JPH0763861A - 並列計算型降雨レーダ画像予測装置 - Google Patents
並列計算型降雨レーダ画像予測装置Info
- Publication number
- JPH0763861A JPH0763861A JP21383093A JP21383093A JPH0763861A JP H0763861 A JPH0763861 A JP H0763861A JP 21383093 A JP21383093 A JP 21383093A JP 21383093 A JP21383093 A JP 21383093A JP H0763861 A JPH0763861 A JP H0763861A
- Authority
- JP
- Japan
- Prior art keywords
- radar image
- coefficient
- radar
- coefficients
- 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降雨
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係数釣合
計算部を有する係数計算部４を配置し、係数釣合計算部
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
の値を拘束しつつ格子点の近傍に割り当てられる係数を
並列に積和演算によって算出し、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係数釣合
計算部を有する係数計算部４を配置し、係数釣合計算部
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
の値を拘束しつつ格子点の近傍に割り当てられる係数を
並列に積和演算によって算出し、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
【０００１】
【産業上の利用分野】本発明は、レーダ画像により降雨
などの予測を行うレーダ画像予測装置に関し、特に、大
規模並列計算可能な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。
などの予測を行うレーダ画像予測装置に関し、特に、大
規模並列計算可能な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。
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】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
次式（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
次式（２）に代入し、予測画像Ｉ′(x,y,t+ Δt)を得る
【０００６】
【数２】
【０００７】
【発明が解決しようとする課題】従来の局所情報を用い
た気象レーダ画像予測装置は、次式（３）に示すような
画像間の２乗誤差err を減少させるように、係数を変化
させることになる。
た気象レーダ画像予測装置は、次式（３）に示すような
画像間の２乗誤差err を減少させるように、係数を変化
させることになる。
【０００８】
【数３】
【０００９】しかし、式（３）を最小にする係数は数多
く存在するので、式（１）の繰り返しによって、高い予
測精度となる係数を得ることが難しい。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。
く存在するので、式（１）の繰り返しによって、高い予
測精度となる係数を得ることが難しい。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。
【００１０】
【課題を解決するための手段】上記目的を達成するた
め、本発明の並列計算型降雨レーダ画像予測装置は、多
数の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
積の和を並列計算する第四の手段。 格子点の近傍に割り当てられる係数間の釣合の度合を
計算する第五の手段。 第四の手段において格子点の近傍の属性に割り当てら
れる係数を第五の手段を利用して、並列計算する第六の
手段。 第五及び第六の手段によって、得られた格子点近傍の
係数から数時間後の予測をする第七の手段。 第一から第七までの手段を制御する第八の手段。
め、本発明の並列計算型降雨レーダ画像予測装置は、多
数の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
積の和を並列計算する第四の手段。 格子点の近傍に割り当てられる係数間の釣合の度合を
計算する第五の手段。 第四の手段において格子点の近傍の属性に割り当てら
れる係数を第五の手段を利用して、並列計算する第六の
手段。 第五及び第六の手段によって、得られた格子点近傍の
係数から数時間後の予測をする第七の手段。 第一から第七までの手段を制御する第八の手段。
【００１１】本発明は、従来の技術とは、格子点の近傍
に割り当てられる係数間の釣合の度合を計算する第五の
手段を持つ点で大きく異なる。
に割り当てられる係数間の釣合の度合を計算する第五の
手段を持つ点で大きく異なる。
【００１２】
【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。図１及び図２は、実施例を示す並列計算型降雨レ
ーダ画像予測装置の構成図である。
する。図１及び図２は、実施例を示す並列計算型降雨レ
ーダ画像予測装置の構成図である。
【００１３】本実施例の並列計算型降雨レーダ画像予測
装置は、図１及び図２に示すように、レーダ画像を入力
する入力部１、レーダ画像を記憶する記憶部２、レーダ
画像を格子点上に積和計算ユニットを配置する分配部
３、格子点に与えられた係数を計算する係数計算部４、
係数の釣合を計算する係数釣合計算部５、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を計算する積
和計算部６、格子点の近傍の属性に割り当てられる係数
を係数計算部４を用いて、並列計算する学習部７、得ら
れた格子点近傍の係数から数時間後の予測を積和計算部
６を用いて行う予測部８、入力部１から積和計算部６ま
でを制御する制御部９からなる。特に、図２に示すよう
に、夫々の係数計算部４は係数釣合計算部５と積和計算
部６とからなる。
装置は、図１及び図２に示すように、レーダ画像を入力
する入力部１、レーダ画像を記憶する記憶部２、レーダ
画像を格子点上に積和計算ユニットを配置する分配部
３、格子点に与えられた係数を計算する係数計算部４、
係数の釣合を計算する係数釣合計算部５、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を計算する積
和計算部６、格子点の近傍の属性に割り当てられる係数
を係数計算部４を用いて、並列計算する学習部７、得ら
れた格子点近傍の係数から数時間後の予測を積和計算部
６を用いて行う予測部８、入力部１から積和計算部６ま
でを制御する制御部９からなる。特に、図２に示すよう
に、夫々の係数計算部４は係数釣合計算部５と積和計算
部６とからなる。
【００１４】つぎに、本装置の動作について説明する。
分配部３によって、各格子点に積和計算部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、次のサンプ
リング時刻までの一時刻間、記憶部２に記憶される。
分配部３によって、各格子点に積和計算部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、次のサンプ
リング時刻までの一時刻間、記憶部２に記憶される。
【００１５】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式（５）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。従来は学習部７中の係数計算部４に
おいて式（１）を繰り返し計算するが、本装置において
は、係数釣合計算部５において以下の式（４）を計算し
てαを求め、この求めたαを用いて積和計算部６で式
（５）を計算する。αはレーダの強度の拡散率であり、
係数間の釣合の度合を意味する。λは任意の定数であ
る。
ていた一時刻前のレーダ画像から式（５）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。従来は学習部７中の係数計算部４に
おいて式（１）を繰り返し計算するが、本装置において
は、係数釣合計算部５において以下の式（４）を計算し
てαを求め、この求めたαを用いて積和計算部６で式
（５）を計算する。αはレーダの強度の拡散率であり、
係数間の釣合の度合を意味する。λは任意の定数であ
る。
【００１６】
【数４】
【００１７】
【数５】
【００１８】式（６）条件を満たすまで、学習部７中の
積和計算部６は式（５）の反復計算を行う。式（５）の
計算毎に、これに先立って、図２に示す如く、積和計算
部６に対応する係数釣合計算部５が式（４）の計算を行
う。即ち、隣接する係数計算部４からの係数入力と定数
λとを用いて、係数間の釣合の度合αを求める。式
（４）の導入により、式（３）を最小にする係数に拘束
を与えることができ、予測精度を向上することができ
る。
積和計算部６は式（５）の反復計算を行う。式（５）の
計算毎に、これに先立って、図２に示す如く、積和計算
部６に対応する係数釣合計算部５が式（４）の計算を行
う。即ち、隣接する係数計算部４からの係数入力と定数
λとを用いて、係数間の釣合の度合αを求める。式
（４）の導入により、式（３）を最小にする係数に拘束
を与えることができ、予測精度を向上することができ
る。
【００１９】
【数６】
【００２０】予測部８中の各格子点上の積和計算部６
は、以下の計算を行う。
は、以下の計算を行う。
【００２１】
【数７】
【００２２】式（７）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（１）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。
レーダ画像を含む格子点の属性値となる。式（１）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。
【００２３】図３は、積和計算部６の計算ユニット構造
の説明図である。図３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）、式（５）、式（２）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による積和計算によっ
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。
の説明図である。図３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）、式（５）、式（２）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による積和計算によっ
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。
【００２４】
【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出来る。
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出来る。
【図１】本発明の一実施例を示す並列計算型降雨レーダ
画像予測装置の構成図である。
画像予測装置の構成図である。
【図２】係数計算部の構成図である。
【図３】本発明の一実施例における積和計算ユニット構
造の説明図である。
造の説明図である。
１ 入力部 ２ 記憶部 ３ 分配部 ４ 係数計算部 ５ 係数釣合計算部 ６ 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、 前記格子点の近傍の属性の値とそれに与えられた係数と
の積の和を並列に計算する第四の手段と、 前記格子点の近傍に割り当てられる係数間の釣合の度合
を計算する第五の手段と、 前記第四の手段により前記格子点の近傍の属性に割り当
てられる係数を前記第五の手段を利用して、並列計算す
る第六の手段と、 前記第五及び第六の手段によって、得られた格子点近傍
の係数から数時間後の予測をする第七の手段と、 前記第一から第七までの手段を制御する第八の手段とを
備えたことを特徴とする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 |
|---|---|---|---|
| JP21383093A JPH0763861A (ja) | 1993-08-30 | 1993-08-30 | 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 |
|---|---|---|---|
| JP21383093A JPH0763861A (ja) | 1993-08-30 | 1993-08-30 | 並列計算型降雨レーダ画像予測装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0763861A true JPH0763861A (ja) | 1995-03-10 |
Family
ID=16645737
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP21383093A Pending JPH0763861A (ja) | 1993-06-30 | 1993-08-30 | 並列計算型降雨レーダ画像予測装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0763861A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6801856B2 (en) | 2001-10-19 | 2004-10-05 | Mitsubishi Heavy Industries, Ltd. | Atmosphere condition prediction method |
| JPWO2021070814A1 (ja) * | 2019-10-08 | 2021-04-15 |
-
1993
- 1993-08-30 JP JP21383093A patent/JPH0763861A/ja active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6801856B2 (en) | 2001-10-19 | 2004-10-05 | Mitsubishi Heavy Industries, Ltd. | Atmosphere condition prediction method |
| JPWO2021070814A1 (ja) * | 2019-10-08 | 2021-04-15 | ||
| WO2021070814A1 (ja) * | 2019-10-08 | 2021-04-15 | 株式会社デンソー | 同期装置、同期方法、同期プログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hao et al. | A hybrid EMD-LSTM model for non-stationary wave prediction in offshore China | |
| US10007259B2 (en) | Systems and methods for energy cost optimization in a building system | |
| CN111161538B (zh) | 一种基于时间序列分解的短时交通流预测方法 | |
| Jones | Fitting a continuous time autoregression to discrete data | |
| CN108986166A (zh) | 一种基于半监督学习的单目视觉里程预测方法及里程计 | |
| CN109858681B (zh) | 一种基于ic卡的交通短时客流预测方法和相关装置 | |
| Choi et al. | Efficient targeting of sensor networks for large-scale systems | |
| CN114564487B (zh) | 预报预测相结合的气象栅格数据更新方法 | |
| CN113281790A (zh) | 一种北斗卫星钟差预报方法及装置 | |
| CN111968414A (zh) | 基于大数据和ai的4d轨迹预测方法、装置及电子设备 | |
| JP2018194497A (ja) | 気象予測システム、気象予測方法、気象予測プログラム | |
| CN113537596A (zh) | 一种城市轨道交通新线站点短时客流预测方法 | |
| Chaudhuri et al. | Neuro-computing based short range prediction of some meteorological parameters during the pre-monsoon season | |
| JPH0763861A (ja) | 並列計算型降雨レーダ画像予測装置 | |
| JP6915156B2 (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 | |
| JPWO2020049994A1 (ja) | 電子密度推定方法、電子密度推定装置、及び電子密度推定プログラム | |
| CN106779241B (zh) | 一种轨道交通短期客流预测方法 | |
| JPH09145851A (ja) | 気象予測装置 | |
| CN114282658A (zh) | 一种针对流量序列分析及预测的方法、设备和介质 | |
| JP3121651B2 (ja) | 適応型モデル予測制御装置 | |
| JPH07128456A (ja) | 非線形並列計算型降雨レーダ画像予測装置 | |
| US11689693B2 (en) | Video frame interpolation method and device, computer readable storage medium | |
| JPH08271649A (ja) | 気象予測装置 | |
| Toukourou et al. | Flash flood forecasting by statistical learning in the absence of rainfall forecast: a case study | |
| JPH10227871A (ja) | ２次元降水量予測装置 |