JP6488489B2 - 気象予測誤差解析システム及び気象予測誤差解析方法 - Google Patents

Description

本発明の実施形態は、気象予測情報の誤差を解析する気象予測誤差解析システム及び気象予測誤差解析方法に関する。

従来、気象予測システムにて気象予測した結果を利用者（ユーザ）に提供する際には、ある地点の予測結果（例えば雨量）をそのまま提供していた。しかし、元来、気象予測情報は時間的・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。したがって、そのままの形態での情報提供を行うことは、その情報を受け取って危険度判断などのクリティカルな利用を行うユーザ（航空管制など）にとっては、不確実な情報は価値のない情報となる可能性がある。

一方、予測した値に含まれる誤差の確率分布が与えられていれば、その誤差を考慮した利用を行うことにより、予測情報は十分価値のある情報となる。つまり、提供の仕方が価値を左右するのであり、提供手法にこそ問題点が存在する。

なお、気象予測システムとしては、特許文献１に記載されているものが知られている。

特許第４８１８０７９号公報

上述したように、気象予測情報は、あくまでも予測に過ぎず、時間的・空間的ずれを伴う不確実性を有する。しかし、予測情報の価値は存在する。例えば、予測した値に含まれる誤差の確率分布が与えられていれば、十分価値のある情報となる。つまり、気象予測情報の提供の仕方が価値を左右するのであり、提供手法にこそ問題点が存在する。

本実施形態の目的は、気象予測情報の的確性を判断できるようにする気象予測誤差解析システム及び気象予測誤差解析方法を提供することにある。

本実施形態に係る気象予測誤差解析システムは、気象観測データを取得する取得手段と、前記気象観測データをもとに気象モデルに基づいて、特定の気象現象に関する物理量の予測値を演算する演算手段と、前記予測値と前記気象観測データとの差によって決定される誤差区分毎に、複数の気象判定要素との依存関係に基づいて決定される条件付確率を示す、２次元確率分布表である条件付確率表（ＣＰＴ：Conditional Probability Table）を、前記複数の気象判定要素毎に記憶する記憶手段と、前記気象観測データと前記予測値とに基づいて、前記複数の気象判定要素をそれぞれ判定する判定手段と、前記判定された各気象判定要素のための条件付確率表から、前記誤差区分に関する確率分布を算出する算出手段とを具備するものである。

また、本実施形態に係る気象予測誤差解析方法は、気象観測データを取得し、前記気象観測データをもとに気象モデルに基づいて、特定の気象現象に関する物理量の予測値を演算し、前記予測値と前記気象観測データとの差によって決定される誤差区分毎に、複数の気象判定要素との依存関係に基づいて決定される条件付確率を示す、２次元確率分布表である条件付確率表（ＣＰＴ：Conditional Probability Table）を、前記複数の気象判定要素毎に記憶し、前記気象観測データと前記予測値に基づいて、前記複数の気象判定要素をそれぞれ判定し、前記判定された各気象判定要素のための条件付確率表から、前記誤差区分に関する確率分布を算出するものである。

本実施形態に係る気象予測誤差解析システムの数値気象解析部を示すブロック図。 本実施形態に係る気象予測誤差解析システムの誤差確率分布解析部を示すブロック図。 本実施形態で用いるベイジアンネットワークの一例を示す図。 誤差確率分布解析部により算出される誤差確率分布を示す図。 誤差確率分布解析の組み合わせの例を示す図。 予測された風速の事前誤差確率分布と誤差確率分布解析後の誤差確率分布を示す図。 データ判定／配信部により通知される誤差確率分布情報を示す図。

以下、図面を参照しながら本実施形態に係る気象予測誤差解析システム及び気象予測誤差解析方法を説明する。

図１は、本実施形態に係る気象予測誤差解析システムの構成を示すブロック図である。この気象予測誤差解析システムは、数値気象解析部１０と誤差確率分布解析部２１とを有し、ネットワークＮＴを介して気象庁データサーバＤＳ０，空港観測データサーバＤＳ１などに接続されている。

図１において、数値気象解析部１０は、ネットワークＮＴと接続される通信インターフェース１１、通信処理部１２、観測データ格納部１３、気象モデル予測演算部１４、および予測データ格納部１５を有する。

通信インターフェース１１には、気象庁データサーバＤＳ０や空港観測データサーバＤＳ１などから気象予測のもとになる観測値（アメダスデータ）・予測値（ＧＰＶ（Grid Point Value）データ）などのデータが、ネットワークＮＴを介して入力される。観測値・予測値としては、例えば、降水量、気温、気圧、風向、風速および乱流消散率等の特定の気象現象に関する物理量が含まれるものとする。入力されたデータは、通信処理部１２を経由して観測データ格納部１３に保存され、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全てそろった時に起動し、気象モデルに基づいて所定の時刻における気象予測データを算出する。算出された気象予測データは、予測データ格納部１５に保存される。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。具体的には、気象モデル予測演算部１４は、気象庁データサーバＤＳ０が提供する２０ｋｍメッシュで予測した全球数値予測モデル（ＧＳＭ（登録商標）：Global Spectral Model）と呼ばれる気象予測データを気象モデルの初期値とし、空港観測データサーバＤＳ１等の観測値を気象モデルに同化させて予測値と整合をとることで、より細分化したメッシュにて局地の気象現象を予測することができる。

図２に、誤差確率分布解析部を示す。気象モデル予測演算部１４で演算された予測値と、気象庁データサーバＤＳ０などから取得した観測値（アメダスデータなど）は、誤差確率分布解析部２１に入力され、誤差確率分布情報に加工される。誤差確率分布解析部２１は、特定の気象現象に関する物理量の予測値に対する誤差分布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２１は、気象観測データと前記物理量の予測値とをもとに複数の気象判定要素についてそれぞれ判定し、各気象判定要素の判定結果をもとにこの条件付確率表に基づいて、予測値について誤差確率分布を算出する。誤差確率分布の算出方法の詳細については後述する。算出された誤差確率分布はデータ判定／配信部２２に送られ、上記の解析を行った結果を数値化し、必要に応じて電子メール等によりユーザの端末画面などに通知される。

次に、誤差確率分布の算出方法について説明する。誤差確率分布の算出には、ベイジアンネットワーク（Bayesian Network）を用いた処理を行う。ベイジアンネットワークとは、不確かな出来事の連鎖について、確率の相互作用を集計する手法であり、事象（ノード）間の依存関係を条件付き確率が付随したグラフ構造によって表現したものである。

図３に、本実施形態で用いるベイジアンネットワークの一例を示す。図３には、ベイジアンネットワークを構成する複数の気象判定要素をノード（１）〜（５）で表し、ノード間に張られたリンクが依存関係の方向を表している。条件付確率表は、リンク毎に作成され、条件付確率表の“ｘ．ｘ”は、それぞれの誤差の区分毎の条件付き確率値を示す。

本実施形態では、任意の判定領域・時刻において、数値気象解析部１０で得られた物理量の誤差分布が変化するようなネットワークを構築する。求めたい誤差分布を親ノード（２）に配置し、その誤差分布を変えるような因子を子ノード（３）〜（５）として配置する。

ここで、親ノード（２）は、誤差、つまり数値気象解析結果（予測値）と観測値との差異であるため、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、風速差を親ノード（２）に配置した場合、風速が大きい場合と風速が小さい場合で誤差分布の現れ方は異なると考えられるが、この差を表現することができない。そこで、親ノード（２）の上位に、最上位ノード（１）を配置し、物理量の絶対値の大きさ（例えば、予測風速が４ｍ／ｓ未満、又は４ｍ／ｓ以上）によっても誤差分布が変えられるようにネットワークを設定する。さらに、数値気象解析部１０の予測値が時間的・空間的にズレたりするなどの、数値気象解析が持つ不確実性を考慮し、誤差確率分布を算出するために、次の子ノード（３）〜（５）の判定を行う。

（３）風速２０ｍ／ｓ以上を観測したか否か
最大瞬間風速は、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を想定し、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。ここでは、風速２０ｍ／ｓ以上を観測したか否かを判定する。

（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。数値が小さいほど不安定を示し、ここでは、０以上を安定、０より小さい場合を不安定と判定する。

（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、温度の高いところから低いところへ輸送される熱エネルギーを表しており、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ことから、気象モデルとの誤差が生じることを想定する。ここでは、顕熱フラックスが２００Ｗ／ｍ^２以下であれば誤差は小さいものと判定する。

各ノード（１）〜（５）については、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３の条件付確率表に対応する確率値により、図４に示すように、誤差確率分布（Ｐ）が決定される。図５の組み合わせに応じて、図３に示す子ノード（１）、（３）、（４）、（５）の確率値の（２）の区分毎に積の和を取ったものを分母とし、分子は（２）のそれぞれの区分の確率値の積とする。例えば、Ｃａｓｅ１の場合、式１の通りとなる。

図４のＣａｓｅ１〜８については、図５に誤差確率分布解析の組み合わせの例を示す。図５では、最上位ノード（１）、および子ノード（３）〜（５）がそれぞれ２値（Ｔｒｕｅ／Ｆａｌｓｅ）の場合を示す。なお、図４は最上位ノード（１）がＴｒｕｅの場合の子ノード（３）〜（５）の組み合わせを表している。また、エビデンスノードが決まらない場合でも、各ノードの条件付確率表（図３）を用いて、ベイズの定理を用いた計算処理により、誤差確率分布が決定される。

図３に示したベイジアンネットワークはあくまで一例で、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。また、風速、風向、乱流消散率だけでなく、降水量や気温などの物理量に対しても誤差確率分布の算出が可能である。

図６に、予測された風速の事前誤差確率分布（事前）と誤差確率分布解析後（事後）の誤差確率分布を示す。図３にある全てのノード（１）〜（５）の条件確率表から得られる事前の誤差確率分布では、０〜１ｍ／ｓにピークがあり、予測値からのズレが生じる可能性は小さいことがわかる。これに対し、事後の誤差確率分布は、予測値から−２ｍ／ｓのズレが３０％程度で生じることがわかる。複数の気象条件（観測値や予測結果）のもとでは、予測値の誤差が負になる確率が高いと言える。つまり、予測値のずれ方が様々な条件下で変わることを表現できる。

図７に、データ判定／配信部２２により通知される風速の誤差確率分布情報を示す。このような誤差確率分布情報を提供することにより、ユーザは、風速の予測値からどの位のずれがどの程度の確率で起きるかを把握することが可能となる。つまり、気象モデルによる予測値の的確性を定量的な観点から判断することができるようになる。

以上述べたように、本実施形態では、予測情報の不確実性をできる限り排して、上記のような確実性を増す方法でユーザに提供できる情報を用意することによって、気象予測データから得られる情報を的確に提供することができる。この情報の提供により、住民の避難誘導や、ダム放水の運用・都市下水道のポンプ場運転など、航空管制などの気象情報を利用した危険度判断を必要としているユーザに対し、判断を支援する価値の高い情報を提供することができる。

なお、いくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、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。これら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。

１０…数値気象解析部、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、ＤＳ０…気象庁データサーバ、ＤＳ１…空港観測データサーバ、ＮＴ…ネットワーク、２１…誤差確率分布解析部、２２…データ判定／配信部。

Claims (8)

1. 気象観測データを取得する取得手段と、
   前記気象観測データをもとに気象モデルに基づいて、特定の気象現象に関する物理量の予測値を演算する演算手段と、
   前記予測値と前記気象観測データとの差によって決定される誤差区分毎に、複数の気象判定要素との依存関係に基づいて決定される条件付確率を示す、２次元確率分布表である条件付確率表（ＣＰＴ：Conditional Probability Table）を、前記複数の気象判定要素毎に記憶する記憶手段と、
   前記気象観測データと前記予測値とに基づいて、前記複数の気象判定要素をそれぞれ判定する判定手段と、
   前記判定された各気象判定要素のための条件付確率表から、前記誤差区分に関する確率分布を算出する算出手段とを具備することを特徴とする気象予測誤差解析システム。
2. 前記複数の気象判定要素は、前記気象モデルが起こす時間的・空間的なズレを考慮してそれぞれ定めら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システム。
3. 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又は２に記載の気象予測誤差解析システム。
4. 前記物理量は、風向、風速、および乱流消散率のいずれかを含むことを特徴とする請求項１乃至３のいずれか１項に記載の気象予測誤差解析システム。
5. 気象観測データを取得し、
   前記気象観測データをもとに気象モデルに基づいて、特定の気象現象に関する物理量の予測値を演算し、
   前記予測値と前記気象観測データとの差によって決定される誤差区分毎に、複数の気象判定要素との依存関係に基づいて決定される条件付確率を示す、２次元確率分布表である条件付確率表（ＣＰＴ：Conditional Probability Table）を、前記複数の気象判定要素毎に記憶し、
   前記気象観測データと前記予測値に基づいて、前記複数の気象判定要素をそれぞれ判定し、
   前記判定された各気象判定要素のための条件付確率表から、前記誤差区分に関する確率分布を算出することを特徴とする気象予測誤差解析方法。
6. 前記複数の気象判定要素は、前記気象モデルが起こす時間的・空間的なズレを考慮してそれぞれ定められることを特徴とする請求項５に記載の気象予測誤差解析方法。
7. 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５又は６に記載の気象予測誤差解析方法。
8. 前記物理量は、風向、風速、および乱流消散率のいずれかを含むことを特徴とする請求項５乃至７のいずれか１項に記載の気象予測誤差解析方法。