JPH01269136A - エキスパートシステム構築支援システム - Google Patents
エキスパートシステム構築支援システムInfo
- Publication number
- JPH01269136A JPH01269136A JP9783788A JP9783788A JPH01269136A JP H01269136 A JPH01269136 A JP H01269136A JP 9783788 A JP9783788 A JP 9783788A JP 9783788 A JP9783788 A JP 9783788A JP H01269136 A JPH01269136 A JP H01269136A
- Authority
- JP
- Japan
- Prior art keywords
- probability
- expert system
- density function
- probability density
- attribute
- 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.)
- Pending
Links
- 238000010276 construction Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 abstract description 11
- 238000001556 precipitation Methods 0.000 description 27
- 238000010586 diagram Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Devices For Executing Special Programs (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
〔概要〕
エキスパートシステムを構築するためのエキスパートシ
ステム構築支援システムに関し。
ステム構築支援システムに関し。
確率現象を扱えるエキスパートシステムを構築できるよ
うにすることを目的とし。
うにすることを目的とし。
フレームにより表現される知識ベースを構築するための
エキスパートシステム構築支援システムにおいて、fI
率重密度関数設定するための確率密度関数設定処理手段
を備えるよう構成し、この確率密度関数設定処理手段が
、フレームをなすスロットの属性として確率密度関数を
定義するようにと構成する。
エキスパートシステム構築支援システムにおいて、fI
率重密度関数設定するための確率密度関数設定処理手段
を備えるよう構成し、この確率密度関数設定処理手段が
、フレームをなすスロットの属性として確率密度関数を
定義するようにと構成する。
本発明は、 iii率現象を扱えるエキスパートシステ
ムを構築できるようにしたエキスパートシステム構築支
援システムに関するものである。
ムを構築できるようにしたエキスパートシステム構築支
援システムに関するものである。
近年、エキスパートシステムは、専門家の推論により近
づけるために、推論制御に柔軟性をもたせるべ(あいま
いさの情報を取り扱えるようにと構成されつつある。す
なわち、あいまいな仮定のちとに推論を進め、あいまい
性を含む結果を得るようにと構成するのである。このた
めに、エキスパー1−システムを構築するためのエキス
パートシステム構築支援システムでは、事実やルール成
立の確かさを数値で表した確信度や、事実の意味自体の
あいまいさを関数で表すファジィ集合族を定義できるよ
うにとなされているのである。
づけるために、推論制御に柔軟性をもたせるべ(あいま
いさの情報を取り扱えるようにと構成されつつある。す
なわち、あいまいな仮定のちとに推論を進め、あいまい
性を含む結果を得るようにと構成するのである。このた
めに、エキスパー1−システムを構築するためのエキス
パートシステム構築支援システムでは、事実やルール成
立の確かさを数値で表した確信度や、事実の意味自体の
あいまいさを関数で表すファジィ集合族を定義できるよ
うにとなされているのである。
しかしながら、エキスパートシステムの適用対象となる
専門家の領域にあっては、確率現象を扱わなければ推論
を実現できないというものもあるのである。しかるに、
従来のエキスパートシステム構築支援システムでは、あ
いまいな情報を属性として定義できるようにはなったも
のの、このような確率現象を扱えるようにまではなされ
ていないことから、確率現象の入り込んでくるようなエ
キスパートシステムを構築できないという問題点があっ
たのである。
専門家の領域にあっては、確率現象を扱わなければ推論
を実現できないというものもあるのである。しかるに、
従来のエキスパートシステム構築支援システムでは、あ
いまいな情報を属性として定義できるようにはなったも
のの、このような確率現象を扱えるようにまではなされ
ていないことから、確率現象の入り込んでくるようなエ
キスパートシステムを構築できないという問題点があっ
たのである。
本発明はかかる事情に鑑みてなされたものであって、従
来より一歩進めて、確率現象を扱えるエキスパートシス
テムを構築できるようにしたエキスパートシステム構築
支援システムの提供を目的とするものである。
来より一歩進めて、確率現象を扱えるエキスパートシス
テムを構築できるようにしたエキスパートシステム構築
支援システムの提供を目的とするものである。
第1図は2本発明の原理構成図である。
図中、1はエキスパートシステム構築支援システムであ
って、エキスパートシステムの知識ベースを構築するた
めの開発シールとなるもの、2はエキスパートシステム
構築支援システム1が備える確率密度関数設定処理手段
であって、確率密度関数を設定するためのもの、3はフ
レームであって、エキスパートシステムの知識ベースを
表現するためのもの、4はフレーム3の確率属性スロッ
トであって、確率属性を有するスロットであるところの
もの、5は確率密度関数であって、確率属性スロットの
属性として定義されるところのものである。
って、エキスパートシステムの知識ベースを構築するた
めの開発シールとなるもの、2はエキスパートシステム
構築支援システム1が備える確率密度関数設定処理手段
であって、確率密度関数を設定するためのもの、3はフ
レームであって、エキスパートシステムの知識ベースを
表現するためのもの、4はフレーム3の確率属性スロッ
トであって、確率属性を有するスロットであるところの
もの、5は確率密度関数であって、確率属性スロットの
属性として定義されるところのものである。
本発明によれば、フレーム3のスロットとして。
確率密度関数5という確率属性を有する確率属性スロッ
ト4を定義できることになる。これから。
ト4を定義できることになる。これから。
あいまい属性を有するファジィ属性スロットを定義する
メンバーシップ関数設定処理手段を備えることで、あい
まいな情報を処理できるエキスパートシステムを構築で
きるようになるエキスパートシステム構築支援システム
に対応して、 1III率現象を処理できるエキスパー
トシステムを構築できるエキスパートシステム構築支援
システムを構成することができるようになるのである。
メンバーシップ関数設定処理手段を備えることで、あい
まいな情報を処理できるエキスパートシステムを構築で
きるようになるエキスパートシステム構築支援システム
に対応して、 1III率現象を処理できるエキスパー
トシステムを構築できるエキスパートシステム構築支援
システムを構成することができるようになるのである。
以下、実施例に従って本発明の詳細な説明する。
第2図に1本発明のエキスパートシステム構築支援シス
テムのシステム構成図を示す。図中、lがエキスパート
システム構築支援システム、10が知識ベース、11が
リレーショナルデータベース、12がファイル、13が
利用者プログラム。
テムのシステム構成図を示す。図中、lがエキスパート
システム構築支援システム、10が知識ベース、11が
リレーショナルデータベース、12がファイル、13が
利用者プログラム。
14がデイスプレィ、15がプリンタであり、そして、
20がエキスパートシステム構築支援システムlをなす
ためのホストコンピュータシステム。
20がエキスパートシステム構築支援システムlをなす
ためのホストコンピュータシステム。
30がエキスパートシステム構築支援システム1により
構築されるエキスパートシステムを利用するワークステ
ーションである。
構築されるエキスパートシステムを利用するワークステ
ーションである。
この図に示すように1本発明のエキスパートシステム構
築支援システム1は、知識管理及び推論制御を実行する
知識管理・推論制御部1aと、知識編集や知識ベース管
理を実行する開発支援部lbと、データベース検索や利
用者プログラム呼出しを実行する実行支援部1cとから
構成されるものである。この知識管理・推論制御部1a
が1本発明に特徴的な確率密度関数設定処理機能を備え
るのである。本発明のエキスパートシステム構築支援シ
ステム1は、更に実用性を高めて、あいまい事象の確率
現象を処理できるエキスパートシステムを構築できるよ
うにするために、知識管理・推論制御部1aにあいまい
さを関数で表現するためのメンバーシップ関数設定処理
機能を備えるよう構成するものである。
築支援システム1は、知識管理及び推論制御を実行する
知識管理・推論制御部1aと、知識編集や知識ベース管
理を実行する開発支援部lbと、データベース検索や利
用者プログラム呼出しを実行する実行支援部1cとから
構成されるものである。この知識管理・推論制御部1a
が1本発明に特徴的な確率密度関数設定処理機能を備え
るのである。本発明のエキスパートシステム構築支援シ
ステム1は、更に実用性を高めて、あいまい事象の確率
現象を処理できるエキスパートシステムを構築できるよ
うにするために、知識管理・推論制御部1aにあいまい
さを関数で表現するためのメンバーシップ関数設定処理
機能を備えるよう構成するものである。
次に、知識管理・推論制御部1aの備えるメンバーシッ
プ関数設定処理機能について説明する。
プ関数設定処理機能について説明する。
メンバーシップ関数とは境界があいまいな集合に対して
、ある要素がどの程度台まれているのかを示すために使
われる関数である。、メンバーシップ関数の設定処理は
、最初に、正確な数値とあいまいな表現を関連付けるた
めにファジィ集合族を定義し、続いて、知識ベースのフ
レームのスロットの有するファジィ属性(あいまい属性
)をこのファジィ集合族と関連付けるのである。ファジ
ィ集合族の具体的な定義文は3次のような記述形式をと
る。
、ある要素がどの程度台まれているのかを示すために使
われる関数である。、メンバーシップ関数の設定処理は
、最初に、正確な数値とあいまいな表現を関連付けるた
めにファジィ集合族を定義し、続いて、知識ベースのフ
レームのスロットの有するファジィ属性(あいまい属性
)をこのファジィ集合族と関連付けるのである。ファジ
ィ集合族の具体的な定義文は3次のような記述形式をと
る。
rDEFFUZZY ファジィ集合威名(RANGE
(定義域の最小値、定義域の最大値)〕〔ファジィ集合
名 関数型指定子〕 ・・・・・・・・・ ) 」ここで
、関数型指定子の一例を第3図に示すとともに、ファジ
ィ集合族の定義文の一例を第4図に示す。
(定義域の最小値、定義域の最大値)〕〔ファジィ集合
名 関数型指定子〕 ・・・・・・・・・ ) 」ここで
、関数型指定子の一例を第3図に示すとともに、ファジ
ィ集合族の定義文の一例を第4図に示す。
このようにして、ファジィ集合族を定義すると。
“5ETFUZZY命令”を用いて、スロットの有する
ファジィ属性を表すメンバーシップ関数m、(x)を、
下式に従って定義することで。
ファジィ属性を表すメンバーシップ関数m、(x)を、
下式に従って定義することで。
cf+1
m、(x)= f (x)x□
但し、 f (x) :ファジィ集合名のメンバ
ーシップ関数 c「:確信度 ファジィ属性スロットのメンバーシップ関数が定義され
ることになる。
ーシップ関数 c「:確信度 ファジィ属性スロットのメンバーシップ関数が定義され
ることになる。
確率密度関数もメンバーシップ関数と同様に。
その値が0から1の間の値をとることから3本発明では
、知識管理・推論制御部1aに、メンバーシップ関数設
定処理機能と同様の確率密度関数設定処理機能をもたせ
ることで、スロットの有する確率属性を表す確率密度関
数を定義するよう構成するのである。この確率密度関数
設定処理機能は。
、知識管理・推論制御部1aに、メンバーシップ関数設
定処理機能と同様の確率密度関数設定処理機能をもたせ
ることで、スロットの有する確率属性を表す確率密度関
数を定義するよう構成するのである。この確率密度関数
設定処理機能は。
メンバーシップ関数設定処理機能と全く別に設けること
も可能であるが、予め定義されたファジィ集合族のメン
バーシップ関数を変換2合成し、定義域を新たに指定す
るようにすることで、fil率属性スロットの確率密度
関数を定義できるようにすることも可能である。
も可能であるが、予め定義されたファジィ集合族のメン
バーシップ関数を変換2合成し、定義域を新たに指定す
るようにすることで、fil率属性スロットの確率密度
関数を定義できるようにすることも可能である。
このように1本発明では、知識管理・推論制御部1aが
、スロットの有する確率属性を表す確率密度関数を定義
できるようになることから、確率現象を処理できるエキ
スパートシステムを構築できるようになるとともに、更
に加えて、あいまい事象の確率現象を処理できるエキス
パートシステムを構築できるようになるのである。
、スロットの有する確率属性を表す確率密度関数を定義
できるようになることから、確率現象を処理できるエキ
スパートシステムを構築できるようになるとともに、更
に加えて、あいまい事象の確率現象を処理できるエキス
パートシステムを構築できるようになるのである。
次に1本発明により構築されるエキスパートシステムの
具体的利用例として、降水予測システムについて説明す
る。
具体的利用例として、降水予測システムについて説明す
る。
降水をもたらす擾乱は約1(Him類に分類されている
が実際の擾乱は、これらの複数の擾乱が混在した形で入
ってくることになり、そしてその混在にあいまいさがあ
るのである。降水現象が起こっているときの降水雲の状
態は、地上レーダエコー図や衛生写真の雲解析により1
例えば第5図のように表現できる。ここで、第5図は中
緯度トラフによる日本海低気圧の擾乱の型α型のときの
降水雲の状態をモデル化して表している。このような雲
の集団はクラウドクラスターと呼ばれ、降水を多くもた
らすA1雲(例えば積乱雲)、ある程度の降水をもたら
すA、雲、降水を少ししかもたらさないA3雲(例えば
絹雲)などからなる。
が実際の擾乱は、これらの複数の擾乱が混在した形で入
ってくることになり、そしてその混在にあいまいさがあ
るのである。降水現象が起こっているときの降水雲の状
態は、地上レーダエコー図や衛生写真の雲解析により1
例えば第5図のように表現できる。ここで、第5図は中
緯度トラフによる日本海低気圧の擾乱の型α型のときの
降水雲の状態をモデル化して表している。このような雲
の集団はクラウドクラスターと呼ばれ、降水を多くもた
らすA1雲(例えば積乱雲)、ある程度の降水をもたら
すA、雲、降水を少ししかもたらさないA3雲(例えば
絹雲)などからなる。
降水予測システムを構築するためには、過去の降水測定
データから求まる第6図に示すような。
データから求まる第6図に示すような。
A、雲、AH雲、A3雲の夫々の降水確率密度関数P+
、Pg、Psを設定していく必要がある。
、Pg、Psを設定していく必要がある。
前述したように9本発明のエキスパートシステム構築支
援システムでは確率密度関数を設定できることから、こ
のようなPiをA、雲の属性として定義できることにな
るのである。
援システムでは確率密度関数を設定できることから、こ
のようなPiをA、雲の属性として定義できることにな
るのである。
降水予測を実現するためには、降水を多くもたらすA、
雲が予報地点Zをおおう確率C1,ある程度の降水をも
たらすA2雲が予報地点Zをおおう確率C2,降水を少
ししかもたらさないA、雲が予報地点Zをおおう確率C
1を求める必要がある。このような確率Ciは、第5図
に示したようなりううドクラスターが求まれば、クラウ
ドクラスターの移動方向の各々の雲の分布面積比から求
めることができることになる。更に、降水予測を実現す
るためには、気圧配置がどの程度の確からしさでその擾
乱にあるのかということを決定していく必要がある。こ
のようなあいまいさを、予測する者の第六窓で決めてい
くことも可能であるが。
雲が予報地点Zをおおう確率C1,ある程度の降水をも
たらすA2雲が予報地点Zをおおう確率C2,降水を少
ししかもたらさないA、雲が予報地点Zをおおう確率C
1を求める必要がある。このような確率Ciは、第5図
に示したようなりううドクラスターが求まれば、クラウ
ドクラスターの移動方向の各々の雲の分布面積比から求
めることができることになる。更に、降水予測を実現す
るためには、気圧配置がどの程度の確からしさでその擾
乱にあるのかということを決定していく必要がある。こ
のようなあいまいさを、予測する者の第六窓で決めてい
くことも可能であるが。
ここでは、第7図に示すようなメンバーシップ関数を用
いて決定していくことにしてみる。第7図のメンバーシ
ップ関数は1例えばα型擾乱のあいまいさを求めるため
に作成したメンバーシップ関数である。この2つのメン
バーシップ関数を用いて1例えば気圧配置からDが50
(]Km″rPが98抛すなら、α型擾乱の確からしさ
を表す値は平均をとって0.6と求まることになる。な
お、気圧配置からDやPが複数あるようなときには、各
々の平均値を用いればよい。
いて決定していくことにしてみる。第7図のメンバーシ
ップ関数は1例えばα型擾乱のあいまいさを求めるため
に作成したメンバーシップ関数である。この2つのメン
バーシップ関数を用いて1例えば気圧配置からDが50
(]Km″rPが98抛すなら、α型擾乱の確からしさ
を表す値は平均をとって0.6と求まることになる。な
お、気圧配置からDやPが複数あるようなときには、各
々の平均値を用いればよい。
以上の説明においては、予報しようとする時点の気圧配
置が例えばα型擾乱のような1つの擾乱であることを想
定して進めてきたが、実際の気圧配置はこのような簡単
なものではなく、別の擾乱に基づくクラウドクラスター
が存在することになる。そこで、X+ 、 Xz 、
Xs 、・・・・・・XJといった同時刻に存在する様
々な気象現象から求められる各々の降水確率分布Pi、
Pz、P3.・・・・・・P。
置が例えばα型擾乱のような1つの擾乱であることを想
定して進めてきたが、実際の気圧配置はこのような簡単
なものではなく、別の擾乱に基づくクラウドクラスター
が存在することになる。そこで、X+ 、 Xz 、
Xs 、・・・・・・XJといった同時刻に存在する様
々な気象現象から求められる各々の降水確率分布Pi、
Pz、P3.・・・・・・P。
の起こる確率Cijを求める(第8図(A)に数値を例
示する)とともに、Xjの起こっている確からしさF、
を求め(第8図(B)に数値を例示する)、 この双方
の乗算処理を施すことでどの降水確率分布P!がどの程
度の確率で起こるかを求めることになる。第8図(A)
の例と第8図(B)の例との乗算処理により求まる第8
図(C)の例では、降水確率分布PIの起こる確率が0
.33.降水確率分布P2の起こる確率が0.26.降
水確率分布P3の起こる確率が0.41であることを示
している。なお、確からしさF、をメンバーシップ関数
で求めるときには、P、の起こる確率の合計値が“1”
となるようにするために、Fjの合計値がl′となるよ
うに規格化しておく必要がある。
示する)とともに、Xjの起こっている確からしさF、
を求め(第8図(B)に数値を例示する)、 この双方
の乗算処理を施すことでどの降水確率分布P!がどの程
度の確率で起こるかを求めることになる。第8図(A)
の例と第8図(B)の例との乗算処理により求まる第8
図(C)の例では、降水確率分布PIの起こる確率が0
.33.降水確率分布P2の起こる確率が0.26.降
水確率分布P3の起こる確率が0.41であることを示
している。なお、確からしさF、をメンバーシップ関数
で求めるときには、P、の起こる確率の合計値が“1”
となるようにするために、Fjの合計値がl′となるよ
うに規格化しておく必要がある。
このようにして、降水確率分布の確率が求まれば1例え
ば第6図に示すような降水確率分布Pムが3時間後の予
報を前提として決められたものならば13時間後に降水
が10mm/Hで起こる確率は。
ば第6図に示すような降水確率分布Pムが3時間後の予
報を前提として決められたものならば13時間後に降水
が10mm/Hで起こる確率は。
第6図中の破線で示す値と上述の確率の値から。
0.22X0.33+0.3 Xo、26+0.4 X
o、41=0.3146のように、 in率0.314
6と求められることになる。
o、41=0.3146のように、 in率0.314
6と求められることになる。
すなわち、3時間後にIolls/hで雨の降る確率は
31.46%という予報が出せるようになるのである。
31.46%という予報が出せるようになるのである。
このように2本発明のエキスパートシステム構築支援シ
ステムを使えば、あいまいな情報のみならず確率現象も
処理できる降水予測のエキスパートシステムを構築する
ことができることから、従来の天気予報と異なりより科
学的に天気予報が出せるようになるのである。
ステムを使えば、あいまいな情報のみならず確率現象も
処理できる降水予測のエキスパートシステムを構築する
ことができることから、従来の天気予報と異なりより科
学的に天気予報が出せるようになるのである。
なお、本発明のエキスパートシステム構築支援システム
によって構築されるエキスパートシステムは、このよう
な降水予測にその有効性が限られるものではなく1例え
ば長期予報9台風の進路予測、地震予知、保険事業関連
といったような確率現象の入り込む専門家領域に広く適
用できるのである。
によって構築されるエキスパートシステムは、このよう
な降水予測にその有効性が限られるものではなく1例え
ば長期予報9台風の進路予測、地震予知、保険事業関連
といったような確率現象の入り込む専門家領域に広く適
用できるのである。
以上説明したように1本発明によれば、確率現象を処理
できるエキスパートシステムを構築できようになるので
ある。そして1本発明はあいまい情報を取り扱えるエキ
スパートシステムを構築するためのエキスパートシステ
ム構築支援システムにも適用可能であるので、あいまい
事象の確率現象を処理できるエキスパートシステムをも
構築できるようになるのである。更に本発明によれば。
できるエキスパートシステムを構築できようになるので
ある。そして1本発明はあいまい情報を取り扱えるエキ
スパートシステムを構築するためのエキスパートシステ
ム構築支援システムにも適用可能であるので、あいまい
事象の確率現象を処理できるエキスパートシステムをも
構築できるようになるのである。更に本発明によれば。
実装されているメンバーシップ関数を利用して確率密度
関数を導入できるようになることから1確率現象を処理
できるエキスパートシステムの構築が極めて容易なもの
となるのである。
関数を導入できるようになることから1確率現象を処理
できるエキスパートシステムの構築が極めて容易なもの
となるのである。
第1図は本発明の原理構成図。
第2図は本発明のシステム構成図。
第3図はメンバーシップ関数の説明図。
第4図はファジィ集合族の定義文の説明図。
第5図は降水雲の状態の説明図。
第6図は降水確率分布の説明図。
第7図は擾乱のあいまいさを決めるためのメンバーシッ
プ関数の例の説明図。 第8図は所定の降水確率分布の起こる確率を求めるため
の説明図である。 図中、1はエキスパートシステム構築支援システム、2
は確率密度関数設定処理手段、3はフレーム、4は確率
属性スロット、5は確率密度関数。 10は知識ベース、20はホストコンピュータシステ°
ム、30はワークステーションである。 特許出廓人富士通株式会社 代理人弁理士森1)寛(外2名) 莞1図 第5図
プ関数の例の説明図。 第8図は所定の降水確率分布の起こる確率を求めるため
の説明図である。 図中、1はエキスパートシステム構築支援システム、2
は確率密度関数設定処理手段、3はフレーム、4は確率
属性スロット、5は確率密度関数。 10は知識ベース、20はホストコンピュータシステ°
ム、30はワークステーションである。 特許出廓人富士通株式会社 代理人弁理士森1)寛(外2名) 莞1図 第5図
Claims (1)
- 【特許請求の範囲】 フレーム(3)により表現される知識ベースを構築す
るためのエキスパートシステム構築支援システム(1)
において、 確率密度関数を設定するための確率密度関数設定処理手
段(2)を備えるよう構成し、 この確率密度関数設定処理手段(2)が、フレーム(3
)をなすスロットの属性として確率密度関数を定義でき
ることを 特徴とするエキスパートシステム構築支援システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP9783788A JPH01269136A (ja) | 1988-04-20 | 1988-04-20 | エキスパートシステム構築支援システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP9783788A JPH01269136A (ja) | 1988-04-20 | 1988-04-20 | エキスパートシステム構築支援システム |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH01269136A true JPH01269136A (ja) | 1989-10-26 |
Family
ID=14202829
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP9783788A Pending JPH01269136A (ja) | 1988-04-20 | 1988-04-20 | エキスパートシステム構築支援システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH01269136A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018054626A (ja) * | 2013-04-04 | 2018-04-05 | スカイ モーション リサーチ, ユーエルシーSky Motion Research, Ulc | 確率分布に基づいて降水の短時間予報を行う方法及びシステム |
-
1988
- 1988-04-20 JP JP9783788A patent/JPH01269136A/ja active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018054626A (ja) * | 2013-04-04 | 2018-04-05 | スカイ モーション リサーチ, ユーエルシーSky Motion Research, Ulc | 確率分布に基づいて降水の短時間予報を行う方法及びシステム |
JP2018066745A (ja) * | 2013-04-04 | 2018-04-26 | スカイ モーション リサーチ, ユーエルシーSky Motion Research, Ulc | 気象情報をタイムラインに表示する方法及びシステム |
JP2018163159A (ja) * | 2013-04-04 | 2018-10-18 | スカイ モーション リサーチ, ユーエルシーSky Motion Research, Ulc | 地点観測を使用して天気予報を精密化する方法及びシステム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gilbo | Airport capacity: Representation, estimation, optimization | |
Oberguggenberger et al. | Differential equations with fuzzy parameters | |
Marie | Calculating equilibrium probabilities for λ (n)/Ck/1/N queues | |
Ryoo et al. | Global optimization of multiplicative programs | |
WO2018219307A1 (zh) | 确定地理围栏的索引网格的方法和装置 | |
US6457000B1 (en) | Method and apparatus for accessing previous rows of data in a table | |
CN104156810A (zh) | 一种基于云计算的电力调度生产管理系统及其实现方法 | |
Salmon et al. | Design principles of a stream-based framework for mobility analysis | |
Matheus et al. | The (R, Q) inventory policy subject to a compound Poisson demand pattern | |
Srikant et al. | Simulation run lengths to estimate blocking probabilities | |
CN111552820A (zh) | 水工程调度数据处理方法及装置 | |
CN112948123B (zh) | 一种基于Spark的网格水文模型分布式计算方法 | |
Anno et al. | Cityoutlook: Early crowd dynamics forecast towards irregular events detection with synthetically unbiased regression | |
Madan et al. | An queue with a Bernoulli vacation schedule under restricted admissibility policy | |
Yan et al. | An improved coverage-oriented retrieval algorithm for large-area remote sensing data | |
CN110737673A (zh) | 一种数据处理的方法及系统 | |
JPH01269136A (ja) | エキスパートシステム構築支援システム | |
Vrbsky | A data model for approximate query processing of real-time databases | |
Huo et al. | An efficient approach for incremental mining fuzzy frequent itemsets with FP-tree | |
Cai et al. | A clustering-based privacy-preserving method for uncertain trajectory data | |
Escalante‐Sandoual | MULTIVARIATE EXTREME VALUE DISTRIBUTION WITH MIXED GUMBEL MARGINALS 1 | |
Hu et al. | Two-stage framework for big spatial data analytics to support disaster response | |
CN107894992A (zh) | 一种gis点缓冲区分析方法及系统 | |
Yu et al. | Efficient Spatio-Temporal-Data-Oriented Range Query Processing for Air Traffic Flow Statistics | |
Tomlin et al. | Mathematical programming systems |