JP3909757B2 - 降水量の推定方法、システム、プログラムおよびプログラムを格納した記憶媒体 - Google Patents
降水量の推定方法、システム、プログラムおよびプログラムを格納した記憶媒体 Download PDFInfo
- Publication number
- JP3909757B2 JP3909757B2 JP2002181544A JP2002181544A JP3909757B2 JP 3909757 B2 JP3909757 B2 JP 3909757B2 JP 2002181544 A JP2002181544 A JP 2002181544A JP 2002181544 A JP2002181544 A JP 2002181544A JP 3909757 B2 JP3909757 B2 JP 3909757B2
- Authority
- JP
- Japan
- Prior art keywords
- precipitation
- estimation
- day
- probability
- daily
- 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.)
- Expired - Fee Related
Links
- 238000001556 precipitation Methods 0.000 title claims description 408
- 238000000034 method Methods 0.000 title claims description 62
- 238000004088 simulation Methods 0.000 claims description 57
- 238000004891 communication Methods 0.000 claims description 26
- 230000007704 transition Effects 0.000 description 27
- 238000010586 diagram Methods 0.000 description 17
- 238000004364 calculation method Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000007423 decrease Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
Images
Landscapes
- Complex Calculations (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
【発明の属する技術分野】
本発明は、ある地点における日々の降水量を推定する、降水量の推定方法、システム、プログラムおよびプログラムを格納した記憶媒体に関するものである。特に、ある地点における日々の降水量の分布および統計値を算出するために日々の降水量を確率モデルにより複数回推定する、降水量の推定方法、システム、プログラムおよびプログラムを格納した記憶媒体を対象とする。
【0002】
【従来の技術】
気温、降雨、積雪量などの変動によって被る売上金減少や費用増加をヘッジするための金融派生商品として、天候デリバティブ(取引)が知られている。天候デリバティブ取引は、天候により売上が大きく左右される顧客(企業、団体、法人、組合…)と、例えば損害保険会社(銀行…)の間でなされる。降水量が平年に比べて多い場合の売上減少リスクをヘッジする場合は、例えば、次のような概要の契約を顧客と損害保険会社が結び、天候デリバティブ取引を行う。
(1)観測期間;○月○日から△月△日まで
(2)観測指標;降水量(1日の降水量がXX[mm]以上の日数)
(3)観測地点;○○市
(4)行使値;4日(XX[mm]以上の降雨があった日が5日以上あった場合に5日目から補償金受け取り)
(5)補償金額;1日あたり○○万円(上限額○○○万円)
(6)オプション料;○万円
【0003】
このような降水量を観測指標とした契約内容の天候デリバティブ取引を行う場合、1日の降水量(日々の降水量)をどのように推定するかで補償金の額が異なってくる。このため、1日の降水量の推定は、顧客にとっても損害保険会社などにとっても極めて重要になる。また、降水量の推定は、このような天候デリバティブ取引を行わない場合も、企業戦略や各種行事の遂行や活動などにとって、重要な意味を持つ。また、降水量は誰もが関心を持っている事象である。
【0004】
【発明が解決しようとする課題】
しかしながら、従来の確率モデルを用いた降水量推定方法は、日々の降水有無もしくは推定期間における日々の降水量を累積した累積降水量を推定するものである。このため、従来の技術では、日々の降水量(以下、日降水量)を推定することができない。そのため、例えば日降水量が経済活動に与える影響を評価することができない。
【0005】
そこで本発明が解決しようとする課題は、日降水量の違いによる経済的な損失や利得を評価する用途などに適用できる降水量推定方法、システム、プログラムおよびプログラムを格納した記憶媒体を提供することである。
【0006】
【課題を解決するための手段】
前記課題を解決するために、本発明では、過去に観測した降水量の履歴、降水量を推定する期間、推定する地点およびシミュレーション回数を含む降水量の推定条件を取得するデータ取得ステップ、降水量の従う確率モデルを同定する降水量モデル同定ステップ、降水量モデル同定ステップにて同定した降水量の従う確率モデルを用いて推定期間における推定地点の降水量をシミュレーション回数だけシミュレートする降水量シミュレーションステップ、降水量シミュレーションステップのシミュレーション結果を降水量推定結果として出力する降水量推定結果出力ステップから降水量の推定方法を構成する。さらに、降水量モデル同定ステップを各日の降水有無が従う確率モデルを同定する降水日モデル同定ステップおよび降水日における日降水量が従う確率モデルを同定する日降水量モデル同定ステップから構成する。
【0007】
【発明の実施の形態】
以下、図面を参照して本発明の実施形態を詳細に説明する。
図1は本発明に係る降水量推定方法の実施形態を示すフローチャートである。
【0008】
図1に示すように、本実施形態の降水量推定方法は、過去に観測した降水量の履歴情報である降水量履歴0111および降水量を推定する条件である推定条件0112を取得するデータ取得ステップ0101、データ取得ステップ0101にて取得した情報を用いて降水量の確率モデルを同定する降水量モデル同定ステップ0102、降水量モデル同定ステップ0102にて同定した降水量の確率モデルを用いて降水量をシミュレートする降水量シミュレーションステップ0103、降水量シミュレーションステップ0103のシミュレーション結果を降水量推定結果0113として出力する降水量推定結果出力ステップ0104から成る。さらに、降水量モデル同定ステップ0102は、各日の降水有無を表す確率モデルである降水日モデルを同定する降水日モデル同定ステップ01021および降水日の日降水量を表す確率モデルである日降水量モデルを同定する日降水量モデル同定ステップ01022から成る。
【0009】
次に、図1中の降水量履歴0111の一例を、図2を用いて説明する。
本実施形態の降水量履歴0111は、日付021および各地点における各日の日降水量022から成る。図2において、例えば1977年01月01日における仙台の日降水量は4[mm]である。また、各地点における各日の日降水量022は日より細かい単位、例えば10分ごとの降水量であっても勿論構わない。さらに、図2に示した以外の地点における情報や各地点における各日の平均気温など他の気象情報が含まれていても勿論構わない。
【0010】
次に、図1中の推定条件0112の一例を、図3を用いて説明する。
本実施形態の推定条件0112は、降水量の推定期間031、推定地点032およびシミュレーション回数033から成る。図3は、東京における07月01日から08月31日まで各日の日降水量を10,000回シミュレートする条件を示している。ここで降水量を複数回シミュレートする理由は、期待値や標準偏差など推定値の統計値を算出するためである。
【0011】
次に、図1中のデータ取得ステップ0101を、図2から図4を用いて説明する。
図3に示す推定条件0112では推定期間031が07月01日から08月31日、推定地点032が東京のため、図1中のデータ取得ステップでは、図2に示す降水量履歴0111から取得する降水量履歴は、図4に示すように、東京における過去の07月01日から08月31日までの降水量となる。より具体的には、図2の降水量履歴0111からは、図4に示すように、東京における1976年から2001年までの26年間における毎年の07月01日から08月31日までの26年分のデータが取得される。
【0012】
次に、図1中の降水日モデル同定ステップ01021の一例を、図5および図6を用いて説明する。この降水日モデル同定ステップ01021は、各日の降水有無が従う確率モデルを同定するものである。
【0013】
本実施形態の降水日モデル同定ステップ01021では、図5に示すように各日を雨の降らない日(晴)と降る日(雨)の2状態に分け、各状態の遷移確率PおよびQを推定する。ここで、遷移確率Pは晴の翌日が雨になる確率、遷移確率Qは雨の翌日が晴になる確率である。なお、図5の晴れとは、降水量のデータ上、雨の降らない日という意味である。つまり、本実施形態では、晴の日とは、1日の降水量が1[mm]に満たない日をいい、これには、晴の日の他に、曇りの日、1日の降水量が1[mm]に満たない雨の日が含まれる。
【0014】
図6に示すように、図1の降水日モデル同定ステップ01021は、カウンタ初期化ステップ0601、晴雨判定ステップ0602、晴日数加算ステップ0603、翌日晴雨判定ステップ0604、晴から雨への遷移日数加算ステップ0605、雨日数加算ステップ0606、翌日晴雨判定ステップ0607、雨から晴への遷移日数加算ステップ0608、処理終了判定ステップ0609、処理日数加算ステップ0610、遷移確率算出ステップ0611から成る。
【0015】
カウンタ初期化ステップ0601では処理日数Lを1、晴日数J、雨日数K、晴から雨への晴雨遷移日数JJ、雨から晴への雨晴遷移日数KKをそれぞれ0に初期化する。晴雨判定ステップ0602ではデータ取得ステップ0101にて取得した降水量履歴0111(図4)を参照してL日目の天気(晴もしくは雨)を判定する。L日目が晴の場合は晴日数加算ステップ0603に進み、晴日数Jを1つカウントアップする。つまり、晴の日を数えて晴日数Jに格納する。さらに、翌日晴雨判定ステップ0604にて(L+1)日目の天気(晴もしくは雨)を判定し、(L+1)日目が雨の場合は晴から雨への遷移日数加算ステップ0605に進み、晴雨遷移日数JJを1つカウントアップする。つまり、晴の日から雨の日に遷り変わる遷移日数を数えて晴雨遷移日数JJに格納する。当日が雨で翌日も雨のような場合は日数のカウントアップの対象外である。
ちなみに、Lが1の場合(1日目)は、図4における07月01日の降水量が0[mm]であることから、晴雨判定ステップ0602では、当然1日目は晴と判定される。
【0016】
一方、晴雨判定ステップ0602でL日目を雨と判定した場合は雨日数加算ステップ0606に進み、雨日数Kを1つカウントアップする。つまり、雨の日を数えて雨日数Kに格納する。さらに、翌日晴雨判定ステップ0607にて(L+1)日目の天気(晴もしくは雨)を判定し、(L+1)日目が晴の場合は雨から晴への遷移日数加算ステップ0608に進み、雨晴遷移日数KKを1つカウントアップする。つまり、雨の日から晴の日に遷り変わる遷移日数を数えて雨晴遷移日数KKに格納する。当日が晴で翌日も晴のような場合は日数のカウントアップの対象外である。
【0017】
処理終了判定ステップ0609では、データ取得ステップ0101にて取得した降水量履歴0111(図4参照)のデータ数(日数)Nに対して(N−1)日分の処理を終了したか否かを判定する。なお、降水量履歴0111のデータ数、つまり日数Nは、図4に示すように1976年から2001年の各年における07月01日から08月31日までの日数である。具体的には、日数Nは1612日(=62日/年×26年)である。ちなみに(図4参照)、データの並びとして1976年08月31の次は翌年の1977年07月01日になるが、このように年度を跨ぐ場合(日にちが不連続の場合)は、該年度を跨ぐ部分(不連続の部分)については、本実施形態では、晴雨遷移日数JJや雨晴遷移日数KKの加算処理などは行わない。
【0018】
処理終了判定ステップ0609で処理が終了していないと判定した場合は処理日数加算ステップ0610へ進み、処理日数Lを1つカウントアップした後に晴雨判定ステップ0602へ戻り、ステップ0602から0609までの処理を繰り返す。一方、処理終了判定ステップ0609にて処理を終了したと判定した場合は遷移確率算出ステップ0611へ進み、晴から雨への遷移確率Pおよび雨から晴への遷移確率Qをそれぞれ以下の式に従って算出する。
【0019】
【数1】
【0020】
次に、図1中の日降水量モデル同定ステップ01022の一例を、図7を用いて説明する。日降水量モデル同定ステップ01022は、降水日における1日の降水量が従う確率モデルを同定するものである。
【0021】
本実施形態の日降水量モデル同定ステップ01022は、降水日抽出ステップ0701、パラメータ推定ステップ0702、日降水量カウンタ初期化ステップ0703、日降水量確率算出ステップ0704、処理終了判定ステップ0705および日降水量加算ステップ0706から成る。
【0022】
降水日抽出ステップ0701ではデータ取得ステップ0111にて取得した降水量履歴0111(図4)を参照して推定期間における推定地点の降水日数nおよびi日目の降水日における日降水量R(i)を抽出する。具体的には、図4の降水履歴0111のうち、1[mm]以上の雨が降った日の総数を降水日nに設定する。また、図4の降水履歴0111から1[mm]以上の雨が降った日を抽出して、1日目の日降水量R(1)=…[mm]、2日目の日降水量R(2)=…[mm]、・・、n日目の日降水量R(n)=9[mm]というように処理していく。ちなみに図4に示すように、n日目に該当するのは2001年08月31日であり、その日の日降水量は9[mm]である。
【0023】
パラメータ推定ステップ0702では、降水日抽出ステップ0701で抽出した降水日数nおよびi日目の降水日における日降水量R(i)を用いて、次式によりパラメータpおよびqを推定する。
【0024】
【数2】
【0025】
ここでパラメータpは降水量がそれ以上増加しない確率、qは降水日における日降水量が1[mm]だけ増加する確率に該当する。日降水量カウンタ初期化ステップ0703では日降水量mを1[mm]に初期化する。ここで日降水量がm[mm]になるとは、降水日(1[mm]以上の降水のある日)において降水量が1[mm]からさらに(m−1)[mm]増加し、それ以上降水量が増加しない事象と考えることができる。従って、日降水量がm[mm]になる確率はpqm-1=p(1−p)m-1で表すことができ、日降水量確率算出ステップ0704では降水日において日降水量がm[mm]以下になる確率RP(m)を次の(式5)のように算出する。
【0026】
【数3】
【0027】
また、日降水量の期待値Erは以下の(式6)のように算出でき、そこから前記した(式3)を導くことができる。
【0028】
【数4】
【0029】
処理終了判定ステップ0705では、確率を算出する日降水量の最大値mmaxまでの処理を終了したか否かを判定する。最大値mmaxは、過去の観測史上の最大日降水量よりも充分大きな日降水量の値、例えば1000[mm]が設定される。
【0030】
処理終了判定ステップ0705にて処理を終了していないと判定した場合は日降水量加算ステップ0706へ進み、日降水量mを1つカウントアップした後に日降水量確率算出ステップ0704へ戻り、ステップ0704およびステップ0705の処理を繰り返す。一方、処理終了判定ステップ0705にて処理を終了したと判定した場合は降水量シミュレーションステップ0103へ進む。ちなみに、最大値mmaxに1000[mm]が設定してある場合は、mの値が1000[mm]になるまで、つまりステップ0704およびステップ0705の処理を1000回(ステップ0706の処理については999回)繰り返すことになる。このように繰り返すことで、すべての確率RP(m)を算出する。なお、RP(m)は配列変数であり、算出した確率は該配列変数に格納される。
【0031】
具体的には、ステップ0704では、(式5)に基づいて、日降水量が1[mm]以下となる確率RP(1)、日降水量が2[mm]以下となる確率RP(2)、…、日降水量が100[mm]以下となる確率RP(100)、…、最後に日降水量が1000[mm](つまりmmax)以下となる確率RP(1000)が順次算出される。
【0032】
ここで、日降水量、確率(日降水量がそれ以上増加しない確率p、降水日における日降水量が1[mm]だけ増加する確率q)の関係を、図24を用いて補足説明する。図24の(a)は、日降水量の確率分布(幾何分布)を示す図であり、(b)は、日降水量がm[mm]以下となる確率RP(m)を示す図である。
【0033】
日降水量は、m=1[mm]、2[mm]、3[mm]、…、100[mm]、…、200[mm]、…のように1[mm]から無限大まである。このうち、日降水量が1[mm]である場合が最も多く、次が2[mm]、その次が3[mm]、さらにその次が4[mm]、…、というように日降水量が多くなるとその確率(出現確率、発生率)は低くなっていく。この日降水量の確率は、図24(a)に示す幾何分布に従うものと見なすことができる。なお、図中のパラメータpおよびqは、(式3)および(式4)に示すものであるが、本実施形態では、該パラメータpおよびqは、日降水量が幾何分布に従うものとみなして設定されている。ちなみに幾何分布とは、成功率pのベルヌーイ試行で、初めて成功するまでの失敗の回数Xの分布である。
【0034】
また、日降水量がm[mm]以下となる確率RP(m)は、図24(b)のグラフのように表される。
【0035】
次に、図1中の降水量シミュレーションステップ0103の一例を、図8を用いて説明する。
本実施形態の降水量シミュレーションステップ0103は、処理回数カウンタ初期化ステップ0801、1日目の晴雨判定ステップ0802、1日目の日降水量を0に設定するステップ0803、1日目の日降水量推定ステップ0804、処理日数カウンタ初期化ステップ0805、J日目の晴雨判定ステップ0806、J日目の日降水量を0に設定するステップ0807、J日目の日降水量推定ステップ0808、期間終了判定ステップ0809、処理日数加算ステップ0810、処理終了判定ステップ0811および処理回数加算ステップ0812から成る。
【0036】
これらのステップを通じてシミュレーション回次IにおけるJ日目の日降水量RS(I,J)を推定する。なお、RS(I,J)は配列変数であり、推定結果は該配列変数に格納される。
【0037】
まず、処理回数カウンタ初期化ステップ0801では処理回数(シミュレーション回次)Iを1に初期化する。1日目の晴雨判定ステップ0802ではシミュレーション回次Iにおける1日目の天気(晴もしくは雨)を判定する。判定の方法については、図9を用いて後で説明する。1日目の晴雨判定ステップ0802にて晴と判定した場合はステップ0803にてシミュレーション回次Iにおける1日目の日降水量RS(I,1)を0とする。一方、1日目の晴雨判定ステップ0802にて雨と判定した場合は1日目の日降水量推定ステップ0804へ進み、シミュレーション回次Iにおける1日目の日降水量RS(I,1)を推定する。日降水量RS(I,1)の推定方法については、図11を用いて後で説明する。
【0038】
処理日数カウンタ初期化ステップ0805では処理日数Jを2に初期化する。J日目の晴雨判定ステップ0806ではシミュレーション回次IにおけるJ日目の天気(晴もしくは雨)を判定する。判定の方法については、図10を用いて後で説明する。このJ日目の晴雨判定ステップ0806にて晴と判定した場合はステップ0807にてシミュレーション回次IにおけるJ日目の日降水量RS(I,J)を0とする。一方、J日目の晴雨判定ステップ0806にて雨と判定した場合はJ日目の日降水量推定ステップ0808へ進み、シミュレーション回次IにおけるJ日目の日降水量RS(I,J)を推定する。推定方法は1日目の日降水量推定ステップ0804と同じであり、図11を用いて後で説明する。
【0039】
期間終了判定ステップ0809では処理日数Jと推定期間の日数Tを比較して、処理日数Jが推定期間の日数Tに達したか否かを判定する。例えば推定期間が図4に示す07月01日から08月31日であれば推定期間の日数Tは62日間であるので、処理日数Jが推定期間の日数T=62に達したか否かを判定する。期間終了判定ステップ0809で処理日数Jが推定期間の日数Tに達していないと判定した場合は処理日数加算ステップ0810へ進み、処理日数Jを1つカウントアップした後にJ日目の晴雨判定ステップ0806へ戻り、0806から0809までの処理を繰り返す。一方、期間終了判定ステップ0809で処理日数Jが推定期間の日数Tに達したと判定した場合は処理終了判定ステップ0811へ進む。処理終了判定ステップ0811では処理回数(シミュレーション回次)Iとシミュレーション回数Mを比較して、処理回数Iがシミュレーション回数Mに達したか否かを判定する。処理終了判定ステップ0811にて処理回数Iがシミュレーション回数Mに達していないと判定した場合は処理回数加算ステップ0812へ進み、処理回数Iを1つカウントアップした後に1日目の晴雨判定ステップ0802へ戻り、ステップ0802からステップ0811までの処理を繰り返す。一方、処理終了判定ステップ0811にて処理回数Iがシミュレーション回数Mに達したと判定した場合は降水量推定結果出力ステップ0104へ進む。
【0040】
次に、図8中の1日目の晴雨判定ステップ0802の一例を、図9を用いて説明する。
本実施形態の1日目の晴雨判定ステップ0802は、一様乱数生成ステップ0901、乱数比較ステップ0902から成る。一様乱数生成ステップ0901では0以上1未満の一様乱数(擬似乱数)Uを生成する。乱数比較ステップ0902では、予め遷移確率算出ステップ0611(図6参照)で算出した晴から雨への遷移確率Pおよび雨から晴への遷移確率Qを用いて次の(7式)が成立するか否かを判定する。
【0041】
【数5】
【0042】
この(式7)が成り立つ場合は1日目を晴としてステップ0803へ進む。一方、(式7)が成り立たない場合は1日目を雨として1日目の日降水量推定ステップ0804へ進む。
【0043】
次に、図8中のJ日目の晴雨判定ステップ0806の一例を、図10を用いて説明する。
本実施形態のJ日目の晴雨判定ステップ0806は、(J−1)日目の晴雨判定ステップ1001、一様乱数生成ステップ1002、晴からの遷移先判定ステップ1003、一様乱数生成ステップ1004および雨からの遷移先判定ステップ1005から成る。
【0044】
(J−1)日目の晴雨判定ステップ1001では(J−1)日目の晴雨の推定結果を判定する。つまり、前日の晴雨の判定を行う。(J−1)日目が晴の場合は一様乱数生成ステップ1002へ進む。一様乱数生成ステップ1002では0以上1未満の擬似乱数Uを生成する。晴からの遷移先判定ステップ1003では晴から雨への遷移確率Pを用いて次の(式8)が成立するか否かを判定する。
【0045】
【数6】
【0046】
この(式8)が成り立つ場合はJ日目を雨としてJ日目の日降水量推定ステップ0808へ進む。一方、(式8)が成り立たない場合はJ日目を晴としてステップ0807へ進む。一方、(J−1)日目が雨の場合は一様乱数生成ステップ1004へ進む。一様乱数生成ステップ1004では0以上1未満の擬似乱数Uを生成する。雨からの遷移先判定ステップ1005では雨から晴への遷移確率Qを用いて次の(式9)が成立するか否かを判定する。
【0047】
【数7】
【0048】
この(式9)が成り立つ場合はJ日目を晴としてステップ0807へ進む。一方、(式9)が成り立たない場合はJ日目雨としてJ日目の日降水量推定ステップ0808へ進む。
【0049】
次に、図8中の1日目の日降水量推定ステップ0804およびJ日目の日降水量推定ステップ0808の一例を、図11を用いて説明する。
本実施形態の1日目の日降水量推定ステップ0804およびJ日目の日降水量推定ステップ0808は、一様乱数生成ステップ1101、日降水量カウンタ初期化ステップ1102、日降水量判定ステップ1103、日降水量加算ステップ1104および日降水量決定ステップ1105から成る。
【0050】
一様乱数生成ステップ1002では0以上1未満の擬似乱数Uを生成する。日降水量カウンタ初期化ステップ1102では日降水量mを1[mm]に初期化する。日降水量判定ステップ1103では一様乱数生成ステップ1002で生成した一様乱数Uと日降水量モデルの同定ステップ01022(図1、図7参照)で推定した降水日において日降水量がm[mm]以下になる確率RP(m)を用いて次の(式10)が成立するか否かを判定する。つまり、生成した擬似乱数Uと予めステップ01022で求めておいた日降水量がm以下になる確率RP(m)を比較する。
【0051】
【数8】
【0052】
この(式10)が成り立たない場合は日降水量加算ステップ1104へ進んで日降水量mを1つカウントアップし、日降水量判定ステップ1103を繰り返す。一方、(式10)が成り立つ場合は日降水量決定ステップ1105へ進み、シミュレーション回次IにおけるJ日目の日降水量RS(I,J)の推定結果をmとする。そして、後の処理を続ける。
【0053】
次に、図1中の降水量推定結果0113の一例を、図12を用いて説明する。本実施形態の降水量推定結果0113は、日付121および各シミュレーション回次における各日の日降水量122から成る。図12において、例えばシミュレーション回次2回目の08月01日の日降水量は21[mm]である。
【0054】
次に、本発明に係る降水量推定システムの実施形態(第一実施形態)を、図13から図16を用いて説明する。
本実施形態の降水量推定システムは、図13のように表示装置131、CPU(演算処理装置)132、システムの起動プログラム1331を格納したROM(Read Only Memory)133、キーボード装置134、マウス装置135、主記憶装置136、オペレーティングシステム1371、降水量推定プログラム1372および降水量履歴0111を格納した外部記憶装置137が通信バス138で繋がる構成を取る。
【0055】
まず降水量推定システムのハードウェアを起動すると、図14のようにオペレーティングシステム1371を主記憶装置136へロードする。さらに、降水量推定システムのアプリケーションを起動すると、図15のようにオペレーティングシステム1371および降水量推定プログラム1372を主記憶装置136へロードする。さらに、降水量の推定を実行すると、図16のように降水量推定プログラム1372が降水量履歴0111、並びに表示装置131、キーボード装置134、マウス装置135を通じて入力された推定条件0112を読み込んで降水量の推定を実行し、降水量推定結果0113を外部記憶装置137へ出力する。
【0056】
次に、図13から図16中の降水量推定プログラム1372の一例を、図17を用いて説明する。
本実施形態の降水量推定プログラム1372は、データ取得モジュール171、降水量モデル同定モジュール172、降水量シミュレーションモジュール173および降水量推定結果出力モジュール174から成る。さらに、降水量モデル同定モジュール172は降水日モデル同定モジュール1721および日降水量モデル同定モジュール1722から成る。
【0057】
データ取得モジュール171、降水量モデル同定モジュール172、降水量シミュレーションモジュール173、降水量推定結果出力モジュール174、降水日モデル同定モジュール1721および日降水量同定モジュール1722はそれぞれ図1中のデータ取得ステップ0101、降水量モデル同定ステップ0102、降水量シミュレーションステップ0103、降水量推定結果出力ステップ0104、降水日モデル同定ステップ01021および日降水量モデル同定ステップ01022に従った処理を行うプログラムモジュールである。
【0058】
次に、本発明に係る降水量推定システムの実施形態(第二実施形態)を、図18から図21を用いて説明する。なお、第二実施形態は、通信ネットワークを介して情報の送受信を行う実施形態である。
【0059】
第二実施形態の降水量推定システムは、図18のようにクライアント181、通信ネットワーク182、サーバ183、クライアント181と通信ネットワーク182を接続する通信線184およびサーバ183と通信ネットワーク182を接続する通信線185から成る。
【0060】
さらに、クライアント181は表示装置1811、CPU1812、システムの起動プログラム18131を格納したROM1813、キーボード装置1814、マウス装置1815、主記憶装置1816、オペレーティングシステム18171、通信モジュール18172を格納した外部記憶装置1817、通信装置1818が通信バス1819で繋がる構成を取る。ここで通信モジュール18172は通信装置1818および通信線184を介してクライアント181と通信ネットワーク182の情報をやり取りするプログラムモジュールである。
【0061】
また、サーバ183はCPU1831、システムの起動プログラム18321を格納したROM1832、通信装置1833、主記憶装置1834、オペレーティングシステム18351、降水量推定プログラム18352、通信モジュール18353および降水量履歴0111を格納した外部記憶装置1835が通信バス1836で繋がる構成を取る。ここで通信モジュール18353は通信装置1833および通信線185を介してサーバ183と通信ネットワーク182の情報をやり取りするプログラムモジュールである。
【0062】
降水量推定システムのクライアントおよびサーバのハードウェアを起動すると、図19のようにクライアント181側ではオペレーティングシステム18171を主記憶装置1816へロードし、サーバ183側ではオペレーティングシステム18351を主記憶装置1834へロードする。さらに、降水量推定システムのクライアントおよびサーバのアプリケーションを起動すると、図20のようにクライアント181側では通信モジュール18172を主記憶装置1816へロードし、サーバ183側では降水量推定プログラム18352および通信モジュール18353を主記憶装置1834へロードする。
【0063】
さらに、降水量の推定を実行すると、図21のように、降水量推定プログラム18352が降水量履歴0111、並びにクライアントの表示装置1811、キーボード装置1814、マウス装置1815を通じて入力された推定条件0112を読み込んで降水量の推定を実行し、降水量推定結果0113をクライアントの外部記憶装置1817へ出力する。なお、降水量推定プログラム18352は図17で示した実施形態と同様の構成を取る。
【0064】
次に、本発明に係る第一・第二実施形態の降水量推定システムにおける推定条件の入力画面の一例を、図22を用いて説明する。
一例として示す推定条件の入力画面は、推定期間入力プルダウンメニュー221、推定地点入力222およびシミュレーション回数入力プルダウンメニュー223から成る。本入力画面にて入力された結果が推定条件0112として降水量推定プログラムが入力される。なお、推定条件の入力画面に表示する情報はこの限りではない。ちなみに、第二実施形態では、入力画面表示用のデータは、例えばサーバ183から送信され、クライアント181の図示しないブラウザプログラムにより入力画面として構築される。
【0065】
次に、本発明に係る降水量推定システムにおいて推定結果を画面表示する場合の画面の一例を、図23を用いて説明する。
本実施形態の推定結果の表示画面は、降水日数推定結果231、降水日の降水量推定結果232から成る。本実施形態では降水日数および降水日の日降水量に対する統計値としてそれぞれの期待値および標準偏差を表示する。なお、推定結果の表示画面に表示する情報はこの限りではない。また、推定結果の表示画面は、例えばサーバ183から画面表示用のデータが送信され、クライアント181の図示しないブラウザプログラムにより入力画面として構築される。
【0066】
つまり、第二実施形態のように通信ネットワークを介したシステムを構築することで、誰でもどこでも降水量の推定を指示でき、また推定結果を利用することができるようになる。
【0067】
ところで、シミュレーション回次IにおけるJ日目の降水有無をDS(I,J)(0:晴、1:雨)で表したとき、推定期間における降水日数の期待値EDおよび標準偏差SDを、シミュレーション回数(回次)をMとして次の(式11)および(式12)で算出できる。
【0068】
【数9】
【0069】
ちなみに、降水有無DS(I,J)は、例えば図8の各ステップ0803,0804,0807,0808において、日降水量(I,J)=0のときに0とし、日降水量(I,J)≧1のときに1とすることで、降水有無DS(I,J)に値(0:晴、1:雨)を簡単に格納することができるので、(式11)及び(式12)により、簡単に期待値EDおよび標準偏差SDを算出できる。
【0070】
また、シミュレーション回次Iにおける降水日をn(I)日、シミュレーション回次IのJ日目の降水日における日降水量をRS’(I,J)で表したとき、推定期間における日降水量の期待値ERおよび標準偏差SRを、次の(式13)および(式14)で算出できる。
【0071】
【数10】
【0072】
これら統計量は、例えば、天候デリバティブ取引を行うときの条件を設定する際の判断材料として有用に活用されるものである。また、人間の種々の活動に、得られた降水量推定結果などのデータを利用することができる。
【0073】
また、従来の降水日数や累積降水量のモデルでは、高度なリスク管理を行えない。しかし、本実施形態では、日々の降水量(1日の降水量)をモデル化し、しかも、日々の降水量を「降水の有無」と「降水時の降水量」とに分けて算出しているので、高度なリスク管理にも適用することができる。
【0074】
以上説明した本発明は、前記した実施形態に限定されることなく幅広く変形実施することができる。
例えば、前記した幾何分布は一例であり、確率モデルがこの幾何分布のモデルに限定されることはない。また、シミュレーション回数は1回でもよい。
また、降水量には降雪量を含めることができることから、日々の降雪量(日降雪量)を推定することにも本発明を適用することができる。また、過去に観測した降灰量の履歴が豊富にある火山などは、降灰量の従う確率モデル(各日の降灰有無が従う確率モデル、降灰日における1日の降灰量が従う確率モデル)も降雨量の従う確率モデルと同様であると思慮されることから、日々の降灰量を推定することにも本発明を適用することができる。つまり、請求項の用語「降水」は、「降雪」、「降灰」などを含めることができる。この場合において、例えば遷移確率における「雨から晴」は、「降雪から晴」や「降灰有から降灰無」などに適宜置き換える。
また、例えば、通信ネットワークを介した第二実施形態は、クライアントに対して課金する有償サービスにすることもできる。また、課金しない無償サービスにすることもできる。
【0075】
【発明の効果】
本発明によれば、日降水量が経済活動に与える影響を評価するために必要な日々の降水量を推定することができる。さらに、日々の降水量を推定するシステムを構築できる。また、降水量の推定プログラムおよびそのプログラムを格納した媒体を提供することができる。
【図面の簡単な説明】
【図1】 本発明に係る実施形態の降水量推定方法を示すフローチャートである。
【図2】 図1の降水量履歴の一例を示すテーブルである。
【図3】 図1の推定条件の一例を示すテーブルである。
【図4】 図3の推定条件に基づいて図2のテーブルから取得した降水量履歴の一例を示すテーブルである。
【図5】 図1の降水量推定方法における降水有無を表す確率モデルの一例を示す図である。
【図6】 図1の降水日モデル同定ステップの一例を示すフローチャートである。
【図7】 図1の日降水量モデル同定ステップの一例を示すフローチャートである。
【図8】 図1の降水量シミュレーションステップの一例を示すフローチャートである。
【図9】 図8の1日目の晴雨判定ステップの一例を示すフローチャートである。
【図10】 図8のJ日目の晴雨判定ステップの一例を示すフローチャートである。
【図11】 図8の1日目の日降水量推定ステップおよびJ日目の日降水量推定ステップの一例を示すフローチャートである。
【図12】 図1の降水量推定結果の一例を示す図である。
【図13】 本発明に係る第一実施形態の降水量推定システムの構成例を示すブロック図である。
【図14】 図13の降水量推定システムにおけるハードウェア起動時の状態の例を示すブロック図である。
【図15】 図13の降水量推定システムにおけるアプリケーション起動時の状態の例を示すブロック図である。
【図16】 図13の降水量推定システムにおける降水量推定実行時の状態の例を示すブロック図である。
【図17】 図13の降水量推定システムにおける降水量推定プログラムモジュールの一例を示すブロック図である。
【図18】 本発明に係る第二実施形態の降水量推定システムの構成例を示すブロック図である。
【図19】 図18の降水量推定システムにおけるハードウェア起動時の状態の例を示すブロック図である。
【図20】 図18の降水量推定システムにおけるアプリケーション起動時の状態の例を示すブロック図である。
【図21】 図18の降水量推定システムにおける降水量推定実行時の状態の例を示すブロック図である。
【図22】 図13・図18の降水量推定システムにおける推定条件入力画面の一例を示す図である。
【図23】 図13・図18の降水量推定システムにおける推定結果出力画面の一例を示す図である。
【図24】 (a)は日降水量の確率分布(幾何分布)を示す図であり、(b)は日降水量がm[mm]以下となる確率RP(m)を示す図である。
【符号の説明】
0111…降水量履歴、0112…推定条件、0101…データ取得ステップ、0102…降水量モデル同定ステップ、0103…降水量シミュレーションステップ、0113…降水量推定結果、0104…降水量推定結果出力ステップ、01021…降水日モデル同定ステップ、01022…日降水量モデル同定ステップ
Claims (13)
- 過去に観測した降水量の履歴、降水量を推定する期間、推定する地点およびシミュレーション回数を含む降水量の推定条件を入力として、推定期間における推定地点の日々の降水量を、前記入力した降水量の履歴、降水量を推定する期間、推定する地点の各推定条件に基づいて、降水量の従う確率モデルを同定し、この同定したモデルに基づいてシミュレーション回数だけシミュレートした結果を降水量推定結果として出力することを特徴とする降水量の推定方法。
- 過去に観測した降水量の履歴、降水量を推定する期間、推定する地点およびシミュレーション回数を含む降水量の推定条件を取得するデータ取得ステップ、
降水量の従う確率モデルを同定する降水量モデル同定ステップ、
前記降水量モデル同定ステップにて同定した降水量の従う確率モデルを用いて前記推定期間における推定地点の日々の降水量をシミュレーション回数だけシミュレートする降水量シミュレーションステップ、
前記降水量シミュレーションステップのシミュレーション結果を降水量推定結果として出力する降水量推定結果出力ステップ、
を備える降水量の推定方法であって、
前記降水量モデル同定ステップは、各日の降水有無が従う確率モデルを同定する降水日モデル同定ステップおよび降水日における1日の降水量が従う確率モデルを同定する日降水量モデル同定ステップから成ること、
を特徴とする降水量の推定方法。 - 請求項2に記載の降水量の推定方法において、
前記降水日モデル同定ステップは、前記推定期間における前記推定地点の天候が晴から雨へ変化する確率および雨から晴へ変化する確率を推定する降水日モデル同定ステップであること、
を特徴とする降水量の推定方法。 - 請求項2または請求項3に記載の降水量の推定方法において、
前記日降水量モデル同定ステップは、降水日における降水量が単位降水量だけ増加する確率および降水量がそれ以上増加しない確率を用いて降水日における降水量が従う確率を推定する日降水量モデル同定ステップであること、
を特徴とする降水量の推定方法。 - 過去に観測した降水量の履歴、降水量を推定する期間、推定する地点およびシミュレーション回数を含む降水量の推定条件を取得するデータ取得手段、
降水量の従う確率モデルを、各日の降水有無が従う確率モデルである降水日モデルを同定すると共に、降水日における1日の降水量が従う確率モデルである日降水量モデルを同定することにより同定する降水量モデル同定手段、
前記降水量モデル同定手段にて同定した前記降水量の従う確率モデルを用いて前記推定期間における前記推定地点の日々の降水量を前記シミュレーション回数だけシミュレートする降水量シミュレーション手段、
降水量シミュレーション手段のシミュレーション結果を降水量推定結果として出力する降水量推定結果出力手段を備えること、
を特徴とする降水量の推定システム。 - 請求項5に記載の降水量の推定システムにおいて、
前記降水日モデルは、前記推定期間において推定地点の天候が晴から雨へ変化する確率および雨から晴へ変化する確率を推定することにより同定される構成を有すること、
を特徴とする降水量の推定システム。 - 請求項5または請求項6に記載の降水量の推定システムにおいて、
前記日降水量モデルは、降水日における降水量が単位降水量だけ増加する確率および降水量がそれ以上増加しない確率を用いて降水日における降水量が従う確率を推定することにより同定される構成を有すること、
を特徴とする降水量の推定システム。 - 請求項5ないし請求項7のいずれか1項に記載の降水量の推定システムにおいて、
ネットワークを介して情報を送受信する通信手段を備え、
前記データ取得手段が前記推定条件を前記ネットワークを介して取得する構成を有すると共に、前記降水量推定結果出力手段が前記降水量推定結果を前記ネットワークを介して出力する構成を有すること、
を特徴とする降水量の推定システム。 - 過去に観測した降水量の履歴を用いてある地点におけるある期間の降水量を推定するため、コンピュータを、
過去に観測した降水量の履歴、降水量を推定する期間、推定する地点およびシミュレーション回数を含む降水量の推定条件を取得するデータ取得プログラムモジュール、
各日の降水有無が従う確率モデルを同定する降水日モデル同定プログラムモジュールおよび降水日における1日の降水量が従う確率モデルを同定する日降水量モデル同定プログラムモジュールから成り、降水量の従う確率モデルを同定する降水量モデル同定プログラムモジュール、
前記降水量モデル同定プログラムモジュールにて同定した降水量の従う確率モデルを用いて推定期間における推定地点の降水量をシミュレーション回数だけシミュレートする降水量シミュレーションプログラムモジュール、
前記降水量シミュレーションプログラムモジュールのシミュレーション結果を降水量推定結果として出力する降水量推定結果出力プログラムモジュール、
として機能させることを特徴とする降水量の推定プログラム。 - 請求項9に記載の降水量の推定プログラムにおいて、
前記降水日モデル同定プログラムモジュールは、前記推定期間において推定地点の天候が晴から雨へ変化する確率および雨から晴へ変化する確率を推定する構成を有すること、
を特徴とする降水量の推定プログラム。 - 請求項9または請求項10に記載の降水量の推定プログラムにおいて、
前記日降水量モデル同定プログラムモジュールは、降水日における降水量が単位降水量だけ増加する確率および降水量がそれ以上増加しない確率を用いて降水日における降水量が従う確率を推定する構成を有すること、
を特徴とする降水量の推定プログラム。 - 請求項9ないし請求項11のいずれか1項に記載の降水量の推定プログラムにおいて、
前記コンピュータを、さらにネットワークを介して情報を送受信する通信プログラムモジュールとして機能させ、
前記データ取得プログラムモジュールが前記推定条件を前記ネットワークを介して取得する構成を有すると共に、前記降水量推定結果出力プログラムモジュールが前記降水量推定結果を前記ネットワークを介して出力する構成を有すること、
を特徴とする降水量の推定プログラム。 - 過去に観測した降水量の履歴、降水量を推定する期間、推定する地点およびシミュレーション回数を含む降水量の推定条件を取得するデータ取得プログラムモジュール、
各日の降水有無が従う確率モデルを同定する降水日モデル同定プログラムモジュールおよび降水日における1日の降水量が従う確率モデルを同定する日降水量モデル同定プログラムモジュールから成り、降水量の従う確率モデルを同定する降水量モデル同定プログラムモジュール、
前記降水量モデル同定プログラムモジュールにて同定した降水量の従う確率モデルを用いて推定期間における推定地点の降水量をシミュレーション回数だけシミュレートする降水量シミュレーションプログラムモジュール、
前記降水量シミュレーションプログラムモジュールのシミュレーション結果を降水量推定結果として出力する降水量推定結果出力プログラムモジュール、
としてコンピュータを機能させることを特徴とする降水量の推定プログラムを格納した記憶媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2002181544A JP3909757B2 (ja) | 2002-06-21 | 2002-06-21 | 降水量の推定方法、システム、プログラムおよびプログラムを格納した記憶媒体 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2002181544A JP3909757B2 (ja) | 2002-06-21 | 2002-06-21 | 降水量の推定方法、システム、プログラムおよびプログラムを格納した記憶媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2004028625A JP2004028625A (ja) | 2004-01-29 |
JP3909757B2 true JP3909757B2 (ja) | 2007-04-25 |
Family
ID=31178352
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2002181544A Expired - Fee Related JP3909757B2 (ja) | 2002-06-21 | 2002-06-21 | 降水量の推定方法、システム、プログラムおよびプログラムを格納した記憶媒体 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3909757B2 (ja) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES2270281T3 (es) * | 2004-06-08 | 2007-04-01 | Electrolux Home Products Corporation N.V. | Metodo para automatizar procesos de coccion. |
US10429547B2 (en) * | 2008-05-20 | 2019-10-01 | Trimble Inc. | Systems and methods of remote weather detection for construction management |
JP5203104B2 (ja) * | 2008-09-04 | 2013-06-05 | 一般財団法人日本気象協会 | 降水予測システム、方法及びプログラム |
JP5047260B2 (ja) * | 2008-12-19 | 2012-10-10 | 中国電力株式会社 | 降水量予測システム、降水量予測方法およびプログラム |
JP5546825B2 (ja) * | 2009-10-06 | 2014-07-09 | 明治飼糧株式会社 | シミュレーション装置、シミュレーション方法、及びシミュレーションシステム |
JP2011197975A (ja) * | 2010-03-19 | 2011-10-06 | Mitsubishi Heavy Ind Ltd | 天候を考慮した建設工事スケジューリング方法 |
US10324231B2 (en) | 2013-04-04 | 2019-06-18 | Sky Motion Research, Ulc | Method and system for combining localized weather forecasting and itinerary planning |
US20140372038A1 (en) * | 2013-04-04 | 2014-12-18 | Sky Motion Research, Ulc | Method for generating and displaying a nowcast in selectable time increments |
US10495785B2 (en) | 2013-04-04 | 2019-12-03 | Sky Motion Research, Ulc | Method and system for refining weather forecasts using point observations |
US10203219B2 (en) | 2013-04-04 | 2019-02-12 | Sky Motion Research Ulc | Method and system for displaying nowcasts along a route on a map |
US10330827B2 (en) | 2013-04-04 | 2019-06-25 | Sky Motion Research, Ulc | Method and system for displaying weather information on a timeline |
CN104155705B (zh) * | 2014-08-13 | 2016-05-25 | 中国人民解放军理工大学 | 一种利用地基红外测云仪间接测量大气可降水量的方法 |
CN107423496B (zh) * | 2017-07-10 | 2020-06-23 | 浙江大学 | 一种新的降雨事件随机生成方法 |
CN107797968B (zh) * | 2017-09-14 | 2022-06-03 | 邵丹娜 | 一种城市设计暴雨雨型统计方法 |
KR102099655B1 (ko) * | 2019-04-02 | 2020-05-26 | 부경대학교 산학협력단 | 강도 예측 기법과 확률 예측 기법을 통합한 장기예보 방법 |
-
2002
- 2002-06-21 JP JP2002181544A patent/JP3909757B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2004028625A (ja) | 2004-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3966139B2 (ja) | 気象物理量の推定方法 | |
JP3909757B2 (ja) | 降水量の推定方法、システム、プログラムおよびプログラムを格納した記憶媒体 | |
US8112340B2 (en) | Collateralized debt obligation evaluation system and method | |
US7698213B2 (en) | Method of risk modeling by estimating frequencies of loss and loss distributions for individual risks in a portfolio | |
US8065214B2 (en) | Methods and system for assessing loss severity for commercial loans | |
US20100082382A1 (en) | Forecasting discovery costs based on interpolation of historic event patterns | |
US20100017239A1 (en) | Forecasting Discovery Costs Using Historic Data | |
US8676647B2 (en) | Response attribution valuation | |
US8676646B2 (en) | Response attribution valuation | |
US20010032158A1 (en) | Delinquency-moving matrices for visualizing loan collections | |
US8548884B2 (en) | Systems and methods for portfolio analysis | |
US20080065479A1 (en) | System and method for optimizing online advertisement auctions by applying linear programming using special ordered sets | |
US20020194042A1 (en) | Method of business analysis | |
CN109191191B (zh) | 基于代价敏感卷积神经网络的广告点击欺诈检测方法 | |
CN101840554A (zh) | 用于确定在线行为对离线销售影响的动态地理位置参数 | |
US20090177612A1 (en) | Method and Apparatus for Analyzing Data to Provide Decision Making Information | |
JP5955436B1 (ja) | ローンリスク評価パラメータ算出装置、プログラム、及び方法 | |
Feng et al. | Stochastic conditional duration models with “leverage effect” for financial transaction data | |
Jewson et al. | The use of weather forecasts in the pricing of weather derivatives | |
US7188084B2 (en) | Methods and systems for determining roll rates of loans | |
US20130173237A1 (en) | Score fusion based on the gravitational force between two objects | |
Mari et al. | Gaussian clustering and jump-diffusion models of electricity prices: a deep learning analysis | |
US20180246992A1 (en) | Multiple Time-Dimension Simulation Models and Lifecycle Dynamic Scoring System | |
Brookes | Risk modelling and the role and benefits of cat indices | |
US20090222385A1 (en) | System and methods for modeling a multiplicative index |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20040804 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20060310 |
|
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: 20070117 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20070119 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100202 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110202 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120202 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130202 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130202 Year of fee payment: 6 |
|
LAPS | Cancellation because of no payment of annual fees |