JP2016057152A - 気象予測誤差解析装置および気象予測誤差解析方法 - Google Patents

Abstract

【課題】 予測誤差の発生確率を提供できるようにし、これにより気象予測データの利用者の判断に資する気象予測誤差解析装置を提供すること。【解決手段】 実施形態によれば、気象予測誤差解析装置は、取得部、記憶部、誤差確率解析部、および通知部を具備する。取得部は、気象観測データと、気象観測データをもとに気象予測モデルに基づいて演算された気象予測データとを取得する。記憶部は、特定の気象現象に係る物理量について複数の気象判定要素の依存関係における条件付確率を表す条件付確率表（ＣＰＴ：Conditional Probability Table）を記憶する。誤差確率解析部は、取得された気象予測データと気象観測データとをもとに、条件付確率表に基づいて気象予測データに係わる誤差確率情報を算出する。通知部は、算出された誤差確率情報が既定の閾値以上であれば、気象予測データと誤差確率情報との双方を通知する。【選択図】 図１

Description

本発明の実施形態は、気象予測システムから出力される予測データを解析する気象予測誤差解析装置および気象予測誤差解析方法に関する。

気象予測システムは、気象レーダ等で得られる観測データや気象庁から提供されるＧＰＶ（Grid Point Value）データ等を用いて大気の流れを計算することで、気象予測データを得る。気象予測データは、人々にとって身近であると同時に、台風や集中豪雨等のように生命や財産に関わる重要な情報であるので、多数の技術開発がなされている。

特許４８１８０７９号公報

気象予測データはあくまでも予測された情報なので、時間的・空間的ずれを伴う不確実性を有する。つまり予測された情報には、多かれ少なかれ誤差が含まれる。誤差の発生確率が限度を超えて大きいと、情報の受け手であるユーザにとっては無価値な情報として取り扱われてしまう恐れがある。特に、航空管制などの危険度判定を行うユーザにとってはその傾向が強い。

その一方で、気象予測データの価値は確かに存在する。例えば、集中豪雨の発生の可能性が事前に予測されていれば、たとえその可能性が低くとも十分に価値のある情報となる。つまり、気象予測データの提供の仕方が価値を左右するのであり、データを提供する手法にこそ問題点が存在する。

目的は、予測誤差の発生確率を提供できるようにし、これにより気象予測データの利用者の判断に資する気象予測誤差解析装置および気象予測誤差解析方法を提供することにある。

実施形態によれば、気象予測誤差解析装置は、取得部、記憶部、誤差確率解析部、および通知部を具備する。取得部は、気象観測データと、気象観測データをもとに気象予測モデルに基づいて演算された気象予測データとを取得する。記憶部は、特定の気象現象に係る物理量について複数の気象判定要素の依存関係における条件付確率を表す条件付確率表（ＣＰＴ：Conditional Probability Table）を記憶する。誤差確率解析部は、取得された気象予測データと気象観測データとをもとに、条件付確率表に基づいて気象予測データに係わる誤差確率情報を算出する。通知部は、算出された誤差確率情報が既定の閾値以上であれば、気象予測データと誤差確率情報との双方を通知する。

図１は、この発明に係わる気象予測システムの一実施形態を示すブロック構成図である。 図２は、誤差確率分布解析部１６における誤差確率分布計算のためのベイジアンネットワークの一例を示す図である。 図３は、気象解析装置１００における処理手順の一例を示すフローチャートである。 図４は、風速レベルと誤差情報に対する警報レベルの関係の一例を示す図である。

図１は、実施形態に係わる気象予測システムの一例を示すブロック図である。この気象予測システムは、気象解析装置１００と、気象庁データサーバＤＳ０と、レーダサイトデータサーバＤＳ１，ＤＳ２とを備える。気象解析装置１００、気象庁データサーバＤＳ０およびレーダサイトデータサーバＤＳ１，ＤＳ２はネットワークＮＴを介して互いに通信可能に接続される。レーダサイトデータサーバＤＳ１，ＤＳ２の一例としては例えば空港観測レーダがある。

気象解析装置１００は、通信インターフェース１１と、通信処理部１２と、観測データ格納部１３と、気象モデル予測演算部１４と、予測データ格納部１５と、誤差確率分布解析部１６と、データ判定／配信部１７とを備える。

通信インターフェース１１はネットワークＮＴに接続され、ネットワークＮＴとの情報通信のインターフェース機能を担う。通信処理部１２は、気象庁データサーバＤＳ０やレーダサイトデータサーバＤＳ１，ＤＳ２から気象予測のもとになる観測データ（アメダスデータ）、予測データ（ＧＰＶデータ）をネットワークＮＴ経由で取得する。通信処理部１２で取得された気象観測データは、観測データ格納部１３に格納され、気象モデル予測演算部１４からの要求に応じて選択的に気象モデル予測演算部１４に送られる。

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

気象モデル予測演算部１４で算出された予測データ、および観測データ格納部１３に格納された観測データ（アメダスデータなど）は、誤差確率分布解析部１６に入力される。誤差確率分布解析部１６は、特定の気象現象について複数の気象判定要素の依存関係における条件付確率を表す条件付確率表（ＣＰＴ：Conditional Probability Table）を保持している。誤差確率分布解析部１６は、この条件付確率表に基づいて、入力された予測データおよび観測データをもとに誤差確率分布情報を算出する。算出された誤差確率分布はデータ判定／配信部２２に渡され、閾値判定される。誤差確率分布に示される誤差確率の値が既定の閾値以上であれば、データ判定／配信部２２は警報をユーザに通知する。次に、上記構成における作用を説明する。

図２は、誤差確率分布解析部１６における誤差確率分布計算のためのベイジアンネットワークの一例を示す図である。ベイジアンネットワークは、確率変数間の因果関係をモデル化したネットワークである。ベイジアンネットワークは、有向グラフのノードに確率変数を割り当てて、確率変数間の因果関係の有無をノード間の矢印により表現し、因果関係の強さを各ノードに割り当てられた確率変数の条件付確率で表現する。つまりベイジアンネットワークは、確率変数間の因果関係をベイジアンネットワーク上の構造情報と確率情報であるパラメータとで表現する。

また、ベイジアンネットワークは、確率変数間の静的な因果関係だけでなく、あるノードの事象、つまり確率変数の値が確定した場合における他の確率変数がとるそれぞれの値の発生確率を求める確率的推論といった動的な因果関係を表現することも可能である。ベイジアンネットワークによれば、確率変数間の因果関係が有向グラフにより表現されるので、確率変数間の因果関係を人間が直感的に把握し易いという利点がある。

本実施形態では、数値気象解析で得られる物理量として風速を採りあげる。そして、この風速の予測データに含まれる誤差確率分布を図２に示されるベイジアンネットワークにより算出する。

図２において、算出すべき誤差分布を親ノード（２）に配置し、その誤差分布を変化させるような因子を子ノード（３）〜（５）として配置する。各ノードにはそれぞれ固有の条件付確率表が対応付けられる。条件付確率表のｘ．ｘで示される箇所には条件付き確率値が予めセットされる。ベイジアンネットワークは、誤差確率分布の算出アルゴリズムの一例を示す。

親ノード（２）は、誤差、つまり数値気象解析結果（予測結果）と観測データとの差異であるので、物理量の絶対値が誤差分布に反映されることはない。例えば図２に示されるように、風速差を親ノード（２）に配置したケースでは、風速が大きい場合と風速が小さい場合とで誤差分布の現れ方が異なると考えられる。しかしながら親ノード（２）が最上位であると、この誤差分布の現れ方の差異を表現することができない。

そこで実施形態では、親ノード（２）の上位にさらに最上位ノード（１）を配置し、物理量の大きさでも誤差分布を変化させられるようにネットワークを設定する。数値気象解析の有する不確実性（例えば数値気象解析の予測データが時間的・空間的にズレたりすること）を考慮し、誤差確率分布を算出するために、例えば次の（３）〜（５）の判定を行う。

（３）風速２０ｍ／ｓを観測したか否か
最大瞬間風速には総観場の気圧傾度や大気の安定性が反映されていることが想定される。そこで、最大瞬間風速が大きいほど、気象モデルと観測との誤差が生じることを想定する。

（４）リチャードソン数が０以上か否か
リチャードソン数は大気の安定度を示すパラメータであり、大気の安定、不安定によって気象モデルと観測との誤差が生じることを想定する。

（５）顕熱フラックスが２００Ｗ／ｍ^２以下か否か
顕熱フラックスは熱エネルギーの輸送を示す指標であり、値が大きくなるほど、大気境界層内の対流が盛んになり、風が乱れやすくなる。そこで、顕熱フラックスの値が大きいほど気象モデルとの誤差が生じることを想定する。

（１）〜（５）は、判定時刻に判定可能なエビデンスノードであり、それぞれの判定結果により、図２の条件付確率表に対応した確率値に基づいて誤差確率が決定される。また、エビデンスノードが決まらない場合でも図２の各ノードの確率表および条件付確率表を用いて、ベイズの定理を用いた計算処理により誤差確率が決定される。

なお図２に示されるベイジアンネットワークは一例であり、他のネットワーク構成も考えることができる。子ノードの多値化や子ノードを多種選定することで、様々な要因についての考慮が可能となり、誤差確率の精度を高めることができる。

算出された誤差確率は、データ判定／配信部１７に渡される。データ判定／配信部１７は、誤差確率が閾値以上であれば、風速の予測データに付随する情報として、この予測データの誤差が規定値以上であることを示す警報をユーザに通知する。つまり予測された風速が大きな誤差を含むことを、警報によりユーザに通知する。

図３は、気象解析装置１００における処理手順の一例を示すフローチャートである。気象解析装置１００は、気象モデル予測演算部１４での気象予測計算により、対象地点における風速の予測データを算出する（ステップＳ１）。次に、気象解析装置１００の誤差確率分布解析部１６は、観測データと上記算出された予測データとを用いてベイジアンネットワークにより上記予測データの誤差確率を算出する（ステップＳ２）。

誤差確率が算出されると、データ判定／配信部１７はこの誤差確率情報を取得し、既定の閾値との比較により、誤差確率が閾値以上であるか否かを判定する（ステップＳ３）。誤差確率が閾値以上であれば、データ判定／配信部１７は風速の予測データの通知と併せて、この予測データに含まれる誤差が大きいことを通知するための警報を出力する（ステップＳ４）。

図４は、風速レベルと誤差情報に対する警報レベルの関係の一例を示す図である。実施形態において、警報レベルは風速の値だけでなく、予測された風速に含まれる誤差によっても変化する。例えば予測された風速が２０ｍ以下であり誤差レベルも３０％以内であれば、その予測はほぼ正確であり被害の程度も少ないとして、警報なし（警告レベル０）が選択される。

逆に、風速４０ｍを超える予測が３０％以下の誤差で予測された場合、警告レベルが最大（警告レベル５）の警報が発せられる。しかし、同じ風速４０ｍが予測されたケースでもその誤差が３０％以上である場合には警告レベルが１ランク下げられ、大警戒が発報される。

以上説明したように、予測データと、この予測データに含まれる誤差の確率分布とを同時に算出してユーザに提供することで、予測データは十分に価値のある情報となる。既存の技術では或る地点の気象予測データ（例えば雨量）はそのまま画面に表示されるだけであり、利用者（ユーザ）に提供される情報は予測データだけにとどまるものであった。しかしながら気象予測データは時間的・空間的ずれを伴う不確実性をもつデータであり、そのずれ、つまり誤差の傾向は、発生した現象や気象予測システムの持つ「クセ」に応じて異なる。よって予測データをそのままの形態で提供することは、その情報を受け取る主体（例えば航空管制に係わる現場など）によっては予測データ自体の価値の喪失に繋がりかねないものであった。

これに対し実施形態では、気象予測データの算出に加え、この気象予測データの誤差（不確実性）を示す確率情報を、ベイジアンネットワークにより算出する。そして、予測誤差の発生確率が規定値以上である場合にはその旨をユーザに通知するようにした。このようにすることで、日々の気象予測モデルの演算結果がどれほど確からしいかをユーザに通知し、例えば誤差の大きい領域の監視データを色分け表示するなどの運用が可能になる。具体的には、誤差情報をダムや下水道の運用者などに提供することで、設備の運用判断の一助となることが期待される。

これらのことから、予測誤差の発生確率を提供できるようになり、これにより気象予測データの利用者の判断に資する気象予測誤差解析装置および気象予測誤差解析方法を提供することが可能となる。

実施形態を説明したが、この実施形態は例として提示するものであり、発明の範囲を限定することは意図していない。この新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。この実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１１…通信インターフェース、１２…通信処理部、１３…観測データ格納部、１４…気象モデル予測演算部、１５…予測データ格納部、１６…誤差確率分布解析部、１７…データ判定／配信部、２２…データ判定／配信部、１００…気象解析装置、ＤＳ０…気象庁データサーバ、ＤＳ１，ＤＳ２…レーダサイトデータサーバ

Claims (4)

1. 気象観測データと、前記気象観測データをもとに気象予測モデルに基づいて演算された気象予測データとを取得する取得部と、
   特定の気象現象に係る物理量について複数の気象判定要素の依存関係における条件付確率を表す条件付確率表（ＣＰＴ：Conditional Probability Table）を記憶する記憶部と、
   前記取得された気象予測データと気象観測データとをもとに、前記条件付確率表に基づいて前記気象予測データに係わる誤差確率情報を算出する誤差確率解析部と、
   前記算出された誤差確率情報が既定の閾値以上であれば、前記気象予測データと前記誤差確率情報との双方を通知する通知部とを具備することを特徴とする気象予測誤差解析装置。
2. 前記条件付確率表は、前記複数の気象判定要素間の依存関係により構成されるベイジアンネットワークをもとに作成されることを特徴とする請求項１に記載の気象予測誤差解析装置。
3. 気象観測データと、前記気象観測データをもとに気象予測モデルに基づいて演算された気象予測データとを取得し、
   特定の気象現象に係る物理量について複数の気象判定要素の依存関係における条件付確率を表す条件付確率表（ＣＰＴ：Conditional Probability Table）を記憶し、
   前記取得された気象予測データと気象観測データとをもとに、前記条件付確率表に基づいて前記気象予測データに係わる誤差確率情報を算出し、
   前記算出された誤差確率情報が既定の閾値以上であれば、前記気象予測データと前記誤差確率情報との双方を通知することを特徴とする気象予測誤差解析方法。
4. 前記条件付確率表は、前記複数の気象判定要素間の依存関係により構成されるベイジアンネットワークをもとに作成されることを特徴とする請求項３記載の気象予測誤差解析方法。

Images