JP2015210222A - Weather prediction correction device and weather prediction correction method - Google Patents

Weather prediction correction device and weather prediction 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
Japan
Prior art keywords
weather information
predicted value
correction
weather
value
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
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toshiba Corp
Original Assignee
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
Application filed by Toshiba Corp filed Critical Toshiba Corp
Priority to JP2014093014A priority Critical patent/JP6325331B2/en
Publication of JP2015210222A publication Critical patent/JP2015210222A/en
Application granted granted Critical
Publication of JP6325331B2 publication Critical patent/JP6325331B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

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 described herein relate generally to a weather prediction correction apparatus and a weather prediction 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。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。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。   Today, the basis of weather forecasting is numerical simulation. The numerical simulation is executed using a program in which the dynamic behavior of the atmosphere is numerically modeled mainly based on atmospheric physics. However, because the numerical model used in the numerical simulation is a simplification of the dynamic behavior of the actual atmosphere, and because the initial value used in the numerical simulation contains errors, predictions obtained by the numerical simulation There is an error between the value and the actual measured value.

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。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。   Conventionally, attempts have been made to correct this error using a statistical model different from the numerical model of numerical simulation. As a correction method using a statistical model, for example, a method of calculating an error using a linear regression model from a relationship between a predicted value of weather information and a measured value 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 (for example, temperature) in a certain weather condition is closely related to a plurality of other weather information (for example, solar radiation amount and humidity) in the weather condition. In a statistical model that calculates an error from a predicted value and a measured value of weather information, it is difficult to accurately correct the predicted value.

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

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。   A weather prediction correction apparatus and a weather prediction correction method capable of predicting weather information with high accuracy are provided.

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。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。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。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。   A weather prediction correction apparatus according to an embodiment includes a selection unit, a generation unit, and a correction unit. The selection unit selects weather information for correcting the predicted value of the target weather information from the plurality of weather information for which the predicted value is calculated. The generation unit generates a correction formula including the weather information selected by the selection unit as a variable. The correction unit corrects the predicted value of the target weather information based on the correction formula generated by the generation unit and the predicted value of the 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。The block diagram which shows the function structure of the weather forecast correction apparatus which concerns on 1st 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。The figure which shows an example of the historical data of the predicted value memorize | stored in 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。The figure which shows an example of the historical data of the measured value memorize | stored in 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。The figure which shows the hardware constitutions of the weather forecast correction apparatus which concerns on 1st 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。The flowchart which shows the weather forecast correction method which concerns on 1st 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。The block diagram which shows the function structure of the weather forecast correction apparatus which concerns on 2nd Embodiment. 予測値算出部による予測値算出方法の例を示す図。The figure which shows the example of the predicted value calculation method by a predicted value calculation part. 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。The figure which shows an example of the historical data of the predicted value memorize | stored in 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。The flowchart which shows the weather forecast correction method which concerns on 2nd 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。The block diagram which shows the function structure of the weather forecast correction apparatus which concerns on 3rd 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。The flowchart which shows the weather forecast correction method which concerns on 3rd 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, embodiments of a weather prediction correction device (hereinafter referred to as “correction device”) and a weather prediction correction method (hereinafter referred to as “correction method”) will be described with reference to the drawings.

（第１実施形態）
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。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。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。 (First embodiment)
First, a correction apparatus and a correction method according to the first embodiment will be described with reference to FIGS. FIG. 1 is a block diagram illustrating a functional configuration of the correction apparatus according to the present embodiment. As illustrated in FIG. 1, the correction device 10 includes a predicted value DB 11, a measured value DB 12, a variable selection unit 13, a correction formula generation unit 14, a correction formula storage unit 15, and a predicted value correction 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。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 correction device 10 corrects the predicted value of the target weather information (hereinafter referred to as “target weather information”) using a correction formula. The weather information here is a physical quantity indicating a weather condition or a characteristic quantity calculated from the physical quantity. For example, temperature, atmospheric pressure, wind speed, relative humidity, cloud cover, solar radiation intensity, rainfall, snowfall, solar radiation. Includes quantity, showalter index, etc.

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。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。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。   Hereinafter, for convenience, the predicted value before being corrected by the correction device 10 is simply referred to as a predicted value, and the predicted value after being corrected is referred to as a corrected value. Further, the predicted value of the weather information X is called Xp, the measured value is called Xm, and the correction value is called Xa. For example, the predicted value of the temperature T is Tp, the measured value is Tm, and 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。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。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。   The predicted value DB 11 is a database that stores past predicted values of a plurality of weather information. The past predicted value is a predicted value calculated for the predicted date and time before the current time. The predicted value of each weather information is stored as time-series history data.

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。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。   The predicted value DB 11 acquires predicted values of a plurality of weather information from the weather numerical simulator 20. The meteorological numerical simulator 20 is a device that simulates temporal changes in the atmospheric state using a numerical model in accordance with the laws of physics and calculates predicted values of various types of 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。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。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。   The weather numerical simulator 20 uses a fluid equation, radiation calculation, cloud physics calculation, etc. as a numerical model. Radiation calculation is used to calculate the amount of light reaching the ground surface and how the atmosphere warms in consideration of the amount of cloud and the scattering of sunlight based on the amount of cloud. Radiation calculation is an important numerical model when calculating predicted values of solar radiation intensity.

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。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。これは、雲物理計算により、雲量が算出されるためである。   Cloud physics calculations are used to calculate the amount of water present as water vapor, the amount of water that aggregates into water droplets, the amount of water present as ice, the amount of water that falls as rain, etc., based on the amount of water in the atmosphere . The cloud physics calculation is an important numerical model for calculating the predicted value of rainfall and snowfall, and is also an important numerical model for calculating the predicted value of solar radiation intensity. This is because the cloud amount is calculated by cloud physics calculation.

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。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 may use a plurality of numerical models other than the above in order to calculate the radiation from the ground surface, the evaporation amount of water vapor, and the like. The weather numerical simulator 20 can also calculate a predicted value of weather information for each different point in the three-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。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。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。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。   Here, FIG. 2 is a diagram illustrating an example of the prediction value stored in the prediction value DB 11. In FIG. 2, u is the wind speed in the east-west direction (m / sec), v is the wind speed in the north-south direction (m / sec), w is the wind speed in the vertical direction (m / sec), p is the atmospheric pressure (Pa), and T is the air temperature. (K) and h represent relative humidity (%). In FIG. 2, the prediction interval is 10 minutes, but the prediction interval is not limited to this. When the weather numerical simulator 20 calculates the predicted value of the weather information for each different point in the three-dimensional space, the historical data as shown in FIG. 2 is stored for each different point in the predicted value DB 11. Also good.

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。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。   The predicted value DB 11 may store predicted values of some weather information among a plurality of weather information for which the weather numerical simulator 20 calculates predicted values, or stores predicted values of all weather information. May be. Further, the predicted value DB 11 may store a predicted value of weather information acquired from an external device other than the weather numerical simulator 20.

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。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。   The measurement value DB 12 is a database that stores measurement values of at least one weather information including target weather information. The measured values of each weather information are stored as time series history data.

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。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。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。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 measured value DB 12 acquires a measured value of at least one weather information including the target weather information from the weather information measuring device 30. The weather information measuring device 30 is a measuring device that measures weather information. As the meteorological information measuring device 30, for example, a pyranometer, a thermometer, a hygrometer, an air flow meter, or a measuring device combining these can be used. Further, the measurement value DB 12 may acquire measurement values of weather information from a plurality of weather information measurement devices 30 installed at 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。図３において、Ｔは気温（Ｋ）、ｈは相対湿度（％）を表す。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。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。   Here, FIG. 3 is a diagram illustrating an example of the measurement values stored in the measurement value DB 12. In FIG. 3, T represents temperature (K) and h represents relative humidity (%). In FIG. 3, the measurement interval is 10 minutes, but the measurement interval is not limited to this. When the measurement value DB 12 acquires measurement values of weather information from a plurality of weather information measurement devices 30 installed at different points, the history data as shown in FIG. May be stored for each.

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。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。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。   The variable selection unit 13 (hereinafter referred to as “selection unit 13”) selects weather information for correcting the predicted value of the target weather information from the weather information stored in the predicted value DB 11. The weather information selected by the variable selection unit 13 is a variable used in the correction formula. The selection unit 13 selects weather information suitable for correcting 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。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。過学習が起きると、一般に、補正式の補正精度は低下する。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。   In general, if there are many variables used in the correction formula, a phenomenon called overlearning tends to occur. Over-learning means that, in the process of optimizing the parameters included in the correction formula, the parameters are optimized so as to have a high correction accuracy only for the data used for the optimization. When overlearning occurs, the correction accuracy of the correction formula generally decreases. By selecting only weather information suitable for correction as a variable by the selection unit 13, such overlearning can be avoided.

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。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。   In general, the weather numerical simulator 20 calculates predicted values of a large number of weather information. Therefore, when all the weather information acquired from the weather numerical simulator 20 is used as a variable of a correction formula, the calculation amount necessary for optimization is large. May increase. By selecting the weather information by the selection unit 13, such an increase in the amount of calculation can be prevented.

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。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。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。相関度の算出方法については後述する。   Here, the selection method of the weather information by the selection part 13 is demonstrated. The selection unit 13 selects weather information having a high correlation with the measurement value of the target weather information as the weather information suitable for correction. First, the selection unit 13 calculates the degree of correlation between the measured value of the target weather information acquired from the measured value DB 12 and the predicted value of each weather information acquired from the predicted value DB 11. A method for calculating the degree of correlation will be described later.

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。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。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。   When the selection unit 13 calculates the degree of correlation for all the weather information stored in the predicted value DB 11, the selection unit 13 selects one or a plurality of weather information based on the calculated degree of correlation. For example, the selection unit 13 may select a predetermined number of weather information determined in advance in descending order of correlation, or may select weather information having a correlation higher than a predetermined threshold. The selection method of the weather information by the selection part 13 is not restricted 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。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。これにより、選択部１３の計算量を削減することができる。   In general, since the target weather information is included in the correction formula for correcting the predicted value of the target weather information, the selection unit 13 selects the target weather information as one of the variables. Therefore, the selection unit 13 may select the target weather information as a variable without calculating the degree of correlation. Thereby, the calculation amount of the selection part 13 can be reduced.

次に、相関度の算出方法について説明する。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。相関度として、例えば、相関係数を用いることができる。一般に、２つの量ξ，ηの値の組（ξ１，η１），・・・（ξＮ，ηＮ）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。 Next, a method for calculating the degree of correlation will be described. The degree of correlation here is a parameter indicating the degree of correlation between two quantities. As the degree of correlation, for example, a correlation coefficient can be used. In general, given a set of values (ξ 1 , η 1 ),... (Ξ N , η N ) of two quantities ξ, η, the correlation coefficient corr (ξ, η) is given by It can be calculated by the formula.

Figure 2015210222
Figure 2015210222

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ε２（ξ，η）を用いることもできる。ε（ξ，η），ε２（ξ，η）は、以下の式で計算することができる。 Further, as the degree of correlation, an average error ε (ξ, η) between ξ and η or a square error average ε 2 (ξ, η) may be used. ε (ξ, η), ε 2 (ξ, η) can be calculated by the following equation.

Figure 2015210222
Figure 2015210222

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。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。   As for the correlation coefficient, the error average, and the square error average described above, the smaller the value, the higher the degree of correlation. The correlation degree is not limited to the correlation coefficient, the error average, and the square error average, and any parameter indicating the degree of correlation between the two quantities can be used as the correlation degree.

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。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。   The correction formula generation unit 14 (hereinafter referred to as “generation unit 14”) generates a correction formula including the weather information selected by the selection unit 13 as a variable. The correction formula is generally composed of a plurality of variables (weather information) and a plurality of parameters. For example, the correction formula is a linear regression formula as follows.

Figure 2015210222
Figure 2015210222

ここで、θａは、対象気象情報θの補正値、Ａｉ（ｉ＝１〜Ｎ）及びＢはパラメータ、φｉ（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, θa is a correction value of the target weather information θ, A i (i = 1 to N) and B are parameters, and φ i (i = 1 to N) is N pieces of weather information selected by the selection unit 13. Is the predicted value.

生成部１４は、補正式の各変数φｉに、予測値ＤＢ１１から取得した時刻ｔにおける予測値φｉｔを代入して、時刻ｔにおける補正値θａｔを算出する。そして、算出した補正値θａｔ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θｍｔとを比較して、補正値θａｔと測定値θｍｔ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Ａｉ及びＢの値を決定する。補正値θａｔと測定値θｍｔ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Ａｉの値を決定する。 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. 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 The values of the parameters A i and B are determined so that the total value I becomes small. 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.

Figure 2015210222
Figure 2015210222

このとき、各パラメータＡｉは、以下の式の解として容易に決定することができる。 At this time, each parameter A i can be easily determined as a solution of the following equation.

Figure 2015210222
Figure 2015210222

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。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。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。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。   In this manner, the generation unit 14 generates a correction formula with optimized parameters. The operation of optimizing the parameters of the correction formula so that the predicted value corrected by the correction formula matches the measured value is called learning. The generation unit 14 stores the generated correction formula in the correction formula storage unit 15. The correction formula is not limited to a linear regression formula, and may be a nonlinear regression formula 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。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。   The correction formula storage unit 15 (hereinafter referred to as “storage unit 15”) stores the correction formula generated by the generation unit 14. When there are a plurality of target weather information, the storage unit 15 stores a 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。補正値θａは、補正式の各変数φｉに、測定値ＤＢ１１から取得した気象情報φｉの予測値φｉｐを代入することにより算出される。例えば、対象気象情報θの時刻ｔにおける補正値θａｔを算出する場合、補正式の各変数φｉに、時刻ｔにおける気象情報φｉの予測値φｉｐｔを代入する。 The predicted value correcting unit 16 (hereinafter referred to as “correcting unit 16”) corrects the predicted value of the target weather information based on the correction formula generated by the generating unit 14 and the predicted value acquired from the predicted value DB 11. Then, the correction value θa of the target weather information is calculated. The correction value θa is calculated by substituting the predicted value φ i p of the weather information φ i acquired from the measurement value DB 11 into each variable φ i of the correction formula. 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。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。   The predicted value of the target weather information corrected by the correction unit 16 is output to a terminal used by the user of the correction device 10. Alternatively, it is transmitted to an external device and used for control in the transmitted device.

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。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。   The correction device 10 described above can be realized by using the computer device 100 as basic hardware. As shown in FIG. 4, the computer apparatus 100 includes a CPU 101, an input unit 102, a display unit 103, a communication unit 104, a main storage unit 105, and an external storage unit 106, which are mutually connected 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。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。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 input unit 102 includes input devices such as a keyboard and a mouse, and outputs an operation signal generated by operating the input device to the CPU 101. The display unit 103 includes a display such as an LCD (Liquid Crystal Display) and a CRT (Cathode Ray Tube). The communication unit 104 includes wireless or wired communication means, and communicates with external devices such as the weather numerical simulator 20 and the weather information measuring device 30 by a predetermined communication method.

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。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 is a storage medium such as a hard disk, a memory device, a CD-R, a CD-RW, a DVD-RAM, or a DVD-R, for example. The external storage unit 106 stores a program for causing the CPU 101 to execute the processing of the correction device 10.

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。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。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 expands the program stored in the external storage unit 106 under the control of the CPU 101, and stores data necessary for executing the program, data generated by the execution of the control program, and the like. When the CPU 101 executes the program, the functional configurations of the selection unit 13, the generation unit 14, and the correction unit 16 are realized. The main storage unit 105 is configured by an arbitrary memory device such as a nonvolatile memory or 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。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。   Note that the above-described program may be installed in advance in the computer apparatus 100, or may be stored in a storage medium such as a CD-ROM and installed in the computer apparatus 100 as appropriate. Further, the computer apparatus 100 may be configured not to include 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。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。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。   Next, the operation of the correction apparatus 10 according to the present embodiment will be described with reference to FIG. FIG. 5 is a flowchart illustrating a prediction value correction method performed by the correction apparatus 10. In FIG. 5, it is assumed that no correction formula is generated at the start of processing.

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）。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φｉ（ｉ=1,..,N, N≧1）を選択する。 First, the selection unit 13 selects weather information corresponding to the target weather information θ from the weather information stored in the predicted value DB 11 (step S1). As described above, the selection unit 13 calculates the degree of correlation between the measured value θm of the target weather information θ and the predicted value φp of the weather information φ stored in the predicted value DB 11, and the correlation is performed according to the calculated degree of correlation. Select weather information φ i (i = 1,..., N, N ≧ 1) having a high degree.

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）。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φｉの予測値φｉｐ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。 Next, the production | generation part 14 produces | generates a correction formula by optimizing the parameter of the correction formula containing weather information (phi) i as a variable (step S2). 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φｉの予測値φｉｐ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 acquires the predicted value φ i p of each weather information φ i at the predicted time from the predicted value DB 11 (step S3), and calculates the corrected value θa at the predicted 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。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。   When a plurality of prediction times are set and there is a prediction time in which the prediction value θp is not corrected (NO in step S5), the process returns to step S3, and the correction unit 16 sets the correction value θa at the unprocessed prediction time. calculate. On the other hand, when the correction of the predicted value θp is completed for all predicted times (YES in step S5), 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。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。   In step S6, when a plurality of target weather information is set and there is target weather information for which the predicted time θp is not corrected (NO in step S6), the process returns to step S1, and the selection unit 13 selects the unprocessed target Select weather information according to weather information. On the other hand, when the correction of the predicted time θp is completed for all target weather information (YES in step S6), the process of the correction device 10 is ended.

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。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。   As described above, according to the correction device 10 and the correction method according to the present embodiment, the predicted value of the target weather information at the predicted time is statistically calculated using a correction formula including a plurality of weather information having a high degree of correlation with the target weather information. Can be corrected automatically. Therefore, compared with the conventional correction device that statistically corrects the predicted value based on the relationship between the predicted value of the target weather information and the measured value, the predicted value is corrected more accurately, that is, the target weather information is predicted with higher accuracy. Can do.

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。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 the above description, the case where the correction formula is not generated at the start of the process has been described. However, if the correction formula has already been generated, steps S1 and S2 may be omitted. In this case, the correction unit 16 acquires the generated correction formula from the storage unit 15 and calculates the 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。   Moreover, in this embodiment, although the correction | amendment apparatus 10, the weather numerical simulator 20, and the weather information measuring device 30 are each comprised as a different body, you may comprise two or more of these apparatuses integrally. Is also possible.

（第２実施形態）
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。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。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。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。 (Second Embodiment)
Next, a correction device and a correction method according to the second embodiment will be described with reference to FIGS. Here, FIG. 6 is a block diagram showing the correction apparatus 10 according to the present embodiment. As illustrated in FIG. 6, the correction device 10 further includes a predicted value calculation unit 17. Other configurations are the same as those of the correction apparatus 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。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。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。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。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。   The predicted value calculation unit 17 (hereinafter referred to as “calculation unit 17”) calculates a predicted value of new weather information based on the predicted value of weather information stored in the predicted value DB 11. That is, the calculation unit 17 can generate new weather information from the weather information stored in the predicted value DB 11. The predicted value of the new weather information calculated by the calculating unit 17 is stored in the predicted value DB 11. The selection unit 13 selects the weather information that is a variable of the correction formula from among the weather information for which the predicted value is calculated by the weather numerical simulator 20 and the new weather information for which the predicted value is calculated by the calculation unit 17. . As shown in FIG. 6, the calculation unit 17 includes a time structure extraction unit 171, a space 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。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。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。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。   The time structure extraction unit 171 calculates a predicted value of new weather information based on the temporal relationship from the predicted value of weather information stored in the predicted value DB 11. The new weather information based on the time relationship is weather information calculated from weather information at different dates and times at the same point. As such weather information, it is conceivable to calculate the difference of weather information at different dates and times at the same point. The difference between certain weather information V (t) can be calculated by the following equation.

Figure 2015210222
Figure 2015210222

上記の式において、δｔは任意である。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。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。   In the above formula, δt is arbitrary. In general, when there is meteorological information that fluctuates greatly in time, it means that the meteorological state has changed greatly, and there is a high possibility that the fluctuation of the meteorological information causes a predicted value error. Therefore, the accuracy of correction can be improved by using the difference in weather information at different dates and times at the same point as a variable in the correction formula.

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。   The difference in weather information at different dates and times at the same point may be a high-dimensional difference such as a second-floor difference instead of the first-floor difference as described above, and if the absolute value of the difference is meaningless, Division by δt may be omitted.

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。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。   It is also conceivable to calculate the average of weather information at different dates and times at the same point as new weather information based on the time relationship. The average of certain weather information V can be calculated by the following equation.

Figure 2015210222
Figure 2015210222

上記の式において、δｔは任意である。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。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。   In the above formula, δt is arbitrary. In general, even when there is an error in each predicted value by numerical simulation, the prediction accuracy is often high on average. Therefore, the correction accuracy of the correction formula can be improved by using the average of the weather information at different dates and times at the same point as the variable of the correction formula.

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。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。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。   The spatial structure extraction unit 172 calculates a predicted value of new weather information based on the positional relationship from the predicted value of weather information stored in the predicted value DB 11. The meteorological information based on the positional relationship is meteorological information calculated from meteorological information at different points on the same date and time. As such weather information, it is conceivable to calculate a difference, an average, a total, and the like of weather information at the same date and time at different points.

例えば、平面上の地点Ａの上空の高度ｉにおける雲量Ｃｉ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Ｃｔｏｔａｌを算出することが考えられる。総雲量Ｃｔｏｔａｌは、以下の式により算出される。 For example, when the cloud amount C i at the altitude i above the point A on the plane is stored in the predicted value DB 11, the total cloud amount C total that is the sum of all the altitude cloud amounts Ci above the point A is calculated. Conceivable. The total cloud amount C total is calculated by the following equation.

Figure 2015210222
Figure 2015210222

対象気象情報が日射強度の場合、各高度ｉでの雲量Ｃｉより、総雲量Ｃｔｏｔａｌ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。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。 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. In this way, by using new weather information based on the positional relationship as a variable of the correction formula, the correction accuracy of the correction formula can be improved.

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。   The weather information based on the time relationship and the positional relationship is not limited to the difference, average, and total as described above, and the variance, standard deviation, expected value, arithmetic average, and the average of the weather information stored in the predicted value DB 11 It may be a geometric mean, a value (frequency, etc.) obtained by Fourier transform or wavelet transform.

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。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。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。   The physical structure extraction unit 173 calculates a predicted value of new weather information based on physics from the predicted value of weather information stored in the predicted value DB 11. Meteorological information based on physics is meteorological information calculated in terms of physics (meteorology) that is significant in order to indicate weather conditions. As such weather information, it is conceivable to use the meaning inherent in variables (weather information) indicating weather conditions.

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。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。質量微分は以下の式により算出することができる。   For example, since a meteorological phenomenon occurs in an air flow, how much a certain amount changes along the air flow has a fundamental meaning. Therefore, it is conceivable to calculate a mass derivative of certain weather information. The mass derivative can be calculated by the following formula.

Figure 2015210222
Figure 2015210222

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。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。Showalter指数は、以下の式で表される。   It is also possible to use an index known meteorologically as weather information based on physics. For example, in meteorology, an index called Showalter index that evaluates the stability of the atmosphere is known. Showalter index is expressed by the following formula.

Figure 2015210222
Figure 2015210222

上記の式において、Ｔ５００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 500 hPa, and T * 500 is the temperature of the air mass when the air mass of 850 hPa is adiabatically lifted to the condensation height and then wet adiabatic is raised to 500 hPa. 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。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。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。   The Showalter index is often not calculated in the numerical simulation, but can be calculated from the weather information stored in the predicted value DB 11. When the atmosphere is unstable, there is a high possibility that the error of the predicted value of the numerical simulation becomes large. By using the Showalter index as a variable of the correction formula, the correction accuracy of the correction formula can be improved.

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。   Note that the meteorologically known index may be a K index, a Lifted index, or the like, or may be uncertainty of a predicted value calculated by 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。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）、Ｔ５００−Ｔ＊ ５００はShowalter指数（℃）を表す。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。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。 Here, FIG. 8 is a diagram illustrating an example of the predicted value stored in the predicted value DB 11. In FIG. 8, v represents the difference between the wind speeds (m / sec) in the north-south direction, p (bar) represents the average atmospheric pressure (Pa), and T 500 -T * 500 represents the Showalter index (° C.). In FIG. 8, the prediction interval is 10 minutes, but the prediction interval is not limited to this. When the weather numerical simulator 20 calculates the predicted value of the weather information for each different point in the three-dimensional space, history data as shown in FIG. 8 is stored for each different point in the predicted value DB 11. Also good.

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。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。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。   In addition, the calculation method of a new predicted value is not restricted to said method, It is also possible to generate new weather information by arbitrarily combining weather information based on time relation, positional relation, and physics. Here, FIG. 7 is a diagram illustrating an example of a new prediction value calculation method by the prediction value calculation unit 17. 7A to 7C show 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。   In FIG. 7D, a new predicted value based on the temporal relationship is calculated by the temporal structure extracting unit 171 and a new predicted value based on physics is calculated by the physical structure extracting unit 173 based on the new predicted value. Shows how to do.

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。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。   FIG. 7E shows a method of calculating new predicted values using the time structure extraction unit 171 and the physical structure extraction unit 173, respectively. In FIG. 7F, new prediction values are calculated using the time structure extraction unit 171 and the physical structure extraction unit 173, respectively, and based on these prediction values, a new structure based on physics is generated by the physical structure extraction unit 173. This shows a method for calculating a correct 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。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。   The calculation method of the new predicted value by the calculation part 17 is not restricted to the example shown in FIG. 7, You may change the order and combination of the example of FIG. It is also possible to calculate a new predicted value by arbitrarily combining these calculation methods.

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。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。   Next, a correction method by the correction apparatus 10 according to the present embodiment will be described with reference to FIG. FIG. 9 is a flowchart showing processing by the correction apparatus 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）。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。新たな気象情報の生成方法は上述の通りである。   First, the calculation unit 17 acquires a predicted value of weather information from the predicted value DB 11, and calculates a predicted value of new weather information (step S7). New weather information generated by the calculation unit 17 is stored in the predicted value DB 11. The method for generating new weather information is as 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）。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。   Then, the selection part 13 selects the weather information used for a correction formula from the weather information memorize | stored in prediction value DB11 (step S1). 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。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。   As described above, according to the correction device and the correction method according to the present embodiment, new weather information is generated from the weather information stored in the predicted value DB 11, and the new weather information is used as a variable of the correction formula. be able to. As a result, the range of correction equations that can be generated can be expanded.

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, by generating meteorological information more suitable for correcting the predicted value as new weather information and generating a correction formula, the correction accuracy of the predicted value can be improved.

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, even if only basic weather information is calculated by numerical simulation, weather information suitable for correction such as solar radiation, cloud cover, and precipitation is generated from such weather information. Is possible.

（第３実施形態）
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。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。図１０に示すように補正装置１０は、更新判定部１８を備える。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。 (Third embodiment)
Next, a correction device and a correction method according to the third embodiment will be described with reference to FIGS. Here, FIG. 10 is a block diagram showing a functional configuration of the correction apparatus according to the present embodiment. As illustrated in FIG. 10, the correction device 10 includes an update determination unit 18. Other configurations are the same as those of the correction apparatus 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。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。   The update determination unit 18 (hereinafter referred to as “determination unit 18”) determines whether or not to update the correction formula stored in the storage unit 15. For example, the determination unit 18 determines whether or not to update based on the correction accuracy based on the correction formula.

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。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ε２を用いることができる。ε，ε２は、以下の式で計算することができる。 Specifically, the determination unit 18 compares the correction value θa of the target weather information θ and the measurement value θm, and calculates the correction accuracy according to the comparison result. The determination unit 18 can use an average error ε between θm and θa and an average ε 2 of square errors as correction accuracy. ε and ε 2 can be calculated by the following equations.

Figure 2015210222
Figure 2015210222

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。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。   The determination unit 18 compares the calculated correction accuracy with a threshold value, and determines that the correction formula is updated when the correction accuracy falls below the threshold value. The threshold value may be a predetermined value set in advance or a variable value that can be input 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。   When it is considered that the correction accuracy of the correction formula is likely to deteriorate as the period elapses, a weighted average, a smoothed average, or the like may be used instead of the simple average of the miscalculation as described above.

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。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。   Moreover, the determination part 18 may determine whether it updates based on the change of a season, for example. This is because it is considered that the correction accuracy of the correction formula generated in a certain season is maintained during the season, but deteriorates when the season changes.

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。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。   Specifically, the year is divided into spring (March to May), rainy season (June to mid July), summer (late July to August), autumn (September to November), winter (12 Month to February) and set a period for each season. The determination unit 18 determines to update the correction formula every time the set period elapses.

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。   In addition, said period is an example, for example, a year may be divided | segmented into 365 days, and may be divided | segmented for every week.

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。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。   Next, a correction method by the correction apparatus 10 according to the present embodiment will be described with reference to FIG. FIG. 11 is a flowchart showing processing by the correction apparatus 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）。判定方法は上述の通りである。   First, the determination unit 18 acquires a correction formula corresponding to the target weather information from the storage unit 15, and determines whether or not to update the correction formula (step S8). The 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。以降の処理は、第１実施形態と同様である。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。   If the determination unit 18 determines to update the correction formula (YES in step S8), the process proceeds to step S1. The subsequent processing is the same as in the first embodiment. On the other hand, when the determination unit 18 determines not to update the correction formula (NO in step S8), the process proceeds to step S3, and the correction unit 16 acquires the generated correction formula from the storage unit 15 and obtains the target weather. A correction value of information is calculated.

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。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。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。   As described above, according to the correction apparatus and the correction method according to the present embodiment, the same correction formula is used for a period from when the correction formula is generated until the determination unit 18 determines to update the correction formula. No new correction formula generation process is performed. Therefore, the amount of calculation in the correction process can be reduced, and the speed of the correction process can be increased. Further, since the determination unit 18 determines the update so that the correction accuracy is maintained, the calculation amount can be reduced while maintaining the correction accuracy.

（第４実施形態）
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。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。 (Fourth embodiment)
Next, a correction device and a correction method according to the fourth embodiment will be described. In the present embodiment, the configuration of the correction apparatus 10 is the same as that of the correction apparatus 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。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 each of the above-described embodiments, weather information for which a predicted value has been calculated by numerical simulation and new weather information that has been calculated from the predicted value of the weather information have been used as variables of the correction formula. In the present embodiment, the meteorological information obtained by the meteorological information measuring device 30 together with the meteorological information is used as a variable of the 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。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。   That is, the selection unit 13 has one or more weather information stored in the predicted value DB 11 as weather information for correcting the predicted value of the target weather information, and 1 stored in the measured value DB 12. The above weather information is selected. The method for selecting weather information by the selection unit 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。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。   In the present embodiment, for example, it is assumed that today's temperature and precipitation measurement values are used in order to correct the predicted value of tomorrow's temperature. Therefore, the measurement value before the prediction time is substituted into the measurement value included as a variable in the correction formula.

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。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。   The weather information selected from the measurement value DB 12 by the selection unit 13 may be the same type of weather information in which the measurement point is different from the target weather information. That is, when the target weather information is the amount of solar radiation, the selection unit 13 can select the amount of solar radiation with different measurement points as a variable.

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 as described above, according to the correction device and the correction method according to the present embodiment, it is possible to expand the range of correction equations that can be generated.

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。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。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。   Note that the correction device 10 according to the present embodiment may further include a calculation unit 17. The calculation unit 17 may generate new weather information from the weather information stored in the measurement value DB 12, and the selection unit 13 may select the new weather information as a variable of the correction formula. As a result, the range of correction formulas that can be generated can be further expanded.

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。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。   For example, when the weather information is observed as an image by the weather information measuring device 20 and stored in the measurement value DB 12, the calculation unit 17 may calculate a feature amount from the image. Specifically, it is possible to calculate feature quantities such as average brightness and hue of the image 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。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。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。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。   Note that the present invention is not limited to the above-described embodiments as they are, and can be embodied by modifying the components without departing from the scope of the invention in the implementation stage. Moreover, various inventions can be formed by appropriately combining a plurality of constituent elements disclosed in the above embodiments. Further, for example, a configuration in which some components are deleted from all the components shown in each embodiment is also conceivable. Furthermore, you may combine suitably the component described in different embodiment.

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 prediction correction device, 11: prediction value DB, 12: measurement value DB, 13: variable selection unit, 14: correction formula generation unit, 15: correction formula storage unit, 16: prediction value correction unit, 17: prediction value Calculation unit, 171: Time structure extraction unit, 172: Spatial structure extraction unit, 173: Physical structure extraction unit, 18: Update determination unit, 20: Meteorological numerical simulator, 30: Weather information measurement device, 100: Computer device, 101: CPU: 102: input unit, 103: display unit, 104: communication unit, 105: main storage unit, 106: external storage unit, 107: bus

Claims (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する選択部と、
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、
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、
を備える気象予測補正装置。 A selection unit that selects weather information for correcting the predicted value of the target weather information from the plurality of weather information for which the predicted value is calculated;
A generation unit that generates a correction formula including the weather information selected by the selection unit as a variable;
A correction unit that corrects the predicted value of the target weather information based on the correction formula generated by the generation unit and the predicted value of the weather information;
A weather prediction correction device comprising: 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 weather prediction correction apparatus according to claim 1, wherein the selection unit selects the weather information based on a degree of correlation between a measured value of the target weather information and a predicted value of each weather information. 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。 The weather prediction correction apparatus according to claim 1, wherein the plurality of weather information for which the predicted value is calculated includes weather information for which the predicted value is calculated by numerical simulation. 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、
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。 Based on the predicted value of weather information calculated by the numerical simulation, further comprising a calculation unit that calculates a predicted value of new weather information,
The weather prediction correction apparatus according to any one of claims 1 to 3, wherein the plurality of weather information for which the predicted value is calculated includes weather information for which the predicted value is calculated by the calculation unit. 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 weather prediction according to claim 4, wherein the calculation unit calculates at least one of a predicted value of weather information based on a temporal relationship, a predicted value of weather information based on a positional relationship, and a predicted value of weather information based on physics. Correction device. 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 determination part which determines whether the said correction | amendment formula is updated is further provided based on the comparison result of the predicted value of the target weather information corrected by the correction part, and the measured value of the target weather information. Item 6. The weather prediction correction device according to any one of items 5 to 6. 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 said selection part selects the weather information for correct | amending the predicted value of the said object weather information from the some weather information from which the measured value was acquired, The any one of Claims 1-6. Weather forecast correction device. 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、
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、
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、
気象予測補正方法。 Select the weather information for correcting the predicted value of the target weather information from the multiple weather information for which the predicted value was calculated,
Generate a correction formula including the selected weather information as a variable,
Correcting the predicted value of the target weather information based on the generated correction formula and the predicted value of the weather information;
Weather forecast correction method.
JP2014093014A 2014-04-28 2014-04-28 Weather prediction correction device, weather prediction 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 prediction correction device, weather prediction 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 prediction correction device, weather prediction correction method, and program

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2018074927A Division JP6600033B2 (en) 2018-04-09 2018-04-09 Weather prediction correction device, weather prediction correction method, and program

Publications (2)

Publication Number Publication Date
JP2015210222A 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 prediction correction device, weather prediction correction method, and program

Country Status (1)

Country Link
JP (1) JP6325331B2 (en)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107194142A (en) * 2017-03-31 2017-09-22 苏州艾隆信息技术有限公司 Medicine information factor compensation method and system
JP2021001861A (en) * 2019-06-05 2021-01-07 青山シビルエンジニヤリング株式会社 Rainfall prediction system
CN112948740A (en) * 2021-03-12 2021-06-11 中国气象科学研究院 Weather information processing method and device
US11868431B2 (en) 2020-09-07 2024-01-09 Kabushiki Kaisha Toshiba Information processing apparatus, information processing method, and non-transitory computer readable medium

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 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 Tohoku Electric Power Co Inc 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 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 Tohoku Electric Power Co Inc 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

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107194142A (en) * 2017-03-31 2017-09-22 苏州艾隆信息技术有限公司 Medicine information factor compensation method and system
CN107194142B (en) * 2017-03-31 2020-08-28 苏州艾隆信息技术有限公司 Drug information element compensation method and system
JP2021001861A (en) * 2019-06-05 2021-01-07 青山シビルエンジニヤリング株式会社 Rainfall prediction system
US11868431B2 (en) 2020-09-07 2024-01-09 Kabushiki Kaisha Toshiba Information processing apparatus, information processing method, and non-transitory computer readable medium
CN112948740A (en) * 2021-03-12 2021-06-11 中国气象科学研究院 Weather information processing method and device
CN112948740B (en) * 2021-03-12 2023-08-11 中国气象科学研究院 Weather information processing method and device

Also Published As

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

Similar Documents

Publication Publication Date Title
Mehrotra et al. A multivariate quantile-matching bias correction approach with auto-and cross-dependence across multiple time scales: Implications for downscaling
Wong et al. Stochastic model output statistics for bias correcting and downscaling precipitation including extremes
US20170228743A1 (en) Crop forecasting with incremental feature selection and spectrum constrained scenario generation
KR101898629B1 (en) Method and device for post-correction of forecasted meteorological parameters by using a H-Infinity filter
US20170371073A1 (en) Prediction apparatus, prediction method, and non-transitory storage medium
JP6325331B2 (en) Weather prediction correction device, weather prediction correction method, and program
JP2018163515A5 (en)
JP2014157457A (en) Prediction device and prediction method
JP2009294969A (en) Demand forecast method and demand forecast device
JP5661594B2 (en) Prediction model construction device, method, and program, and power generation amount prediction device and method
JP2013164286A (en) Solar radiation amount prediction method, photovoltaic power generation output prediction method and system
JP7008969B2 (en) Wind power generation prediction system, wind power generation prediction program, and wind power generation prediction method
US20180248370A1 (en) Methods and systems for energy use normalization and forecasting
JP6600033B2 (en) Weather prediction correction device, weather prediction correction method, and program
Han et al. Probabilistic flood forecasting using hydrologic uncertainty processor with ensemble weather forecasts
Putri et al. Learning Bayesian network for rainfall prediction modeling in urban area using remote sensing satellite data (case study: Jakarta, Indonesia)
JP7163881B2 (en) Crop Characteristics Prediction System, Crop Characteristics Prediction Method, and Crop Characteristics Prediction Program
Chen et al. Combining stochastic weather generation and ensemble weather forecasts for short-term streamflow prediction
TW201407530A (en) Load value prediction device and load value prediction method
Liu et al. Assessing forecasting performance of daily reference evapotranspiration using public weather forecast and numerical weather prediction
KR101409316B1 (en) Multi-model probabilistic prediction System and Method thereof
KR101463493B1 (en) Supplementation method for global climate model using stochastic typhoon simulation
JP7104609B2 (en) Numerical analyzer and method
JP7332554B2 (en) Information processing device, information processing method, and computer program
Jiang et al. Characterizing predictability of precipitation means and extremes over the conterminous United States, 1949–2010

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 Request for written amendment filed

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