JP7231504B2 - 気象数値解析システム、予測対象データ生成システムおよび気象数値解析方法 - Google Patents

Description

本発明は、気象数値解析システム、予測対象データ生成システムおよび気象数値解析方法に関する。

従来から、気象予測には、数値解析を用いた予測（数値予測）が用いられている。気象の数値解析は、数式で表される基礎的な物理法則に基づいて、大気の力学的要素である気圧、気温、風向風速、水蒸気量および凝結量を変数とし、これらの変数の時間変化の数値解を、計算機を用いて定量的に算出することで、将来の３次元的分布を求める方法である。気象の数値解析のデータから必要なデータを抽出して加工するなどの後処理を行うことで、数値的な気象の予測結果が得られる。気象の数値予測は、予測結果として得られる気象要素が客観化または数値化されたものであり将来予測に有用であるため、短中期（１～７日程度）の予測の主要な手段として用いられている。

例えば、電力を供給する発電に関し、日時変動する電力需要を解析し、１時間先、２時間先、３時間先、翌日、１週間先、１ヶ月先または１年先など、さまざまな指定時間（時間断面）の電力需要を予測し、予測結果によって発電を計画および制御する運用が行われている。さらに、予測された需要量や発電量を参考にして、複数の異なる指定時間に対する市場での電力の売買取引が行われる。電力需要量と発電量は、気温等の気象要素と相関関係があり、電力需要量や発電量の予測の際には、気温等の気象要素が用いられる場合が多い。

しかし、数値予測には大小の誤差が存在し、誤差量が無視できないほど大きくなる不確実性も存在する。すなわち、数値解析で用いる解析モデルおよび入力変数と、解析対象とする現象の複雑さと、そのときどきの状態などによって、誤差の傾向は変化する。特に、気象のような非線形な現象を数値的に解析するということは、計算機を使って現象をモデル化した方程式の近似解を求めるということである。よって、様々なスケールの現象が共存し、未解明のメカニズムも依然として存在する気象の数値予測に関して、誤差を無くす、もしくは誤差範囲を完全に小さく抑制することは、困難である。

一方、電力供給の面などでは、気象の数値予測の限界を想定し、誤差を許容できる運用をする、もしくは許容以上の誤差量に応じた制御を行う運用をする、などの対応が望まれる。そのためには、許容できないほどの大きな誤差量が発生する不確実性を、事前に評価する必要がある。また、気象に影響を受ける行動に関する将来的な意思決定を行う際にも、気象予測の不確実性を考慮することが望ましい。

そこで、気象の数値予測の不確実性を評価する標準的な手法として、アンサンブル予測と呼ばれる手法がある。これは、初期値などにばらつきを与えることで、条件がわずかに異なる複数の数値予測を行い、その結果を統計的に処理し、確率密度分布を予測するものである。

例えば、特許文献１には、気象のアンサンブル予測を行い、その結果に基づいて翌日のスポット売買価格、翌日の成り行き売電価格、翌日の成り行き買電価格および翌日の発電量を予測し、期待利益を最大化する売電スケジュールを作成する電力取引支援装置が開示されている。これにより、気象予測の不確実性を考慮しつつ、より好適な電力取引計画を作成することができる。

また、例えば、特許文献２には、アンサンブル予測から得られる気象変数の確率密度分布を、観測データを用いて補正する確率的気象予測装置が開示されている。これにより、低く評価してしまう場合が多いアンサンブル予測の不確実性を適正化して評価することができる場合がある。さらに、特許文献２には、アンサンブル予測に用いる複数の数値予測データとして、対象地点の周辺のデータを用いることが開示されている。これにより、解析時間を抑制することができる。

特開２０１６－３５７１９号公報 特開２０１７－５３８０４号公報

しかしながら、上述の従来技術では、アンサンブル予測により複数の数値予測を行うため、解析規模が過大となり、通常、解析時間が過大になるという問題がある。電力供給運用や将来的な意思決定計画の面では、時間的な制約が存在し、解析時間を過大に要することは望ましくない。

また、上述の従来技術において、外部機関において実施されたアンサンブル予測結果を利用する場合、時間や空間の解像度が不足することや、局所的に再解析および再処理を実施して、目的に応じた詳細な気象予測を再度実施することが困難になるという問題もある。

また、初期値などへのばらつきの与え方など、複数の数値予測を行う条件の決定方法も完全には確立されていないため、例えば、初期値のみが異なるアンサンブル予測を行った場合には、初期値の誤差のみが主に考慮され、アンサンブル予測の不確実性（分散性）を低く評価してしまう場合が多いという問題がある。

その一方で、上述の特許文献２に開示の技術では、解析の対象地点と対象地点の周辺のデータが同一ではない場合が多いため、アンサンブル予測の不確実性（分散性）を過大評価してしまう場合があるという問題がある。

すなわち、上述の従来技術では、解析時間（解析規模）を過大にすることなく、気象予測の不確実性を適切に評価することができないという問題がある。このため、気象予測の不確実性を考慮した電力運用や、気象の影響を受ける行動に関する将来的な意思決定を、適切に行うことが難しいという問題がある。

本発明は以上の点を考慮してなされたもので、解析時間（解析規模）を過大にすることなく、気象予測の不確実性を適切に評価し得るようにすることを１つの目的とする。

かかる課題を解決するため本発明においては、１つの目的を達成する一手段として、気象数値解析システムは、入力気象数値解析データを再解析して気象数値解析データを生成する再解析システムと、前記気象数値解析データを後処理して気象数値予測データを生成する後処理および不確実性評価システムと、を含み、前記後処理および不確実性評価システムは、前記気象数値予測データの不確実性を示す不確実性指標データを生成する不確実性演算部と、不確実性に関する評価基準データと前記不確実性指標データとに基づいて、前記気象数値予測データの不確実性の高さを評価し、該不確実性の高さを示す不確実性評価データを生成する不確実性評価部と、を備え、前記不確実性指標データおよび前記不確実性評価データと共に、前記気象数値予測データを出力することを特徴とする。

本発明によれば、例えば、解析時間（解析規模）を過大にすることなく、気象予測の不確実性を適切に評価することができる。

実施形態１に係る気象数値解析システムを含む予測対象データ生成システムの構成例を示すブロック図である。 実施形態１に係る再解析システムの構成例を示すブロック図である。 実施形態１に係る後処理および不確実性評価システムの構成例を示すブロック図である。 実施形態１に係る社会データ予測システムの構成例を示すブロック図である。 実施形態１に係る社会データ予測システムの処理例を示すフローチャートである。 実施形態２に係る後処理および不確実性評価システムの構成例を示すブロック図である。 仮想的な一日の地上気温の時間変化の解析値と観測値を示すグラフである。 仮想的な地上気温の解析値と、この解析値を前後数時間を区間として移動平均した移動平均値を示すグラフである。 実施形態３に係る後処理および不確実性評価システムの構成例を示すブロック図である。 実施形態４に係る気象数値解析システムの運用スケジュールにおいて発生する解析対象期間の重複期間の例を示す図である。 実施形態４に係る後処理および不確実性評価システムの構成例を示すブロック図である。 実施形態４に係る再解析システムと、後処理および不確実性評価システムの処理例を示すフローチャートである。 実施形態５に係る再解析システム、後処理および不確実性評価システム、ならびに設定修正判定部を含む気象数値解析システムの構成例を示すブロック図である。 実施形態６に係る意思決定支援システムの構成例を示すブロック図である。 実施形態７に係る社会データ予測システムの構成例を示すブロック図である。 実施形態８に係る再解析システムの構成例を示すブロック図である。 実施形態１～８を実現するデータ管理システムの構成例を示す概略図である。 実施形態６～８に係る予測対象データ生成システムの処理例を示すフローチャートである。 計算機装置のハードウェア構成例を示す図である。

以下、図面に基づき、本発明の実施形態を詳述する。本明細書において、各図面の同一参照番号は、同一あるいは類似の構成または処理を示す。また、後出の実施形態の説明では前出の実施形態との差分のみを説明し、後出の説明を省略する場合がある。また、各実施形態は、本発明の技術思想の範囲内かつ整合する範囲内で一部または全部を組合せることができる。

以下の複数の実施形態において、「１００Ａ」、「１００Ｂ」、・・・や、「１００－１、「１００－２」、・・・などのように、同一番号に異なる枝番号が付加された符号は、類似の構成または処理を示す。以下では、同一番号に異なる枝番号が付加された符号を付与された構成および処理を、枝番号を除く数字のみの符号で総称する場合がある。

（１）実施形態１
先ず、図１～図５を参照して、実施形態１を説明する。図１は、実施形態１に係る気象数値解析システム１０を含む予測対象データ生成システム１Ｓの構成例を示すブロック図である。予測対象データ生成システム１Ｓは、気象数値解析システム１０と、社会データ予測システム１３とを含む。さらに、気象数値解析システム１０は、再解析システム１１と、後処理および不確実性評価システム１２とを含む。再解析システム１１、後処理および不確実性評価システム１２、ならびに社会データ予測システム１３の詳細は後述する。

（１－１）再解析システム１１の構成
図２は、実施形態１に係る再解析システム１１の構成例を示すブロック図である。再解析システム１１は、入力気象場データ１０１（入力気象数値解析データ）、地形データ１０２および設定値データ１０８を入力データとする。本実施形態では、入力気象場データ１０１として、気象機関が気象数値解析を実施して作成および提供する、生成済みの気象数値解析データを用いる。ただし、入力気象場データ１０１の作成元は、気象機関に限らない。入力気象場データ１０１は、時間断面が異なる複数のデータで構成される。さらに、入力気象場データ１０１として、開始時間が異なる複数種類の入力気象場データ１０１ａ、１０１ｂ、・・・を用いる場合がある。

設定値データ１０９、１１０は、開始時間が異なる入力気象場データ１０１の種類数に応じて、複数必要になる。また、再解析システム１１の入力データとして、海面水温データ、土壌データ、人工排熱データなど、気象に関連する他のデータがあってもよい。

前処理システム１は、地形データ１０２と設定値データ１０８を用いて、数値解析に必要な格子データ１０３を１または複数種類作成する。通常、再解析システム１１は、再解析の際には、再解析前の入力気象場データ１０１よりも空間解像度を高めた解析を行うが、空間解像度の差による影響を緩和するために、ネスティングと呼ばれる手法で段階的に空間解像度を高める（格子寸法が大きく広域な格子データと、それよりも格子寸法が小さく狭域な格子データを作成する）場合がある。そのため、格子データ１０３を複数種類作成する場合がある。本実施形態では２種類の格子データ１０３ａ、１０３ｂを作成するとする。

前処理システム２は、入力気象場データ１０１、格子データ１０３および設定値データ１０９を用いて、初期値データ１０４と境界値データ１０５を作成する。このとき、前処理システム２は、前述した開始時間が異なる入力気象場データ１０１ａ、１０１ｂ、・・・の種類数に応じて、複数の初期値データ１０４を作成する。また、前処理システム２は、前述した開始時間が異なる入力気象場データ１０１ａ、１０１ｂ、・・・の種類数と格子データ１０３の種類数に応じて、複数の境界値データ１０５を作成する。

気象数値解析ソルバ３は、初期値データ１０４、境界値データ１０５および設定値データ１１０を用いて、時系列気象場データ１０６（気象数値解析データ）を作成する。時系列気象場データ１０６は、時間断面が異なる複数の気象場データ１０７から構成される。気象場データ１０７には，所定の代表地点における時系列気象要素群データが含まれる場合がある。さらに、気象数値解析ソルバ３は、前述した開始時間が異なる入力気象場データの種類数と格子データの種類数に応じて、複数の時系列気象場データ１０６を作成する。

（１－２）後処理および不確実性評価システム１２の構成
図３は、実施形態１に係る後処理および不確実性評価システム１２の構成例を示すブロック図である。後処理および不確実性評価システム１２は、入力データとして、前述した時系列気象場データ１０６を用いる。さらに、後処理および不確実性評価システム１２は、前述した入力気象場データ１０１を用いる場合もある。これらの入力データは、３次元的な配列の格子点上にある、複数の気象要素から構成される。

気象場後処理システム４は、これらの入力データをもとに、任意の地点の、任意の気象要素を演算し出力する。例えば、本実施形態では、任意の緯度経度における地上（高度数ｍ）の気温を出力する。ただし、気象要素を地上の気温に限定するものではなく、地上よりも高い数百ｍや数ｋｍなどの高度であってもよく、温位、湿度、風向風速、日射量、降水量、地表面温度など、別の気象要素であってもよい。

さらに、気象場後処理システム４は、時間断面が異なる気象場データ１０７を統合して、時系列気象要素データ１１１（気象数値予測データ）を作成する。このとき、気象場データ１０７に所定の代表地点における時系列気象要素群データが含まれる場合、それを用いてもよい。さらに、気象場後処理システム４は、入力気象場データ１０１を用いる場合は、対応して時系列気象要素データ１１２を作成する。

不確実性演算部５は、時系列気象要素データ１１１を母集団とする分散性などを解析することで不確実性指標データ１１３を生成および出力する。不確実性演算部５は、時系列気象要素データ１１２を併用する場合もある。詳細な解析例については、実施形態２以降にて後述する。

不確実性評価部６は、不確実性指標データ１１３と過去データから蓄積した評価基準値を含むデータベース１１４を用いて、不確実性評価データ１１５を出力する。そして、不確実性評価部６は、評価基準値をもとに不確実性指標データ１１３を閾値判定するなどして不確実性評価データ１１５を生成し、時系列気象要素データ１１１に不確実性指標データ１１３と不確実性評価データ１１５を付加して、他システムや出力装置へ出力する。

（１－３）社会データ予測システム１３の構成
図４は、実施形態１に係る社会データ予測システム１３の構成例を示すブロック図である。社会データ予測システム１３は、社会インフラに関わるデータの予測と生成を実施するシステムである。本実施形態では、社会データ予測システム１３は、一例として、電力事業分野において、過去の電力需要の実績量や気象要素の観測値などに基づいて、将来の所定期間の電力需要量値などの予測を可能にするシステムであるとする。

予測モデル同定部７は、予測対象標本データ１１６、気象要素標本データ１１７および他因子標本データ１１８を入力データとして同定した予測モデルに応じた予測値算出部９を作成する。

予測対象標本データ１１６とは、予測対象の過去の観測値を記憶したデータである。予測対象とは、例えばある電力会社管内の電力の消費データなどである。気象要素標本データ１１７とは、気温や湿度など気象要素の過去の観測値を記憶したデータである。他因子標本データ１１８とは、予測対象の値の増減に影響を及ぼす、気象要素以外の各種因子の過去の観測値が記憶されたデータである。気象要素以外の各種因子とは、年月日、曜日、祝日を示すフラグ値などの暦日データ、台風やイベントなどの突発事象の発生有無を示すデータ、エネルギーの消費者数、産業動向や景況指数などの経済状況を示すデータ、などである。また、他因子標本データ１１８は、前述の予測対象の過去の観測データそのものや、それを統計処理したデータなども含む。

予測モデル同定部７は、予測モデルの同定手法として、本実施形態では公知のニューラルネットワーク手法と自己回帰和分移動平均手法を用いる。予測対象標本データ１１６、気象要素である気温および湿度、ならびに他因子に分類した年月日、曜日、祝日を示すフラグ値の暦日データを用い、ニューラルネットワーク手法を適用して、予測値算出部９Ａを作成する。一方、予測モデル同定部７は、予測対象標本データ１１６を用い、自己回帰和分移動平均手法を適用して、予測値算出部９Ｂを作成する。多くの場合、予測値算出部９Ａの方が予測値算出部９Ｂよりも予測誤差は小さい。ただし、予測値算出部９Ａにおいて、気象要素が予測対象の予測値に及ぼす影響が大きく、かつ気象要素の予測誤差が予測対象の予測誤差に及ぼす影響が大きく、かつ気象要素の予測誤差が大きいとき、予測値算出部９Ｂの方が、予測誤差が小さくなる場合が多い。

予測モデル切替部８は、不確実性評価データ１１５（本実施形態ではフラグ値）に応じて、予測値算出部９Ａを用いるか、予測値算出部９Ｂを用いるかを切り替える。

予測値算出部９Ａは、予測対象期間に相当する他因子データ１１９と、予測値である時系列気象要素データ１１１を用いて、予測対象の予測データを演算作成する。予測値算出部９Ｂは、他因子データ１１９を用いて、予測対象の予測データを演算作成する。社会データ予測システム１３は、予測対象期間中の予測演算を繰り返し、最終的に、予測値算出部９Ａと予測値算出部９Ｂが出力したそれぞれの予測対象の予測データを統合して、予測対象データ１２０を作成し、他システムや出力装置へ出力する。

（１－４）社会データ予測システム１３の処理
図５は、実施形態１に係る社会データ予測システムの処理例を示すフローチャートである。上述のように、実施形態１に係る社会データ予測システム１３は、例として電力需要予測を行うシステムである。

先ず、ステップＳ３１１では、予測モデル同定部７は、入力された予測対象標本データ１１６、気象要素標本データ１１７および他因子標本データ１１８をもとに予測値算出部９Ａと予測値算出部９Ｂを作成する。次に、ステップＳ３１２では、予測モデル切替部８は、入力された不確実性評価データ１１５をもとに、予測対象の予測データの演算生成の際に使用する予測値算出部９を決定する。

次に、ステップＳ３１３では、ステップＳ３１２で使用すると決定された予測値算出部９は、入力された予測対象の予測データの演算生成に必要な時系列気象要素データ１１１や他因子データ１１９を用いて、予測対象の予測データを演算作成する。次に、ステップＳ３１４では、ステップＳ３１２で使用すると決定された予測値算出部９は、予測対象期間に対して、ステップＳ３１２とステップＳ３１３を繰り返し、予測対象期間中の予測対象の予測データを演算作成する。

最後にステップＳ３１５では、社会データ予測システム１３は、予測値算出部９によるステップＳ３１２およびステップＳ３１３の繰り返し処理によって演算生成された予測対象期間中の各予測対象の予測データを統合して予測対象データ１２０を作成する。

なお、本実施形態では、２種類の予測値算出部９Ａおよび予測値算出部９Ｂを例示したが、これに限らず、１種類または３種類以上の予測値算出部を作成し、用いてもよい。１種類の予測値算出部の場合には、例えば、予測モデルを切り替える代わりに、不確実性指標データ１１３に応じて時系列気象要素データ１１１を重み付けして用いてもよい。

また、予測モデルの同定手法は、上述したものに限らず、他の公知の手法を用いてもよい。例えば、重回帰モデルなどの線形回帰モデルやロジスティック回帰などの一般化線形モデルなどの線形性を仮定する手法、Ｒｉｄｇｅ回帰、Ｌａｓｓｏ回帰、ＥｌａｓｔｉｃＮｅｔなどの縮小推定器を利用する手法、部分最小二乗法や主成分回帰などの次元縮退器を利用する手法、多項式を用いた非線形モデル、あるいはサポートベクトル回帰、回帰木、ガウス過程回帰などの手法である。

（２）実施形態２
（２－１）後処理および不確実性評価システム１２Ｂの構成
次に、図６～図８を参照して、実施形態２を説明する。図６は、実施形態２に係る後処理および不確実性評価システム１２Ｂの構成例を示すブロック図である。図６は、実施形態１に係る後処理および不確実性評価システム１２のより詳細な構成例として、実施形態２に係る後処理および不確実性評価システム１２Ｂの構成例を示す。

後処理および不確実性評価システム１２Ｂは、入力データとして、時系列気象場データ１０６を用いる。時系列気象場データ１０６は、３次元的な配列の格子点上にある、複数の気象要素から構成される。実施形態２では、気象要素は、例えば地上気温である。

気象場後処理システム４は、入力された時系列気象場データ１０６をもとに、時系列気象要素データ１１１を演算し出力する。このとき、時系列気象要素データ１１１の時間解像度は、数分以下になるように設定する。

数時間スケール変化分散性演算部３１は、時系列気象要素データ１１１をもとに、分散性データ１３３を演算し出力する。数時間スケール変化分散性演算部３１は、実施形態１の不確実性演算部５を具体化したものである。数時間スケール変化分散性演算部３１の処理について、詳細に説明する。

先ず、図７を参照して、気象の数値解析の特徴を説明する。図７は、仮想的な一日の地上気温の時間変化の解析値４０１と観測値４０２を示すグラフである。気象の数値解析の解析モデルが対象とする気象現象の水平スケールは範囲が広く、比較的高解像度かつ気象現象に対する忠実性が高いメソスケールモデルと呼ばれる解析モデルを用いた場合でも、対象とする気象現象の水平スケールは約１０～数１０００ｋｍであり、時間スケールにすると数時間～数日である。

数時間～数日よりも水平・時間スケールが小さい乱流や雲のミクロな挙動などの現象は、パラメータを用いてモデル化されており、これらの影響が大きいときは、解析の確実性が比較的低下する。また、対象とするスケールから相対的に見ると、気象配置が数ｋｍ・数時間程度ズレることは微小な誤差であり、避け難い。そのため、気象要素の時間変化が、数時間以下のスケールで急変していることが確認されたときは、解析の不確実性が高いと考えられる。

図７に例示した地上気温の解析値４０１は、観測値４０２に対して、時刻１２：００前の急激な温度上昇の開始時刻が数時間程度遅れたものとなっており、時刻１２：００後は比較的短時間内での増減の繰り返しが発生している。前述したとおり、このような数時間以下のスケールでの急変が気象要素の時間変化に見られたときは、解析の不確実性が高いと考えられ、大きな予測誤差の原因になり得る。

そこで、本実施形態では、数時間スケール変化分散性演算部３１は、地上気温の数時間スケール内で任意の気象要素に関する時間変化の分散性を演算する。図８は、仮想的な地上気温の解析値４０１と、この解析値４０１を前後数時間（例えば３時間）を区間として移動平均した移動平均値４０３を示すグラフである。

図８に示すような解析値４０１、移動平均値４０３、下記式（１）および式（２）を用いて、任意の時刻ｔにおける指標である分散性データ１３３を演算生成する。下記式（２）においては、前述した時間ズレの発生を考慮するため、前後の所定時間（例えば１～２時間）内での分散性データの最大値を指標としている。

ここで、Ｎ：所定時間（例えば約１時間）の区間中に含まれるデータ数、Ｔ（ｔ_ｉ）：当該区間中の時刻ｔ_ｉにおける地上気温、Ｔ（ｔ_ｌ）￣：地上気温の移動平均値である。

ここで、σ２（ｔ）^２：上記式（１）で算出した時刻ｔにおけるσ２^２、Ｓ：時刻ｔにおける分散性データ、ｔ_１：ｔの１～２時間前の時刻、ｔ_２：ｔの１～２時間後の時刻である。

図６の説明に戻る。不確実性評価部３２は、過去分析結果などから作成した閾値を格納した閾値データベース１３４を参照し、上記式（２）で算出された分散性データ１３３を閾値判定する。不確実性評価部３２は、分散性データ１３３を閾値判定することで時系列気象要素データ１１１の不確実性の許容可否を評価する。そして、不確実性評価部３２は、不確実性の許容可否を表す不確実性フラグデータ１３５を生成する。不確実性フラグデータ１３５は、例えば、許容可の不確実性を０、許容不可の不確実性を１とする。後処理および不確実性評価システム１２Ｂは、時系列気象要素データ１１１に分散性データ１３３および不確実性フラグデータ１３５を付加して、他システムや出力装置へ出力する。

（２－２）他システムの構成
本実施形態において、再解析システム１１および社会データ予測システム１３は、実施形態１と同様である。

（３）実施形態３
（３－１）後処理および不確実性評価システム１２Ｃの構成
次に、図９を参照して、実施形態３を説明する。図９は、実施形態３に係る後処理および不確実性評価システム１２Ｃの構成例を示すブロック図である。図９は、実施形態１に係る後処理および不確実性評価システム１２のより詳細な構成例として、後処理および不確実性評価システム１２Ｃの構成例を示す。

後処理および不確実性評価システム１２Ｃは、入力データとして、再解析システム１１によって再解析された少なくとも２種類の時系列気象場データ１０６（１０６ａ、１０６ｂ）と、入力気象場データ１０１を用いる。時系列気象場データ１０６ａ、１０６ｂは、図２を用いて前述したように、使用した格子データ１０３が異なる。後処理および不確実性評価システム１２Ｃの処理の最終結果は、格子データ１０３の格子寸法が最小のときの時系列気象場データ１０６ａである。実施形態３では、気象要素は、例えば地上気温である。

気象場後処理システム４は、これらの入力データをもとに、時系列気象要素データ１１１（１１１ａ、１１１ｂ）と、時系列気象要素データ１１２をそれぞれ出力する。

データ群分散性演算部４１は、時系列気象要素データ１１１ａ、１１１ｂおよび１１２を用いて、同一時刻（時刻ｔ）かつ同一地点における地上気温の平均値Ｔ_ａとその標準偏差σ３を下記式（３）および式（４）から推定演算する。そして、データ群分散性演算部４１は、正規分布性を仮定して、確率密度分布ｐ（ｔ）を表す下記式（５）から、分散性データ１４３として、時系列気象要素データ１１１ａの確率データを演算生成する。データ群分散性演算部４１は、実施形態１の不確実性演算部５を具体化したものである。

ここで、Ｔ_ａ（ｔ）：同一時刻（時刻ｔ）かつ同一地点における地上気温平均値、Ｎ：時系列気象要素データの数（本実施形態では時系列気象要素データ１１１ａ、１１１ｂ、１１２の３つであるためＮ＝３）、Ｔ（ｔ,ｊ）：参照符号がｊの時系列気象場データに含まれる時刻ｔかつ同一地点における地上気温である。

ここで、Ｎ：上記式（３）と同様、Ｔ（ｔ_ｉ）：参照符号がｊの時系列気象場データの時刻ｔにおける地上気温、Ｔ（ｔ_ｌ）￣：地上気温の移動平均値である。

ここで、σ３（ｔ）^２：上記式（４）で算出した時刻ｔにおけるσ３^２である。

図９の説明に戻る。不確実性評価部４２は、過去の地上気温の数値予測誤差と分散性データとの相関などから生成した分散性データの閾値リストを格納した閾値データベース１４４を参照し、上記式（５）で算出された分散性データ１４３を閾値判定する。不確実性評価部４２は、分散性データ１４３を閾値判定することで時系列気象要素データ１１１の不確実性のランクを評価する。そして、不確実性評価部４２は、不確実性のランクを表す不確実性ランクデータ１４５を生成する。不確実性ランクデータ１４５は、例えば、分散性データ１４３を複数の閾値で判定した結果に基づいて、不確実性のランクを数段階で表す。本実施形態における後処理および不確実性評価システム１２Ｃは、時系列気象要素データ１１１ａに、分散性データ１４３と不確実性ランクデータ１４５を付加して、他システムや出力装置へ出力する。

なお、本実施形態では、入力気象場データ１０１内の任意の緯度経度の１地点における任意の気象要素の分散性データ１４３を演算生成しているが、解析領域内の複数地点における各分散性データ１４３を用いた評価（例えば最大値を評価するなど）をしてもよい。また、解析領域全体のマクロな不確実性を評価するために、全格子点について任意の気象要素の分散性データを各々演算生成して評価に用いてもよい。

また、本実施形態では、地上気温（気象要素）に関する複数データ群（本実施例では時系列気象要素データ１１１ａ、１１１ｂ、１１２）からの分散性の評価を実施しているが、実施形態２で前述した数時間スケール変化に関する複数データ群からの分散性の評価を実施してもよい。

また、本実施形態では、分散性データ１４３として確率データのみを出力しているが、平均値（期待値）データや標準偏差値データを共に出力してもよく、後段のシステムで、これらのデータを時系列気象要素データ１１１に代えて用いてもよい。

（３－２）他システムの構成
本実施形態において、再解析システム１１および社会データ予測システム１３は、実施形態１と同様である。

（４）実施形態４
（４－１）後処理および不確実性評価システム１２Ｄの構成
次に、図１０～図１２を参照して、実施形態４を説明する。図１０は、実施形態４に係る気象数値解析システム１０の運用スケジュールにおいて発生する解析対象期間の重複期間の例を示す図である。気象機関が実施する気象予報においては、時々刻々と追加収集した観測データを、データ同化と呼ばれる技術を用いて解析に取り込み、一定時間間隔（例えば６時間ごと）をおいて、初期値データを修正した解析と予報を繰り返している。

本実施形態では、数値解析の堅牢性向上のため、直近の観測データを取り込んだ気象データを一定時間間隔（例えば１２時間ごと）で入手し、気象数値解析を繰り返す。また、各々の気象データに対して所定期間（例えば３日先）までの気象数値解析を実行する。

図１０の例では、第Ｎ日１３：００に入手した計算開始時間が第Ｎ日１２：００の入力気象場データ１０１に対して３日先の第Ｎ＋３日１３：００まで気象数値解析を実行する（解析対象期間４０４－１）。同様に、第Ｎ＋１日１：００に入手した計算開始時間が第Ｎ＋１日０：００の入力気象場データに対して３日先の第Ｎ＋４日１：００まで気象数値解析を実行する（解析対象期間４０４－２）。同様に、第Ｎ＋１日１３：００に入手した計算開始時間が第Ｎ＋１日１２：００の入力気象場データに対して３日先の第Ｎ＋５日１３：００まで気象数値解析を実行する（解析対象期間４０４－３）。

このとき、初期値データが異なる複数の数値解析の解析対象期間内に重複区間が存在する。例えば、図１０に示すように、３ケースの解析サイクルを対象としたときには、解析対象期間４０４－１～４０４－３内に約２日（第Ｎ＋１日１３：００～第Ｎ＋３日１３：００）の重複区間が存在する。入力気象場データ１０１の計算開始時間を基準とすると、第Ｎ＋１日１２：００～第Ｎ＋３日１２：００の重複区間が存在することになる。

図１１は、実施形態４に係る後処理および不確実性評価システム１２Ｄの構成例を示すブロック図である。図１１は、実施形態１に係る後処理および不確実性評価システム１２のより詳細な構成例として、後処理および不確実性評価システム１２Ｄの構成例を示す。また、図１２は、実施形態４に係る再解析システムと、後処理および不確実性評価システムの処理例を示すフローチャートである。図１１に示すように、本実施形態は、入力データが異なる以外、実施形態２と同様である。なお、再解析システム１１および社会データ予測システム１３は、前述した実施形態１のものと同様である。実施形態４では、気象要素は、例えば地上気温である。

図１２に示すように、先ず、ステップＳ３２１では、再解析システム１１は、第Ｎ日１３：００に、入力気象場データ１０１Ａとして、計算開始時間が第Ｎ日１２：００の気象機関の予報データの入力を受け付け、７２時間（３日）先までの気象数値解析を実行して時系列気象場データ１０６Ａを演算生成する。

次に、ステップＳ３２２では、再解析システム１１は、第Ｎ＋１日１：００に、入力気象場データ１０１Ｂとして、計算開始時間が第Ｎ＋１日０：００の気象機関の予報データの入力を受け付け、７２時間先までの気象数値解析を実行して時系列気象場データ１０６Ｂを演算生成する。

次に、ステップＳ３２３では、再解析システム１１は、第Ｎ＋１日１３：００に、入力気象場データ１０１Ｃとして、計算開始時間が第Ｎ＋１日１２：００の気象機関の予報データの入力を受け付け、７２時間先までの気象数値解析を実行して時系列気象場データ１０６Ｃを演算生成する。

次に、ステップＳ３２４では、再解析システム１１は、入力気象場データ１０１Ａ～１０１Ｃと時系列気象場データ１０６Ａ～１０６Ｃ中の共通時間帯である第Ｎ＋１日１２：００～第Ｎ＋３日１２：００のデータを後処理および不確実性評価システム１２Ｄへ入力する。

最後に、ステップＳ３２５では、後処理および不確実性評価システム１２Ｄは、時系列気象場データ１０６Ｃから得た第Ｎ＋１日１２：００～第Ｎ＋３日１２：００の時系列気象要素データ１１１Ｃに、分散性データ１４３と不確実性ランクデータ１４５を追加して出力する。

このように後処理および不確実性評価システム１２Ｄには、解析条件や環境もしくは初期値データが異なる、３種類の時系列気象場データ１０６Ａ～１０６Ｃと、３種類の入力気象場データ１０１Ａ～１０１Ｃの合計６種類のデータが入力される。通常のアンサンブル予測においては、ランダムな摂動を与えられたデータが入力されることが多いが、本実施形態では、そのときどきの条件下で根拠を持った数値解が入力されるため、これらの入力データから導かれる不確実性評価データの妥当性がより高くなる場合がある。

なお、本実施形態では、後処理および不確実性評価システム１２Ｄには、６種類の時系列気象場データが入力されるとしたが、これに限られず、複数種類であれば何れでもよい。

（４－２）他システムの構成
本実施形態において、再解析システム１１および社会データ予測システム１３は、実施形態１と同様である。

（５）実施形態５
（５－１）設定修正判定部１４の構成
図１３は、実施形態５に係る再解析システム１１、後処理および不確実性評価システム１２、ならびに設定修正判定部１４を含む気象数値解析システム１０Ｅの構成例を示すブロック図である。図１３に示す気象数値解析システム１０Ｅは、実施形態１の気象数値解析システム１０に、設定修正判定部１４が追加された構成となっている。

設定修正判定部１４には、時系列気象要素データ１１１、不確実性指標データ１１３、不確実性評価データ１１５および予め定められた期限時刻が格納された運用時間データ１２１が入力される。運用時間データ１２１は、気象数値解析システム１０Ｅの運用計画データの一例である。

設定修正判定部１４は、運用時間データ１２１に格納されている予め定められた期限時刻までの残り時間を算出し、再度解析を実施する時間余裕がある上で、不確実性指標データ１１３もしくは不確実性評価データ１１５が許容値を満足しない場合、設定値データ１０８～１１０を修正変更し、再度、再解析システム１１と後処理および不確実性評価システム１２を実行させる。設定値データ１０８～１１０の修正変更は、例えば、エアロゾル（気体中に浮遊する粒子）の量や人工排熱量、モデル係数などを増減させることで行う。

他方、設定修正判定部１４は、不確実性指標データ１１３および不確実性評価データ１１５が許容値を満足した場合には、図１３中には図示していないが、入力された時系列気象要素データ１１１、不確実性指標データ１１３および不確実性評価データ１１５をそのまま、他システムや出力装置へ出力する。

（５－２）他システムの構成
本実施形態において、再解析システム１１と社会データ予測システム１３は、実施形態１と同様である。また、本実施形態において、後処理および不確実性評価システム１２は、実施形態２～４の何れかと同じものを用いている。

（６）実施形態６
（６－１）意思決定支援システム１５の構成
図１４は、実施形態６に係る意思決定支援システム１５の構成例を示すブロック図である。意思決定支援システム１５は、公開予報不確実性評価部１６と、行動基準データベース１２５とを備える。公開予報不確実性評価部１６には、公開気象予報データ１２２、時系列気象要素データ１１１、不確実性指標データ１１３および不確実性評価データ１１５が入力される。

公開気象予報データ１２２とは、システムを実行する時点で気象機関（例えば各国気象庁）が公開している公開気象予報データである。このとき、入力データは、例えば１週間先までの予測データを含む。本実施形態においては、不確実性指標データ１１３は、実施形態２または実施形態３で前述したものと同様に、時系列気象要素データ１１１の確率データである。

公開予報不確実性評価部１６は、公開気象予報データ１２２の不確実性を評価する。公開気象予報データ１２２の予測値と時系列気象要素データ１１１の予測値の差が所定範囲内であり、不確実性指標データ１１３の確率値が所定より小さい場合、もしくは公開気象予報データ１２２の予測値と時系列気象要素データ１１１の予測値の差が所定範囲外であり、不確実性指標データ１１３の確率値がそれぞれ所定より大の場合を考える。この場合、公開予報不確実性評価部１６は、公開気象予報データ１２２が外れる可能性が高いとして、公開予報不確実性評価値データ１２３（例えば、公開気象予報データ１２２と時系列気象要素データ１１１の差分値、および不確実性指標データ１１３の確率値）を、他システムや出力装置へ出力する。

このように、数日～１週間程度先の公開気象予報データが外れる不確実性を事前に把握できることで、気象に影響を受ける行動に対する将来的な意思決定を支援することが出来る。例えば、前述した様に、電力を供給する発電に関わり、日時変動する電力需要などを解析し、翌日や１週間先など、さまざまな指定時間（時間断面）の需要を予測し、予測結果によって発電運用や、市場での電力の売買取引が行われる。

一般的に、電力需要などの解析予測では、気温等の気象要素の予測値が用いられ、気象の予測値として、気象機関が公開する公開気象予報データが用いられる。気象機関の公開気象予報データをもとにした電力需要量が、発電量に対して少なく、仮にその公開気象予報データの不確実性が高ければ、余剰だと予測していた電力を事前の（例えば１週間前の）市場取引で安価に確保しておく。これにより、実際には電力が不足することが（例えば前日に）判明したときに、電力需給のバランスを効率的に保つことが出来る場合がある。

このような行動基準は、行動基準データベース１２５に格納されている。公開予報不確実性評価部１６は、公開気象予報データ１２２が外れる可能性が高い場合に、この行動基準を参照して、公開予報不確実性評価値データ１２３に応じてどのように行動することが推奨されるかという行動指標データ１２４を生成して出力する。また、電力以外にも、気象に影響を受ける経済的な指標として、屋外イベントの動員数や、飲料製品の売り上げなどがあり、気象予測の不確実性を事前に考慮できるようになれば、損失を省く効率的な行動が可能となる。

なお、本実施形態では用いていないが、過去データを反映してランク付けした不確実性評価データ１１５を前述の行動基準に用いてもよい。

（６－２）他システムの構成
本実施形態において、再解析システム１１は実施形態１と同様である。後処理および不確実性評価システム１２は実施形態２～４の何れかと同様である。さらに実施形態５の設定修正判定部１４を本実施形態に追加して用いてもよい。

（７）実施形態７
（７－１）社会データ予測システム１３Ｇの構成
図１５は、実施形態７に係る社会データ予測システム１３Ｇの構成例を示すブロック図である。図１５は、実施形態１に係る社会データ予測システム１３の他の実施形態である。実施形態１との違いを以下に説明する。

社会データ予測システム１３Ｇでは、入力データとして、気象要素同定検証データ１１７Ｇおよび１１７Ｇ２が用いられている。気象要素同定検証データ１１７Ｇは、実施形態１の気象要素標本データ１１７と同一のものである。気象要素同定検証データ１１７Ｇ２は、気象要素同定検証データ１１７Ｇに変化を加えたデータである。本実施形態において、気象要素とは（地上）気温である。気象要素同定検証データ１１７Ｇ２は、気象要素同定検証データ１１７Ｇの気温値を数Ｋ変化させたものである。

予測値算出部９Ａは、気象要素同定検証データ１１７Ｇを入力とし、このときの予測対象データの予測値１６２を演算出力する。気象要素影響検証部６１は、入力される予測対象データの予測値１６２と予測対象標本データ１１６を比較し、予測誤差を演算する。気象要素同定検証データ１１７Ｇ２を用いても予測誤差が大きいときは、予測誤差が気象要素に依存しておらず、気象要素の影響が小さいとして、そのときの月日と時刻のデータを影響小日時データ１６１として出力する。

さらに、予測値算出部９Ａは、気象要素同定検証データ１１７Ｇ２を入力とし、このときの予測対象データの予測値１６２Ｂを演算出力する。気象要素影響検証部６１では、予測対象データの予測値１６２から予測対象データの予測値１６２Ｂへの増減率を演算し、その増減率が所定の値（例えば１０％）よりも小さいとき、気象要素の影響が小さいとして、そのときの月日と時刻のデータも影響小日時データ１６１として出力する。

予測モデル切替部Ｂ６２は、影響小日時データ１６１に格納された月日・時刻においては、予測値算出部９Ｂを用い、それ以外の月日・時刻においては、予測値算出部９Ａを用いるように切り替える。

なお、本実施形態では、予測モデルを切り替える代わりに、時系列気象要素データ１１１に重み付けを施し、その重み付け値を大小変化させてもよい。

（７－２）他システムの構成
本実施形態において、再解析システム１１は、実施形態１と同じものである。後処理および不確実性評価システム１２は、実施形態２～４の何れかと同じものを用いている。さらに実施形態５の設定修正判定部１４を本実施形態に追加して用いてもよい。

（８）実施形態８
（８－１）再解析システム１１Ｈの構成
図１６は、実施形態８に係る再解析システム１１Ｈの構成例を示すブロック図である。
再解析システム１１Ｈは、実施形態１の再解析システム１１の他の実施形態である。実施形態１との違いは、公知のデータ同化システム５１が追加された点である。データ同化システム５１は、時系列気象場データ１０６と観測値データ１５１などを入力とし、それらの差分を最小化するように初期値データ１０４を修正する修正量データ１５２を出力する。その後、再解析システム１１Ｈの気象数値解析ソルバ３は、修正量データ１５２を用いて修正された初期値データ１０４を用いて、再々度、気象数値解析を実行し、データ同化後の時系列気象場データ１５６を演算生成する。

なお、本実施形態に係るデータ同化システム５１は、３次元変分法と呼ばれる手法を用いるが、同じく公知の４次元変分法で代用してもよい。

（８－２）他システムの構成
本実施形態において、後処理および不確実性評価システム１２は、実施形態２～４の何れかと同様である。また、実施形態５の設定修正判定部１４を追加して用いてもよい。社会データ予測システム１３は、実施形態１～７の何れかと同様である。もしくは、社会データ予測システム１３に代えて、実施形態６と同様の意思決定支援システム１５を用いてもよい。

（９）データ管理システム２０１の構成
図１７は、実施形態１～８を実現するデータ管理システム２０１の構成例を示す概略図である。図１７を参照して、実施形態１～８に係る気象数値解析システム１０を含む予測対象データ生成システム１Ｓを実現するハードウェア構成を説明する。

データ管理システム２０１は、計算機システム２１０、情報入出力端末２０４、データ受信装置２０５、およびデータ観測装置２０６、データ配信装置から構成される。計算機システム２１０は、計算機装置２０２と、データ管理装置２０３とから構成される。通信経路２０８は、例えばＬＡＮ（Local Area Network）やＷＡＮ（Wide Area Network）であり、データ管理システム２０１を構成する各種装置および端末を互いに通信可能に接続する通信経路である。また、データ受信装置２０５は、通信経路２０８を介して、インターネット２０９に接続される。

データ管理装置２０３は、再解析システム１１、後処理および不確実性評価システム１２、社会データ予測システム１３、設定修正判定部１４および意思決定支援システム１５の入出力データと中間生成データを記憶する。

計算機装置２０２は、データ管理装置２０３を用いて計算処理を実施する。情報入出力端末２０４は、計算機装置２０２、データ管理装置２０３へのデータ入出力、これら装置が記憶しているデータの表示、処理命令を行う。計算機装置２０２が備える計算機システムは複数存在してもよい。計算機装置２０２は、デスクトップ型などの汎用パーソナルコンピュータでも専用の計算機サーバでもよい。計算機装置２０２は、複数の計算機システムを備えていてもよい。図示はしないが、本実施形態では、計算機装置２０２は、例えば、汎用パーソナルコンピュータと計算機サーバの２種類の計算機システムを備えている。

例えば、計算機装置２０２は、演算処理の負荷が高い再解析システム１１内の演算処理を、計算機サーバを専用に用いて実施し、その他の後処理および不確実性評価システム１２、社会データ予測システム１３、意思決定支援システム１５および設定修正判定部１４の演算処理を、汎用パーソナルコンピュータを用いて実施する。あるいは、後処理および不確実性評価システム１２を、前段の気象場後処理システムと、後段の不確実性評価システムとに分離し、計算機サーバを用いて気象場後処理システムの演算処理を実施し、汎用パーソナルコンピュータを用いて不確実性評価システムの演算処理を実施してもよい。このように、再解析システム１１を計算機サーバへ実装し、後処理および不確実性評価システム１２と社会データ予測システム１３とを計算機サーバおよび汎用パーソナルコンピュータの何れへ実装するは、実装効率や処理効率の観点から、適宜変更可能である。

データ受信装置２０５は、インターネット２０９に接続して、気象機関などが作成する気象データ（例えば入力気象場データ１０１）や地形データ１０２などを受信し、記憶する。その後、データ受信装置２０５は、記憶したデータをデータ管理装置２０３に送信する。

データ観測装置２０６は、実施形態８において用いる気象要素などの観測値データを計測し、データ配信装置２０７またはデータ管理装置２０３に送信する。データ配信装置２０７は、データ観測装置２０６から受信したデータを記憶し、データ管理装置２０３に送信する。

（１０）実施形態６～８における全体処理フロー
図１１、１３、１４、１５、１６、１７および１８を参照して、実施形態６～８における予測対象データ生成システム１Ｓの全体的な処理手順を説明する。図１８は、実施形態６～８に係る予測対象データ生成システム１Ｓの処理例を示すフローチャートである。

図１８に示す処理は、情報入出力端末２０４を用いた処理開始命令の入力操作の受け付け、もしくは情報入出力端末２０４を用いてあらかじめ設定した実行開始時刻に至ることを契機として開始する。

先ず、ステップＳ３００では、データ受信装置２０５は、インターネット２０９に接続して地形データ１０２を受信し、データ管理装置２０３に記憶する。続いて、ステップＳ３０１では、データ受信装置２０５は、インターネット２０９に接続して入力気象場データ１０１を受信し、データ管理装置２０３に記憶する。

続いて、ステップＳ３０２では、データ観測装置２０６は、観測値データ１５１を受信し、データ管理装置２０３に記憶する。続いて、ステップＳ３０３では、再解析システム１１は、受信した入力気象場データ１０１、地形データ１０２、観測値データ１５１および作成した設定値データ１０８、１０９、１１０を用いて、再解析を実施し、時系列気象場データ１５６を生成する。続いて、ステップＳ３０４では、データ観測装置２０６および再解析システム１１は、一定時間間隔（例えば１２時間ごと）をおいて、ステップＳ３０１～Ｓ３０３を所定回数（例えば２回）繰り返す。

続いて、ステップＳ３０５では、後処理および不確実性評価システム１２は、入力気象場データ１０１と時系列気象場データ１０６を用いて、後処理および不確実性評価を実施し、時系列気象要素データ１１１（時系列気象要素データ）と、各時系列気象要素データ１１１に対応する時系列の分散性データ１４３（不確実性指標データ）と不確実性ランクデータ１４５（不確実性評価データ）を生成する。

続いて、ステップＳ３０６では、設定修正判定部１４は、時系列気象要素データ１１１、不確実性指標データ１１３、不確実性評価データ１１５、および運用時間データ１２１を用いて、設定修正判定処理を実施する。そして、設定修正判定部１４は、設定修正が必要と判断された場合は、設定値データ１０８、１０９、１１０を修正する。そして、再解析システム１１は、入力気象場データ１０１、地形データ１０２、観測値データ１５１および修正された設定値データ１０８、１０９、１１０を用いて、再解析を再度実施し、時系列気象場データ１５６を再生成する（ステップＳ３０３の再実行）。また、後処理および不確実性評価システム１２は、入力気象場データ１０１と再生成された時系列気象場データ１０６を用いて、後処理および不確実性評価を実施し、時系列気象要素データ１１１と、分散性データ１４３と不確実性ランクデータ１４５を再生成する（ステップＳ３０５の再実行）。

一方、設定修正判定部１４は、設定修正が不要と判断された場合は、ステップＳ３０７ＡまたはＳ３０７Ｂへ処理を移す。

以降のステップからは、社会データ予測システム１３を使用するか意思決定支援システム１５を使用するかの何れかを選択して処理を実行する。

先ず、社会データ予測システム１３を使用するフローに関して説明する。

ステップＳ３０７Ａでは、データ受信装置２０５は、予測対象標本データ１１６、気象要素同定検証データ１１７Ｇ、１１７Ｇ２および他因子標本データ１１８を受信し、データ管理装置２０３に記憶する。続いて、ステップＳ３０８Ａでは、社会データ予測システム１３Ｇは、入力データ群を用いて、予測対象データ１２０を生成する。

次に、意思決定支援システム１５を使用するフローに関して説明する。

ステップＳ３０７Ｂでは、データ受信装置２０５は、公開気象予報データ１２２を受信し、データ管理装置２０３に記憶する。続いて、ステップＳ３０８Ｂでは、意思決定支援システム１５は、入力データ群を用いて、公開予報不確実性評価値データ１２３と行動指標データ１２４を生成する。

以上のステップＳ３０８ＡおよびＳ３０８Ｂで生成されたデータは、データ管理装置２０３に記憶され、処理が終了する。なお、処理途中で生成されるデータは生成後の適時に、情報入出力端末２０４に結果出力される。

（１１）計算機装置２０２のハードウェア構成
図１９は、計算機装置２０２のハードウェア構成例を示す図である。予測対象データ生成システム１Ｓを実現するコンピュータ５００では、ＣＰＵに代表される演算装置５３０、ＲＡＭ等のメモリ５４０、入力装置５６０および出力装置５７０が、メモリコントローラ５５０を通して相互接続されている。コンピュータ５００において、所定のプログラムがＩ／Ｏコントローラ５２０を介してＳＳＤやＨＤＤ等の外部記憶装置５８０から読み出されて、演算装置５３０およびメモリ５４０の協働により実行されることにより、予測対象データ生成システム１Ｓが実現される。予測対象データ生成システム１Ｓを実現するためのプログラムは、頒布媒体から読み出されて取得されても、ネットワークインターフェース５１０を介した通信により外部のコンピュータから取得されてもよい。

なお、計算機装置２０２が複数の計算機システムを含む場合、各計算機システムが図１９に例示するハードウェア構成を備え、各計算機システムにおいてそれぞれの処理機能を実現する各プログラムが実行されることで、予測対象データ生成システム１Ｓが実現される。

以上、本発明の実施形態について説明したが、本発明は上記した実施形態に限定されるものではなく、様々な変形例を含む。例えば、上記した実施形態は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施形態の構成の一部を他の実施形態の構成に置き換えることが可能であり、また、ある実施形態の構成に他の実施形態の構成を加えることも可能である。また、各実施形態の構成の一部について、構成の追加、削除、置換、統合、または分散を行うことが可能である。また、実施形態で示した各構成および各処理は、処理効率または実装効率に基づいて適宜分散または統合されてもよい。

１Ｓ…予測対象データ生成システム、４…気象場後処理システム、５…不確実性演算部、６…不確実性評価部、９、９Ａ、９Ｂ…予測値算出部、１０、１０Ｅ…気象数値解析システム、１１…再解析システム、１２、１２Ｂ、１２Ｃ、１２Ｄ…後処理および不確実性評価システム、１３、１３Ｇ…社会データ予測システム、１４…設定修正判定部、１５…意思決定支援システム、１６…公開予報不確実性評価部。

Claims (10)

1. 所定間隔をおいて取得した計算開始時刻が異なる複数の入力気象数値解析データを所定の解析対象期間にわたってそれぞれ再解析して複数の気象数値解析データを生成する再解析システムと、
   前記複数の気象数値解析データに基づいて任意の箇所の任意の気象要素を演算する後処理を行って複数の気象数値予測データを生成する後処理および不確実性評価システムと、を含み、
   前記後処理および不確実性評価システムは、
   前記複数の気象数値予測データと前記複数の入力気象数値解析データとの中で解析対象期間が重複する区間のデータに基づいて前記複数の気象数値予測データの不確実性を示す不確実性指標データを生成する不確実性演算部と、
   不確実性に関する評価基準データと前記不確実性指標データとに基づいて、前記複数の気象数値予測データの不確実性の高さを評価し、該不確実性の高さを示す不確実性評価データを生成する不確実性評価部と、を備え、
   前記不確実性指標データおよび前記不確実性評価データと共に、前記複数の気象数値予測データの中の前記重複する期間に該当する１つのデータを出力する
   ことを特徴とする気象数値解析システム。
2. 前記不確実性演算部は、
   前記複数の気象数値予測データにおける前記任意の箇所および任意の時刻の前後の所定時間内での前記任意の気象要素に関する時間変化の分散性データの最大値を、前記不確実性指標データとして生成し、
   前記不確実性評価部は、
   前記評価基準データをもとに前記不確実性指標データを閾値判定した結果に基づいて、前記不確実性評価データを生成する
   ことを特徴とする請求項１に記載の気象数値解析システム。
3. 前記不確実性演算部は、
   前記複数の気象数値解析データと、前記複数の気象数値予測データにおける前記任意の箇所での前記任意の気象要素に関する分散性の指標と、に基づく該任意の気象要素の確率分布データを、前記不確実性指標データとして生成し、
   前記不確実性評価部は、
   前記評価基準データをもとに前記不確実性指標データを閾値判定した結果に基づいて、前記不確実性評価データを生成する
   ことを特徴とする請求項１に記載の気象数値解析システム。
4. 前記再解析システムは、
   前記複数の気象数値解析データのデータ同化を行うデータ同化システムを備え、
   前記データ同化システムによってデータ同化が行われた前記複数の気象数値解析データをさらに再解析する
   ことを特徴とする請求項１に記載の気象数値解析システム。
5. 前記再解析システムによる再解析に関する設定値を修正する設定修正判定部をさらに備え、
   前記設定修正判定部は、
   前記気象数値解析システムの運用計画データと、前記不確実性指標データと、前記不確実性評価データと、前記複数の気象数値予測データとに基づいて、前記設定値の修正要否を判定し、前記設定値の修正要と判定した場合に、前記設定値を修正し、
   前記再解析システムは、
   前記設定修正判定部によって修正された前記設定値に基づいて、前記複数の入力気象数値解析データをさらに再解析する
   ことを特徴とする請求項１に記載の気象数値解析システム。
6. 請求項１に記載の気象数値解析システムと、
   気象の影響を受ける社会インフラに関わる予測対象データを生成する社会データ予測システムと、を含み、
   前記社会データ予測システムは、
   前記予測対象データを生成するための少なくとも一つの予測モデルを同定する予測モデル同定部と、
   前記予測モデル同定部によって同定された予測モデルで前記予測対象データを生成する少なくとも一つの予測値算出部と、を備え、
   前記予測値算出部は、
   前記不確実性指標データもしくは前記不確実性評価データと、前記複数の気象数値予測データとに基づいて、前記予測対象データを生成する
   ことを特徴とする予測対象データ生成システム。
7. 前記社会データ予測システムは、
   複数の前記予測値算出部と、
   前記不確実性評価データに応じて、前記予測対象データを生成する前記予測値算出部を切り替える切替部と
   を備えたことを特徴とする請求項６に記載の予測対象データ生成システム。
8. 前記社会データ予測システムは、
   複数の前記予測値算出部と、
   前記予測値算出部が前記予測対象データを生成する際に受ける気象要素の影響を検証する気象要素影響検証部と、
   前記気象要素影響検証部による検証結果に応じて前記予測対象データを生成する前記予測値算出部を切り替える切替部と
   を備えたことを特徴とする請求項６に記載の予測対象データ生成システム。
9. 請求項１に記載の気象数値解析システムと、
   気象の影響を受ける行動に関する意思決定を支援する意思決定支援システムと、を含み、
   前記意思決定支援システムは、
   公開気象予報データの不確実性を評価する公開予報不確実性評価部を備え、
   前記公開予報不確実性評価部は、
   前記不確実性指標データと、前記複数の気象数値予測データとに基づいて前記公開気象予報データの不確実性評価値データを生成し、該不確実性評価値データと、気象の影響を受ける際の行動基準データもしくは前記不確実性評価データとに基づいて、推奨される行動を示す行動指標データを出力する
   ことを特徴とする予測対象データ生成システム。
10. 気象数値解析システムが行う気象数値解析方法であって、
    前記気象数値解析システムは、
    所定間隔をおいて取得した計算開始時刻が異なる複数の入力気象数値解析データを所定の解析対象期間にわたってそれぞれ再解析して複数の気象数値解析データを生成する再解析システムと、
    前記複数の気象数値解析データに基づいて任意の箇所の任意の気象要素を演算する後処理を行って複数の気象数値予測データを生成する後処理および不確実性評価システムと、を含み、
    前記後処理および不確実性評価システムが、
    前記複数の気象数値予測データと前記複数の入力気象数値解析データとの中で解析対象期間が重複する区間のデータに基づいて前記複数の気象数値予測データの不確実性を示す不確実性指標データを生成し、
    不確実性に関する評価基準データと前記不確実性指標データとに基づいて、前記複数の気象数値予測データの不確実性の高さを評価し、該不確実性の高さを示す不確実性評価データを生成し、
    前記不確実性指標データおよび前記不確実性評価データと共に、前記複数の気象数値予測データの中の前記重複する期間に該当する１つのデータを出力する
    ことを特徴とする気象数値解析方法。

Images