されている場合、算出部17は、当該画像から特徴量を算出してもよい。 For example, the weather information measuring device 20, the weather information is observed as an image, if it is stored in the measurement value DB 12, calculation unit 17 may calculate the feature value from the image. 具体的には、画像の平均的な明るさ、色合いなどの特徴量を気象情報として算出することが可能である。 Specifically, the average brightness of the image, it is possible to calculate the characteristic amount such as hue as weather information.

なお、本発明は上記各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。 The present invention is not limited to the above embodiments and may be embodied with the components modified without departing from the scope of the invention. また、上記各実施形態に開示されている複数の構成要素を適宜組み合わせることによって種々の発明を形成できる。 Further, various inventions can be formed by appropriately combining a plurality of constituent elements disclosed in the above embodiments. また例えば、各実施形態に示される全構成要素からいくつかの構成要素を削除した構成も考えられる。 Further, for example, also conceivable configuration in which it removed some of the components shown in the embodiments. さらに、異なる実施形態に記載した構成要素を適宜組み合わせてもよい。 It may be appropriately combined constituent elements described in different embodiments.

10:気象予測補正装置、11:予測値DB、12:測定値DB、13:変数選択部、14:補正式生成部、15:補正式記憶部、16:予測値補正部、17:予測値算出部、171:時間構造抽出部、172:空間構造抽出部、173:物理構造抽出部、18:更新判定部、20:気象数値シミュレータ、30:気象情報測定装置、100:コンピュータ装置、101:CPU、102:入力部、103:表示部、104:通信部、105:主記憶部、106:外部記憶部、107:バス 10: weather forecasting correction device, 11: predicted value DB, 12: measurement DB, 13: variable-selecting part, 14: correction equation generation unit, 15: correction equation storage unit, 16: predicted value correction unit, 17: predicted value calculator, 171: time structure extracting unit, 172: spatial structure extracting unit, 173: physical structure extraction unit, 18: update determination unit, 20: weather numerical simulator, 30: weather information measuring apparatus, 100: computer apparatus, 101: CPU, 102: input unit, 103: display unit, 104: communication unit, 105: main memory, 106: external storage unit, 107: bus

Claims (8)

  1. 予測値を算出された複数の気象情報の中から、対象気象情報の予測値を補正するための気象情報を選択する選択部と、 From among the plurality of weather information calculated predicted value, and a selector for selecting weather information for correcting the prediction value of the target weather information,
    前記選択部により選択された前記気象情報を変数として含む補正式を生成する生成部と、 A generation unit for generating a correction formula which includes the weather information that has been selected by the selection unit as a variable,
    前記生成部により生成された前記補正式と、前記気象情報の予測値とに基づいて、前記対象気象情報の予測値を補正する補正部と、 Wherein the correction equation generated by the generation unit, based on the predicted value of the weather information, and correcting unit for correcting the estimated value of the target weather information,
    を備える気象予測補正装置。 Weather prediction correction apparatus comprising a.
  2. 前記選択部は、前記対象気象情報の測定値と各気象情報の予測値との相関度に基づいて、前記気象情報を選択する請求項1に記載の気象予測補正装置。 The selection unit, based on the correlation between the predicted value of the measured values ​​and the weather information for the target weather information, weather forecast correcting device according to claim 1 for selecting the weather information.
  3. 前記予測値を算出された複数の気象情報には、数値シミュレーションにより予測値を算出された気象情報が含まれる請求項1又は請求項2に記載の気象予測補正装置。 Wherein the plurality of weather information calculated predicted value, weather forecast correcting device according to claim 1 or claim 2 includes weather information calculated predicted value by numerical simulations.
  4. 前記数値シミュレーションにより算出された気象情報の予測値に基づいて、新たな気象情報の予測値を算出する算出部をさらに備え、 Based on the predicted value of the weather information calculated by the numerical simulation, further comprising a calculation unit for calculating a predicted value of the new weather information,
    前記予測値を算出された複数の気象情報には、前記算出部により予測値を算出された気象情報が含まれる請求項1〜請求項3のいずれか1項に記載の気象予測補正装置。 Wherein the plurality of weather information calculated predicted value, weather forecast correcting device according to any one of claims 1 to 3 which includes weather information calculated predicted value by the calculation unit.
  5. 前記算出部は、時間関係に基づく気象情報の予測値、位置関係に基づく気象情報の予測値、及び物理学に基づく気象情報の予測値の少なくとも1つを算出する請求項4に記載の気象予測補正装置。 The calculating unit, the predicted value of weather information based on the time relationship, the predicted value of weather information based on the positional relationship, and at least the weather forecast of claim 4 for calculating one of the predicted value of weather information based on the physics correction device.
  6. 前記補正部により補正された対象気象情報の予測値と前記対象気象情報の測定値との比較結果に基づいて、前記補正式を更新するか否か判定する判定部をさらに備える請求項1〜請求項5のいずれか1項に記載の気象予測補正装置。 The correction unit on the basis of a comparison result between the predicted value of the target weather information corrected with the measured value of the target weather information by, the correction equation further comprises determining whether the determination unit updates claims 1 weather forecasting correction apparatus according to any one of claim 5.
  7. 前記選択部は、測定値を取得された複数の気象情報の中から、前記対象気象情報の予測値を補正するための気象情報を選択する請求項1〜請求項6のいずれか1項に記載の気象予測補正装置。 The selection unit, wherein from among a plurality of meteorological information acquired measurements, to any one of claims 1 to 6 for selecting weather information for correcting the prediction value of the target weather weather forecasting correction device.
  8. 予測値を算出された複数の気象情報の中から、対象気象情報の予測値を補正するための気象情報を選択し、 From among the plurality of weather information calculated predicted value, to select the weather information for correcting the prediction value of the target weather information,
    選択された前記気象情報を変数として含む補正式を生成し、 Generating a correction expression including said selected weather information as a variable,
    生成された前記補正式と、前記気象情報の予測値とに基づいて、前記対象気象情報の予測値を補正する、 And generated the correction equation, based on the predicted value of the weather information, it corrects the predicted value of the target weather information,
    気象予測補正方法。 Weather prediction correction method.
JP2014093014A 2014-04-28 2014-04-28 Weather forecasting correction device, weather forecast correction method and program Active JP6325331B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2014093014A JP6325331B2 (en) 2014-04-28 2014-04-28 Weather forecasting correction device, weather forecast correction method and program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2014093014A JP6325331B2 (en) 2014-04-28 2014-04-28 Weather forecasting correction device, weather forecast correction method and program

Publications (2)

Publication Number Publication Date
JP2015210222A true true JP2015210222A (en) 2015-11-24
JP6325331B2 JP6325331B2 (en) 2018-05-16

Family

ID=54612497

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2014093014A Active JP6325331B2 (en) 2014-04-28 2014-04-28 Weather forecasting correction device, weather forecast correction method and program

Country Status (1)

Country Link
JP (1) JP6325331B2 (en)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS50127682A (en) * 1974-03-27 1975-10-07
JPH05253797A (en) * 1992-03-11 1993-10-05 Hitachi Ltd Judging system for abnormality on line
JPH06301669A (en) * 1993-04-16 1994-10-28 N T T Data Tsushin Kk Snow fall quantity estimating device
JPH09167152A (en) * 1995-12-19 1997-06-24 Hitachi Comput Eng Corp Ltd Interactive model preparing method
JPH1164538A (en) * 1997-08-21 1999-03-05 Oki Electric Ind Co Ltd Freezing road surface predictive method
JP2001349960A (en) * 2000-06-12 2001-12-21 Mitsubishi Cable Ind Ltd Correcting method in weather prediction system
JP2004019583A (en) * 2002-06-18 2004-01-22 Crc Solutions Corp Method, device and system for estimating power generation output in wind power generation
JP2005274171A (en) * 2004-03-23 2005-10-06 Osaka Gas Co Ltd Air temperature prediction system and method at power consumption spot
US20080167822A1 (en) * 2004-08-03 2008-07-10 Abhl Climatic Forecast System
JP2009047515A (en) * 2007-08-17 2009-03-05 Central Nippon Expressway Co Ltd Paved road surface temperature prediction system
JP2011053168A (en) * 2009-09-04 2011-03-17 Japan Weather Association Method, device, and program for prereading amount of solar radiation
JP2011150496A (en) * 2010-01-21 2011-08-04 Hitachi Ltd Factor analysis device

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS50127682A (en) * 1974-03-27 1975-10-07
JPH05253797A (en) * 1992-03-11 1993-10-05 Hitachi Ltd Judging system for abnormality on line
JPH06301669A (en) * 1993-04-16 1994-10-28 N T T Data Tsushin Kk Snow fall quantity estimating device
JPH09167152A (en) * 1995-12-19 1997-06-24 Hitachi Comput Eng Corp Ltd Interactive model preparing method
JPH1164538A (en) * 1997-08-21 1999-03-05 Oki Electric Ind Co Ltd Freezing road surface predictive method
JP2001349960A (en) * 2000-06-12 2001-12-21 Mitsubishi Cable Ind Ltd Correcting method in weather prediction system
JP2004019583A (en) * 2002-06-18 2004-01-22 Crc Solutions Corp Method, device and system for estimating power generation output in wind power generation
JP2005274171A (en) * 2004-03-23 2005-10-06 Osaka Gas Co Ltd Air temperature prediction system and method at power consumption spot
US20080167822A1 (en) * 2004-08-03 2008-07-10 Abhl Climatic Forecast System
JP2009047515A (en) * 2007-08-17 2009-03-05 Central Nippon Expressway Co Ltd Paved road surface temperature prediction system
JP2011053168A (en) * 2009-09-04 2011-03-17 Japan Weather Association Method, device, and program for prereading amount of solar radiation
JP2011150496A (en) * 2010-01-21 2011-08-04 Hitachi Ltd Factor analysis device

Also Published As

Publication number Publication date Type
JP6325331B2 (en) 2018-05-16 grant

Similar Documents

Publication Publication Date Title
Buser et al. Bayesian multi-model projection of climate: bias assumptions and interannual variability
Chiew et al. Comparison of runoff modelled using rainfall from different downscaling methods for historical and future climates
Pinson et al. From probabilistic forecasts to statistical scenarios of short‐term wind power production
Gebhardt et al. Uncertainties in COSMO-DE precipitation forecasts introduced by model perturbations and variation of lateral boundaries
Migliavacca et al. On the uncertainty of phenological responses to climate change, and implications for a terrestrial biosphere model
Voldoire et al. Tropical deforestation and climate variability
Stathopoulos et al. Wind power prediction based on numerical and statistical models
Torres et al. Comparative study of various models in estimating hourly diffuse solar irradiance
May Variability and extremes of daily rainfall during the Indian summer monsoon in the period 1901–1989
Oettli et al. Are regional climate models relevant for crop yield prediction in West Africa?
Almeida et al. PV power forecast using a nonparametric PV model
Kershaw et al. Assessing the risk of climate change for buildings: A comparison between multi-year and probabilistic reference year simulations
Li et al. Application of Bayesian model averaging in modeling long-term wind speed distributions
Harlim et al. Four‐dimensional local ensemble transform Kalman filter: numerical experiments with a global circulation model
Hamill Verification of TIGGE multimodel and ECMWF reforecast-calibrated probabilistic precipitation forecasts over the contiguous United States
Wayte et al. An effective harvest strategy using improved catch-curves
Järvinen et al. Estimation of ECHAM5 climate model closure parameters with adaptive MCMC
Allen et al. Influence of the El Niño/Southern Oscillation on tornado and hail frequency in the United States
Guan et al. A multistage stochastic programming model for the New Zealand dairy industry
Dirmeyer et al. The Second Global Soil Wetness Project (GSWP-2): Multi-model analysis and implications for our perception of the land surface
Baran Probabilistic wind speed forecasting using Bayesian model averaging with truncated normal components
Crochet Adaptive Kalman filtering of 2-metre temperature and 10-metre wind-speed forecasts in Iceland
CN103218675A (en) Short-term load prediction method based on clustering and sliding window
Lerch et al. Comparison of non-homogeneous regression models for probabilistic wind speed forecasting
Zamo et al. A benchmark of statistical regression methods for short-term forecasting of photovoltaic electricity production. Part II: Probabilistic forecast of daily production

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20160914

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20170802

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20170815

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20171013

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20180313

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20180412

R151 Written notification of patent or utility model registration

Ref document number: 6325331

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151