JPH07128456A - 非線形並列計算型降雨レーダ画像予測装置 - Google Patents
非線形並列計算型降雨レーダ画像予測装置Info
- Publication number
- JPH07128456A JPH07128456A JP27406593A JP27406593A JPH07128456A JP H07128456 A JPH07128456 A JP H07128456A JP 27406593 A JP27406593 A JP 27406593A JP 27406593 A JP27406593 A JP 27406593A JP H07128456 A JPH07128456 A JP H07128456A
- Authority
- JP
- Japan
- Prior art keywords
- radar image
- coefficient
- time
- radar
- image
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
(57)【要約】
【目的】 過去の気象レーダ画像から一定時間後の気象
レーダ画像を予測する降雨レーダ画像予測装置に関し、
高速で精度の高い予測レーダ画像を得ることを目的とす
る。 【構成】 入力したレーダ画像の各格子点上に積和計算
ユニット4,6を配置し、これにより格子点の近傍の属
性の値とそれに与えられた係数との積の和の非線形変換
を並列計算することによって、格子点の近傍に割り当て
られる係数を並列に算出し、得られた格子点近傍の係数
から一定時間後の予測を行う。
レーダ画像を予測する降雨レーダ画像予測装置に関し、
高速で精度の高い予測レーダ画像を得ることを目的とす
る。 【構成】 入力したレーダ画像の各格子点上に積和計算
ユニット4,6を配置し、これにより格子点の近傍の属
性の値とそれに与えられた係数との積の和の非線形変換
を並列計算することによって、格子点の近傍に割り当て
られる係数を並列に算出し、得られた格子点近傍の係数
から一定時間後の予測を行う。
Description
【発明の詳細な説明】
【0001】
【産業上の利用分野】本発明は、レーダ画像予測装置に
関し、特に、大規模並列計算可能な非線形並列計算型降
雨レーダ画像予測装置に関するものである。
関し、特に、大規模並列計算可能な非線形並列計算型降
雨レーダ画像予測装置に関するものである。
【0002】
【従来の技術】従来、局所情報を元にして気象レーダの
予測を行う場合、入力されたレーダ画像と一時刻間保存
されていた一時刻前のレーダ画像から以下の式のように
して、各格子点近傍の属性に割り当てられる係数を求め
ることを行う。
予測を行う場合、入力されたレーダ画像と一時刻間保存
されていた一時刻前のレーダ画像から以下の式のように
して、各格子点近傍の属性に割り当てられる係数を求め
ることを行う。
【0003】レーダ画像をI(x,y,t)とし、予測
レーダ画像をI′(x,y,t+Δt)とすると、係数
W(x,y,δx,δy)は以下のような更新式(1)
にしたがって、更新される。ここで、τはWの更新時間
とする。
レーダ画像をI′(x,y,t+Δt)とすると、係数
W(x,y,δx,δy)は以下のような更新式(1)
にしたがって、更新される。ここで、τはWの更新時間
とする。
【0004】
【数1】
【0005】
【数2】
【0006】従来手法は、上記更新式(1)に従って係
数W(x,y,δx,δy)の変化量を求めることを繰
り返し、係数W(x,y,δx,δy)の変化量が十分
小さくなるまで行う。このようにして求められた係数W
(x,y,δx,δy)を式(2)に代入し、予測画像
I′(x,y,t+Δt)を得る
数W(x,y,δx,δy)の変化量を求めることを繰
り返し、係数W(x,y,δx,δy)の変化量が十分
小さくなるまで行う。このようにして求められた係数W
(x,y,δx,δy)を式(2)に代入し、予測画像
I′(x,y,t+Δt)を得る
【0007】
【発明が解決しようとする課題】従来の局所情報を用い
た気象レーダ予測装置は、式(3)に示すような画像間
の2乗誤差を減少させるように、係数を変化させること
にある。
た気象レーダ予測装置は、式(3)に示すような画像間
の2乗誤差を減少させるように、係数を変化させること
にある。
【0008】
【数3】
【0009】ここで、予測画像I′(x,y,t)は、
線形関数で表されている。しかし、レーダ画像は雲を反
映しており、雲は非線形力学系で表される。雲の力学を
反映するためには、予測画像は非線形関数で表現するこ
とが必要である。
線形関数で表されている。しかし、レーダ画像は雲を反
映しており、雲は非線形力学系で表される。雲の力学を
反映するためには、予測画像は非線形関数で表現するこ
とが必要である。
【0010】本発明の目的は、このような問題点を改良
する装置を提供することにある。
する装置を提供することにある。
【0011】
【課題を解決するための手段】上記目的を達成するた
め、本発明の非線形並列計算型降雨レーダ画像予測装置
は、多数の非線形積和ユニットからなる装置であって、
以下の各手段からなることに特徴がある。 レーダ画像を入力する第一の手段、 レーダ画像を記憶する第二の手段、 レーダ画像の格子点上に積和計算ユニットを配置する
第三の手段、 格子点の近傍の属性の値とそれに与えられた係数との
積の和の非線形変換を並列に計算する第四の手段、 第四の手段において格子点の近傍の属性に割り当てら
れる係数を並列計算する第五の手段、 第五の手段によって、得られた格子点近傍の係数の非
線形変換から数時間後の予測をする第六の手段、及び、 第一から第六までの手段を制御する第七の手段。
め、本発明の非線形並列計算型降雨レーダ画像予測装置
は、多数の非線形積和ユニットからなる装置であって、
以下の各手段からなることに特徴がある。 レーダ画像を入力する第一の手段、 レーダ画像を記憶する第二の手段、 レーダ画像の格子点上に積和計算ユニットを配置する
第三の手段、 格子点の近傍の属性の値とそれに与えられた係数との
積の和の非線形変換を並列に計算する第四の手段、 第四の手段において格子点の近傍の属性に割り当てら
れる係数を並列計算する第五の手段、 第五の手段によって、得られた格子点近傍の係数の非
線形変換から数時間後の予測をする第六の手段、及び、 第一から第六までの手段を制御する第七の手段。
【0012】本発明は、従来の技術とは第四、第六の手
段において、非線形変換を行うことが異なる。
段において、非線形変換を行うことが異なる。
【0013】
【作用】本発明の装置によれば、入力したデータ画像の
格子点上に積和計算ユニットを配置し、各格子点の近傍
の属性の値とそれに与えられた係数との積の和の非線形
変換の並列計算を行い、一時刻後の予測レーダ画像を含
む格子点の属性値を求める。各格子点近傍の属性に割り
当てられる係数は一時刻間の係数であるので、基本的に
は現時刻から単位時刻後の予測にのみ有効な値である
が、一時刻後の予測により求められた格子点の値を再び
用いて同様の処理を複数回行うことにより、数時間後の
予測を可能とする。特に、本装置では、積和計算の非線
形変換を行っているので、非線形力学系で表される雲を
反映するレーダ画像を、高い精度で予測することができ
る。
格子点上に積和計算ユニットを配置し、各格子点の近傍
の属性の値とそれに与えられた係数との積の和の非線形
変換の並列計算を行い、一時刻後の予測レーダ画像を含
む格子点の属性値を求める。各格子点近傍の属性に割り
当てられる係数は一時刻間の係数であるので、基本的に
は現時刻から単位時刻後の予測にのみ有効な値である
が、一時刻後の予測により求められた格子点の値を再び
用いて同様の処理を複数回行うことにより、数時間後の
予測を可能とする。特に、本装置では、積和計算の非線
形変換を行っているので、非線形力学系で表される雲を
反映するレーダ画像を、高い精度で予測することができ
る。
【0014】
【実施例】以下本発明の実施例を図面により詳細に説明
する。本実施例の非線形並列計算型降雨レーダ画像予測
装置は、図1に示すように、レーダ画像を入力する入力
部1と、レーダ画像を記憶する記憶部2と、レーダ画像
の格子点上に積和計算ユニットを配置する分配部3と、
格子点の近傍の属性の値とそれに与えられた係数との積
の和の非線形変換を計算する非線形積和計算部4及び6
と、格子点の近傍の属性に割り当てられる係数を非線形
積和計算部4を用いて並列計算する学習部7と、得られ
た格子点近傍の係数から数時間後の予測を非線形積和計
算部6を用いて行う予測部8と、前記各部1乃至4及び
6乃至8を制御する制御部9とからなる。
する。本実施例の非線形並列計算型降雨レーダ画像予測
装置は、図1に示すように、レーダ画像を入力する入力
部1と、レーダ画像を記憶する記憶部2と、レーダ画像
の格子点上に積和計算ユニットを配置する分配部3と、
格子点の近傍の属性の値とそれに与えられた係数との積
の和の非線形変換を計算する非線形積和計算部4及び6
と、格子点の近傍の属性に割り当てられる係数を非線形
積和計算部4を用いて並列計算する学習部7と、得られ
た格子点近傍の係数から数時間後の予測を非線形積和計
算部6を用いて行う予測部8と、前記各部1乃至4及び
6乃至8を制御する制御部9とからなる。
【0015】次に、本発明の動作について説明する。分
配部3によって、各格子点に非線形積和計算部4,6が
配置される。気象レーダなどから得られたレーダ画像が
一定時刻毎に入力部1によって、サンプリングされ、一
時刻間、記憶部2に記憶される。
配部3によって、各格子点に非線形積和計算部4,6が
配置される。気象レーダなどから得られたレーダ画像が
一定時刻毎に入力部1によって、サンプリングされ、一
時刻間、記憶部2に記憶される。
【0016】入力されたレーダ画像と一時刻間保存され
ていた一時刻前のレーダ画像とから式(4)、式
(5)、式(6)、式(7)を繰り返し計算することに
よって、各格子点近傍の属性に割り当てられる係数を求
める。式(8)条件を満たすまで、学習部7中の非線形
積和計算部4は式(1)、式(5)、式(6)、式
(7)の反復計算を行う。
ていた一時刻前のレーダ画像とから式(4)、式
(5)、式(6)、式(7)を繰り返し計算することに
よって、各格子点近傍の属性に割り当てられる係数を求
める。式(8)条件を満たすまで、学習部7中の非線形
積和計算部4は式(1)、式(5)、式(6)、式
(7)の反復計算を行う。
【0017】
【数4】
【0018】
【数5】
【0019】
【数6】
【0020】
【数7】
【0021】
【数8】
【0022】予測部8中の各格子点上の非線形積和計算
部6は、以下の計算を行う。
部6は、以下の計算を行う。
【0023】
【数9】
【0024】
【数10】
【0025】ここで、非線形の関数f(x)として、
【0026】
【数11】
【0027】などを用いる。式(9)のOutput
(x,y)が一時刻後の予測レーダ画像を含む格子点の
属性値となる。式(4)、式(5)、式(6)、式
(7)によって、得られた係数は一時刻間の係数である
ので、基本的には一時刻後の予測のみに有効であるが、
ここでは一時刻後の予測を行った格子点の値を再び用い
て、さらに時刻的に先の属性の値を求めることを複数回
行い、数時間後の予測とする。
(x,y)が一時刻後の予測レーダ画像を含む格子点の
属性値となる。式(4)、式(5)、式(6)、式
(7)によって、得られた係数は一時刻間の係数である
ので、基本的には一時刻後の予測のみに有効であるが、
ここでは一時刻後の予測を行った格子点の値を再び用い
て、さらに時刻的に先の属性の値を求めることを複数回
行い、数時間後の予測とする。
【0028】図2は、非線形積和計算部4,6の計算ユ
ニット構造の説明図である。図2において、20は入力
されたレーダ画像、21は一時刻後の予測レーダ画像を
表す。例えば、一時刻前(時刻t−1)のレーダ画像の
格子点の属性の値I′(x,y)(図示省略)と、時刻
tに入力されたレーダ画像20の格子点の属性の値I
(x,y)とから、上記式(4)乃至式(8)によっ
て、各格子点(x,y) 近傍に割り当てられる係数W(x,
y,δx,δy)を求める学習を行い、次にその近傍に
割り当てられる係数W(x,y,δx,δy)を用い、
予測部8における式(9)乃至式(11)による非線形
積和計算によって、一時刻後(時刻t+1)の各格子点
の属性の値を算出して、予測レーダ画像21とする。さ
らに、時刻t+1の予測レーダ画像21を用い、同様に
次の時刻t+2のレーダ画像を予測する。
ニット構造の説明図である。図2において、20は入力
されたレーダ画像、21は一時刻後の予測レーダ画像を
表す。例えば、一時刻前(時刻t−1)のレーダ画像の
格子点の属性の値I′(x,y)(図示省略)と、時刻
tに入力されたレーダ画像20の格子点の属性の値I
(x,y)とから、上記式(4)乃至式(8)によっ
て、各格子点(x,y) 近傍に割り当てられる係数W(x,
y,δx,δy)を求める学習を行い、次にその近傍に
割り当てられる係数W(x,y,δx,δy)を用い、
予測部8における式(9)乃至式(11)による非線形
積和計算によって、一時刻後(時刻t+1)の各格子点
の属性の値を算出して、予測レーダ画像21とする。さ
らに、時刻t+1の予測レーダ画像21を用い、同様に
次の時刻t+2のレーダ画像を予測する。
【0029】
【発明の効果】以上説明したように、本発明によって局
所情報を用いたレーダ画像から数時間後のレーダ画像の
予測精度を向上させることができる。
所情報を用いたレーダ画像から数時間後のレーダ画像の
予測精度を向上させることができる。
【図1】本発明の実施例を示す非線形並列計算型降雨レ
ーダ画像予測装置の構成図である。
ーダ画像予測装置の構成図である。
【図2】本発明の一実施例における非線形積和計算ユニ
ット構造の説明図である。
ット構造の説明図である。
1 入力部 2 記憶部 3 分配部 4 非線形積和計算部 6 非線形積和計算部 7 学習部 8 予測部 9 制御部
Claims (1)
- 【請求項1】 過去の気象レーダなどから数時間後の気
象レーダ画像を予測する予測装置であって、 レーダ画像を入力する第一の手段と、 レーダ画像を記憶する第二の手段と、 レーダ画像の格子点上に積和計算ユニットを配置する第
三の手段と、 格子点の近傍の属性の値とそれに与えられた係数との積
の和の非線形変換を並列に計算する第四の手段と、 格子点の近傍に割り当てられる係数を並列に計算する第
五の手段と、 前記第五の手段によって、得られた格子点近傍の係数の
非線形変換から数時間後の予測をする第六の手段と、 前記第一から第六までの手段を制御する第七の手段とか
らなることを特徴とする非線形並列計算型降雨レーダ画
像予測装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP27406593A JPH07128456A (ja) | 1993-11-02 | 1993-11-02 | 非線形並列計算型降雨レーダ画像予測装置 |
US08/266,541 US5406481A (en) | 1993-06-30 | 1994-06-28 | Rainfall, snowfall forecast apparatus and method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP27406593A JPH07128456A (ja) | 1993-11-02 | 1993-11-02 | 非線形並列計算型降雨レーダ画像予測装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH07128456A true JPH07128456A (ja) | 1995-05-19 |
Family
ID=17536487
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP27406593A Pending JPH07128456A (ja) | 1993-06-30 | 1993-11-02 | 非線形並列計算型降雨レーダ画像予測装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH07128456A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001208862A (ja) * | 2000-01-27 | 2001-08-03 | Mitsubishi Electric Corp | 分散型気象情報処理システム及び分散型気象情報処理方法 |
US6801856B2 (en) | 2001-10-19 | 2004-10-05 | Mitsubishi Heavy Industries, Ltd. | Atmosphere condition prediction method |
-
1993
- 1993-11-02 JP JP27406593A patent/JPH07128456A/ja active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001208862A (ja) * | 2000-01-27 | 2001-08-03 | Mitsubishi Electric Corp | 分散型気象情報処理システム及び分散型気象情報処理方法 |
US6801856B2 (en) | 2001-10-19 | 2004-10-05 | Mitsubishi Heavy Industries, Ltd. | Atmosphere condition prediction method |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Giovanis et al. | A stochastic logistic innovation diffusion model studying the electricity consumption in Greece and the United States | |
CN113283630A (zh) | 空气质量预测方法、装置、设备和计算机可读存储介质 | |
Zjavka | Numerical weather prediction revisions using the locally trained differential polynomial network | |
CN112308281A (zh) | 一种温度信息预测方法及装置 | |
JP2021108121A (ja) | 様々な空間解像度および時間解像度の予報を組み合わせる方法、装置、及び、プログラム | |
CN112396231A (zh) | 针对时空数据的建模方法、装置、电子设备及可读介质 | |
CN115600717A (zh) | 一种基于联邦学习的分行业电力负荷预测方法、设备和存储介质 | |
JP7231504B2 (ja) | 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 | |
CN114999182A (zh) | 基于lstm回馈机制的车流量预测方法、装置及设备 | |
Krzysztofowicz et al. | Bayesian system for probabilistic stage transition forecasting | |
CN111985731B (zh) | 城市公共交通站点人数的预测方法及系统 | |
Zjavka | Multi-site post-processing of numerical forecasts using a polynomial network substitution for the general differential equation based on operational calculus | |
CN112819260A (zh) | 预测航班延时状态的数据处理系统 | |
JPH07128456A (ja) | 非線形並列計算型降雨レーダ画像予測装置 | |
CN116931129A (zh) | 基于多模式集合的短期降水预报方法、装置、设备及介质 | |
JPH0581228A (ja) | ニユーラルネツトワークの構成方法および学習/想起システム | |
Yarlagadda et al. | Power system state estimation and forecasting using cnn based hybrid deep learning models | |
JPWO2019207622A1 (ja) | 電力需要予測装置、電力需要予測方法、およびそのプログラム | |
JP3181018B2 (ja) | 気象予測装置 | |
JP2004272674A (ja) | 予測システム及び予測方法 | |
JPH0763861A (ja) | 並列計算型降雨レーダ画像予測装置 | |
JPH08271649A (ja) | 気象予測装置 | |
JPH0720255A (ja) | 並列計算型気象レーダ画像予測装置 | |
JPH10117437A (ja) | 日最大電力需要量予測方法 | |
Pan et al. | Hierarchical resampling algorithm and architecture for distributed particle filters |