JP6325331B2 - 気象予測補正装置、気象予測補正方法及びプログラム - Google Patents

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。

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。

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。

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。

特開２０１１−１５９１９９号公報 特開２０１２−１０５０８号公報

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。

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。

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。 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。 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。 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。 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。 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。 予測値算出部による予測値算出方法の例を示す図。 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。 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。 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。 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。

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。

（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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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（ξ_１，η_１），・・・（ξ_Ｎ，η_Ｎ）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。

また、相関度として、ξとηとの誤差の平均ε（ξ，η）や、二乗誤差の平均ε^２（ξ，η）を用いることもできる。ε（ξ，η），ε^２（ξ，η）は、以下の式で計算することができる。

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。

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。

ここで、θａは、対象気象情報θの補正値、Ａ_ｉ（ｉ＝１〜Ｎ）及びＢはパラメータ、φ_ｉ（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。

生成部１４は、補正式の各変数φ_ｉに、予測値ＤＢ１１から取得した時刻ｔにおける予測値φ_ｉｔを代入して、時刻ｔにおける補正値θａ_ｔを算出する。そして、算出した補正値θａ_ｔと、測定値ＤＢ１２から取得した時刻ｔにおける対象気象情報θの測定値θｍ_ｔとを比較して、補正値θａ_ｔと測定値θｍ_ｔとの差の所定期間の合計値Ｉが小さくなるように、各パラメータＡ_ｉ及びＢの値を決定する。補正値θａ_ｔと測定値θｍ_ｔとの差として二乗誤差を用いる場合、下記のＩが最小となるように、パラメータＡ_ｉの値を決定する。

このとき、各パラメータＡ_ｉは、以下の式の解として容易に決定することができる。

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。

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。

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φ_ｉに、測定値ＤＢ１１から取得した気象情報φ_ｉの予測値φ_ｉｐ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θａ_ｔを算出する場合、補正式の各変数φ_ｉに、時刻ｔにおける気象情報φ_ｉの予測値φ_ｉｐ_ｔを代入する。

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。

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。

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。

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。

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。

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。

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。

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φ_ｉ（ｉ=1,..,N, N≧1）を選択する。

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φ_ｉの予測値φ_ｉｐ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。

次に、補正部１６は、予測時刻における、各気象情報φ_ｉの予測値φ_ｉｐ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）。

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。

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。

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。

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。

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。

（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。

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。

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。

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。

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。

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。

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。

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。

例えば、平面上の地点Ａの上空の高度ｉにおける雲量Ｃ_ｉが予測値ＤＢ１１に記憶されている場合、地点Ａの上空の全ての高度の雲量Ｃｉを合計した総雲量Ｃ_{ｔｏｔａｌ}を算出することが考えられる。総雲量Ｃ_{ｔｏｔａｌ}は、以下の式により算出される。

対象気象情報が日射強度の場合、各高度ｉでの雲量Ｃ_ｉより、総雲量Ｃ_{ｔｏｔａｌ}の方が、日射強度の予測値の補正に有効である可能性が高い。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。

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。

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。

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。

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。

上記の式において、Ｔ_５００は、５００ｈＰａにおける気温であり、Ｔ^＊ _５００は、８５０ｈＰａの空気塊を断熱的に凝結高度まで持ち上げ、そこから湿潤断熱的に５００ｈＰａまで持ち上げたときの当該空気塊の気温である。

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。

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。

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）、Ｔ_５００−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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

（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。

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。

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ε^２を用いることができる。ε，ε^２は、以下の式で計算することができる。

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。

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。

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。

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。

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。

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。

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。

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。

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。

（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。

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。

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。

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。

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。

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。

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。

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。

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。

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

Claims (7)

1. 予測値を算出された気象情報の前記予測値に基づいて、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つを算出する算出部と、
   前記算出部により予測値が算出された前記気象情報を含む、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と、前記選択された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。
2. 前記選択部は、前記対象気象情報の測定値と前記複数の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。
3. 前記予測値を算出された複数の気象情報には、数値シミュレーションにより予測値を算出された気象情報が含まれる
   請求項１又は請求項２に記載の気象予測補正装置。
4. 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３のいずれか１項に記載の気象予測補正装置。
5. 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４のいずれか１項に記載の気象予測補正装置。
6. 予測値を算出された気象情報の前記予測値に基づいて、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つを算出し、
   前記少なくとも１つの予測値が算出された前記気象情報を含む、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と、前記選択された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。
7. 予測値を算出された気象情報の前記予測値に基づいて、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つを算出する算出ステップと、
   前記算出ステップにより予測値が算出された前記気象情報を含む、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ステップと、
   選択された前記気象情報を変数として含む補正式と、前記選択された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ステップと、
   をコンピュータに実行させるためのプログラム。

Images