JPH09189773A - Rainfall prediction system - Google Patents
Rainfall prediction systemInfo
- Publication number
- JPH09189773A JPH09189773A JP398996A JP398996A JPH09189773A JP H09189773 A JPH09189773 A JP H09189773A JP 398996 A JP398996 A JP 398996A JP 398996 A JP398996 A JP 398996A JP H09189773 A JPH09189773 A JP H09189773A
- Authority
- JP
- Japan
- Prior art keywords
- rainfall
- data
- rainfall intensity
- intensity
- moving speed
- 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.)
- Withdrawn
Links
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
Description
【０００１】[0001]
【発明の属する技術分野】本発明は降雨量予測装置に係
り、特に、雨水による浸水防除を目的とした雨水排水技
術に好適な降雨量予測装置に関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a rainfall prediction device, and more particularly to a rainfall prediction device suitable for rainwater drainage technology for the purpose of controlling inundation by rainwater.
【０００２】[0002]
【従来の技術】近年における都市への人口集中による住
宅の密集化や舗装道路の普及につれて降雨が大地に浸透
せずに直接下水管路に集まる量が増加してきている。こ
れに伴い、降雨流出時間、すなわち降雨が下水管内を流
れるまでに要する時間が短くなり、また、降雨量が多い
場合には、市街地の浸水も発生するようになってきてい
る。2. Description of the Related Art In recent years, with the concentration of houses and the spread of paved roads due to the concentration of population in cities, the amount of rainfall that collects directly on the sewer pipes has not increased, and has increased. Along with this, the rainfall outflow time, that is, the time required for the rainfall to flow through the sewer pipes has become shorter, and in the case of a large amount of rainfall, flooding of urban areas has also started to occur.
【０００３】浸水を未然に防止するには雨水ポンプを活
用することが有効である。すなわち、降雨は地表から地
下の下水管を経てポンプ場内のポンプ井にたまり、雨水
ポンプによって主に河川に排出されるようになってい
る。It is effective to utilize a rainwater pump in order to prevent flooding. In other words, rainfall collects from the surface of the earth through the underground sewer pipes into pump wells in the pumping station, and is mainly discharged into rivers by the rainwater pump.
【０００４】従って、雨水ポンプの運転は、前述のよう
に降雨流出時間の短時間化や降雨地域の集中現象によ
り、迅速かつ適切に行う必要性がある。このため、ポン
プ井に流入する降雨の量（流入流量）を的確に予測する
必要がある。Therefore, it is necessary to operate the rainwater pump promptly and appropriately due to the shortening of the rainfall outflow time and the phenomenon of concentration in the rainfall area as described above. Therefore, it is necessary to accurately predict the amount of rainfall (inflow rate) that flows into the pump well.
【０００５】流入流量はいわゆる流出解析法、特に大地
に浸透せずに直接流出する降雨を取り扱う都市雨水流出
解析法により降雨量を入力として求めることが可能であ
り、この降雨量を予測することによって将来における流
入流量が予測でき、雨水ポンプの運転を的確に行うこと
ができる。The inflow rate can be obtained by a so-called runoff analysis method, in particular, a rainwater runoff analysis method that handles rainfall that directly flows out without penetrating into the ground, and the amount of rainfall can be obtained as an input. The inflow rate in the future can be predicted and the rainwater pump can be operated properly.
【０００６】従来において、雨水ポンプの運転における
降雨量の測定は、地上雨量計により行われていた。Conventionally, the amount of rainfall during the operation of the rainwater pump has been measured by a ground rain gauge.
【０００７】しかしながら、この地上雨量計による方法
では、広範囲にわたる地域のある一点における降雨量は
測定できるものの、地域での分布を把握できないという
問題があった。However, although this method using a ground rain gauge can measure the amount of rainfall at a certain point in a wide area, it has a problem that the distribution in the area cannot be grasped.
【０００８】このため、現在はレーダ雨量計による降雨
量の測定が行われてきている。レーダ雨量計は気象レー
ダの一種であって、前述した降雨集中現象を把握するた
めに、所定時間間隔毎に広範囲にわたる面的降雨強度分
布を測定するものである。すなわち、レーダから電波を
発射し、その電波が雨滴に当たって反射する電波強度を
測定するようになっている。For this reason, the amount of rainfall is currently being measured by a radar rain gauge. The radar rain gauge is a kind of meteorological radar, and measures a wide-area surface rainfall intensity distribution at predetermined time intervals in order to grasp the above-mentioned rainfall concentration phenomenon. That is, a radio wave is emitted from a radar, and the radio wave intensity reflected by the radio wave hitting a raindrop is measured.
【０００９】レーダ雨量計から送出される反射電波強度
データＰは次のようなレーダ方程式に基づいて極座標系
（レーダ雨量計を中心とした回転角と距離の座標系）の
降雨強度データＲに変換され、またさらに通常は直交座
標系（東西、南北の座標系）の降雨強度データ（メッシ
ュデータ）に変換される。The reflected radio wave intensity data P sent from the radar rain gauge is converted into rainfall intensity data R in a polar coordinate system (a coordinate system of a rotation angle and a distance around the radar rain gauge) based on the following radar equation. Moreover, it is usually converted into rainfall intensity data (mesh data) in a rectangular coordinate system (east-west coordinate system, north-south coordinate system).
【００１０】[0010]
【数１】 ここで、Ｐ：レーダ電波反射強度 ｒ：レーダ中心からの距離 Ｒ：降雨強度 Ｃ：レーダ定数 Ｂ，β：雨の種類によってきまる定数 Ｋa ：大気による減衰補正係数 Ｋr ：雨滴による減衰補正係数 Ｆ：システム補正係数 また、このレーダ雨量計での降雨強度データは、地上雨
量計のデータで補正を行っている。[Equation 1] Here, P: radar wave reflection intensity r: distance from radar center R: rainfall intensity C: radar constant B, β: constant determined by the type of rain Ka: atmospheric attenuation correction factor Kr: raindrop attenuation correction factor F: System correction coefficient In addition, the rainfall intensity data of this radar rain gauge is corrected by the data of the ground rain gauge.
【００１１】[0011]
【発明が解決しようとする課題】ところで、将来の降雨
量を予測する方法として、近い将来（数１０分）では降
雨強度の時間変化が少ないと仮定して、降雨の移動のみ
を予測する方法が用いられている。By the way, as a method of predicting future rainfall, a method of predicting only movement of rainfall is assumed, assuming that the temporal change of rainfall intensity is small in the near future (several tens of minutes). It is used.
【００１２】降雨の移動を予測する方法としては、相関
法、重心法等が用いられている。現在では、ほとんどの
場合に相関法が用いられている。本発明は、この相関法
を前提とする。As a method of predicting the movement of rainfall, a correlation method, a center of gravity method, etc. are used. At present, the correlation method is used in most cases. The present invention is premised on this correlation method.
【００１３】相関法は、次のような一定時間過去の降雨
強度データをあるメッシュ数移動させたデータと、現在
の降雨強度データとの自乗誤差の総和を計算し、その誤
差の総和が最小となる大きさを移動ベクトルとするもの
である。The correlation method calculates the sum of squared errors between the following rainfall intensity data moved by a certain number of meshes and the present rainfall intensity data, and the sum of the errors is the minimum. Is used as the movement vector.
【００１４】[0014]
【数２】 ここで、ｘ，ｙ：座標、ｔ：時刻、ａ，ｂ：移動メッシ
ュ数、ｃ：一定時間 移動速度＝移動メッシュ×メッシュの大きさ／移動時間間隔 （３）式 この相関法の移動速度演算では、降雨強度の変化が小さ
い場合の演算精度は良いが、降雨強度の変化が大きい場
合には、その変化の影響を受けて予測精度が悪くなると
いう問題がある。[Equation 2] Here, x, y: coordinates, t: time, a, b: number of moving meshes, c: constant time moving speed = moving mesh × mesh size / moving time interval (3) Equation (3) moving speed calculation of this correlation method Then, the calculation accuracy is good when the change in the rainfall intensity is small, but when the change in the rainfall intensity is large, there is a problem that the prediction accuracy is deteriorated due to the influence of the change.
【００１５】そこで本発明の目的は、上記従来技術の有
する問題を解消し、降雨強度の変化が大きい場合でも予
測精度がよく雨水ポンプ運転に好適な降雨量予測装置を
提供することにある。SUMMARY OF THE INVENTION It is an object of the present invention to solve the above-mentioned problems of the prior art and to provide a rainfall amount predicting apparatus which has good prediction accuracy and is suitable for rainwater pump operation even when the change in rainfall intensity is large.
【００１６】[0016]
【課題を解決するための手段】上記目的を達成するため
に、本発明による降雨量予測装置は、レーダ雨量計によ
って得られる雨量データから将来の降雨強度分布を予測
する降雨量予測装置において、レーダ雨量計から得られ
る所定時間間隔毎の雨量データから、所定間隔にある複
数のメッシュ位置における降雨強度データの集合からな
る降雨強度分布を所定時間間隔毎に演算する降雨強度分
布演算手段と、前記降雨強度分布を構成する降雨強度デ
ータを時間的あるいは空間的に加工し降雨強度加工デー
タを作成するデータ加工手段と、前記降雨強度加工デー
タから構成される過去から現在に至る降雨強度分布のデ
ータから降雨移動速度を演算する降雨移動速度演算手段
と、前記降雨移動速度演算手段で求めた降雨移動速度の
データから降雨移動軌跡を予測する移動軌跡予測手段
と、を備えることを特徴とする。In order to achieve the above object, a rainfall forecasting apparatus according to the present invention is a rainfall forecasting apparatus for forecasting a future rainfall intensity distribution from rainfall data obtained by a radar rain gauge. Rainfall intensity distribution calculation means for calculating a rainfall intensity distribution consisting of a set of rainfall intensity data at a plurality of mesh positions at predetermined intervals from the rainfall amount data obtained at every predetermined time interval from a rain gauge, and the rainfall. Data processing means for processing the rainfall intensity data constituting the intensity distribution temporally or spatially to create the rainfall intensity processing data, and the rainfall from the data of the rainfall intensity distribution from the past to the present composed of the rainfall intensity processing data Rainfall moving speed calculating means for calculating a moving speed, and rainfall transfer speed data obtained from the rainfall moving speed calculating means. Characterized by comprising a movement locus prediction unit that predicts the trajectory, the.
【００１７】また、好適には、前記データ加工手段は、
降雨強度データの値とランク数とを対応させるランク表
を用いて各々の降雨強度データにランク数を対応させて
前記加工データを作成し、前記ランク表は、降雨強度デ
ータの値が大きい程大きいランク数を有するとともに降
雨強度データの値が大きくなるにつれてランク数の増加
率が減少するように作成されている。Preferably, the data processing means is
The processed data is created by associating each rainfall intensity data with the number of ranks using a rank table that associates the value of the rainfall intensity data with the number of ranks, and the rank table is larger as the value of the rainfall intensity data is larger. The number of ranks is increased and the rate of increase in the number of ranks is reduced as the value of rainfall intensity data increases.
【００１８】また、前記データ加工手段は、各々のメッ
シュ位置における降雨強度データを複数のメッシュ位置
の降雨強度データで空間的に平均化させ、前記加工デー
タを所定時間間隔毎に作成する。Further, the data processing means spatially averages the rainfall intensity data at each mesh position with the rainfall intensity data at a plurality of mesh positions, and creates the processed data at predetermined time intervals.
【００１９】また、前記データ加工手段は、同一地点の
各々の時刻における降雨強度データを複数の時間間隔に
における降雨強度データで時間的に平均化させて加工デ
ータを作成する。Further, the data processing means creates processing data by temporally averaging the rainfall intensity data at each time of the same point with the rainfall intensity data at a plurality of time intervals.
【００２０】また、前記データ加工手段は、メッシュ位
置の間の位置における降雨強度データを隣接するメッシ
ュ位置の降雨強度データを用い補間法により所定時間間
隔毎に作成し降雨強度加工データとする。Further, the data processing means prepares rainfall intensity data at positions between the mesh positions at predetermined time intervals by an interpolation method using the rainfall intensity data at the adjacent mesh positions to obtain the rainfall intensity processing data.
【００２１】また、前記データ加工手段は、ある時刻の
あるメッシュ位置における降雨強度データを、所定時間
間隔以前の時刻における降雨強度分布の対応するメッシ
ュ位置における降雨強度データと平均化させて加工デー
タを作成する。Further, the data processing means averages the rainfall intensity data at a mesh position at a certain time with the rainfall intensity data at a corresponding mesh position of the rainfall intensity distribution at a time before a predetermined time interval to obtain the processed data. create.
【００２２】また、前記降雨移動速度演算手段は、過去
の降雨移動速度に関する移動速度パターンを記憶してお
き、前記移動速度パターンを参照し演算された降雨移動
速度が異常であるか否かを判断する異常値判断手段を有
する。Further, the rainfall moving speed calculation means stores a moving speed pattern relating to a past rainfall moving speed and judges whether or not the calculated rainfall moving speed is abnormal by referring to the moving speed pattern. It has an abnormal value determining means for performing.
【００２３】また、前記降雨移動速度演算手段は、降雨
移動速度が小さい場合に降雨強度分布を演算する所定時
間間隔を長く設定する。Further, the rainfall moving speed calculating means sets a long predetermined time interval for calculating the rainfall intensity distribution when the rainfall moving speed is small.
【００２４】また、レーダ雨量計によって得られる雨量
データは、地上雨量計によって得られる雨量データによ
り補正される。The rainfall data obtained by the radar rain gauge is corrected by the rainfall data obtained by the ground rain gauge.
【００２５】本願発明においては、データ加工手段によ
り降雨強度分布を構成する降雨強度データを時間的ある
いは空間的に加工し降雨強度加工データを作成する。す
なわち、降雨強度データを、複数しきい値でのランク分
けしたり、面補間、面平均、時間平均したりして加工す
る。降雨強度加工データを用いて降雨移動速度を演算す
ることにより、降雨強度の変化が時間的あるいは空間的
に大きい場合でも、その変化の影響を受けて予測精度が
悪くなることが無いようにする。According to the present invention, the rainfall intensity processing data is created by temporally or spatially processing the rainfall intensity data constituting the rainfall intensity distribution by the data processing means. That is, the rainfall intensity data is processed by ranking it according to a plurality of threshold values, surface interpolation, surface averaging, and time averaging. By calculating the rainfall movement speed using the rainfall intensity processing data, even if the change in the rainfall intensity is large in time or space, the prediction accuracy will not be deteriorated due to the influence of the change.
【００２６】請求項２では、前記データ加工手段は、ラ
ンク表を用いて降雨強度データの値をランク数に対応さ
せる。一般に、降雨強度データの精度については、いわ
ゆる’倍半分の精度’という考え方が存在する。すなわ
ち、降雨強度データの値が大きい場合でも小さい場合で
もデータの信頼性は概ねその値の半分程度であるという
ものである。従って、ランク表を、降雨強度データの値
が大きい程大きいランク数を有するとともに降雨強度デ
ータの値が大きくなるにつれてランク数の増加率が減少
するように作成することにより、大きい値の降雨強度デ
ータに含まれる大きい誤差分の影響を受けにくくする。In the second aspect, the data processing means uses the rank table to associate the value of the rainfall intensity data with the rank number. In general, there is a so-called'double accuracy 'concept for the accuracy of rainfall intensity data. In other words, the reliability of the data is about half the value regardless of whether the rainfall intensity data is large or small. Therefore, by creating the rank table so that the larger the value of the rainfall intensity data is, the larger the number of ranks is, and the increasing rate of the number of ranks is decreased as the value of the rainfall intensity data is, It is less susceptible to the large error included in.
【００２７】請求項３では、データ加工手段は、各々の
メッシュ位置における降雨強度データをそのメッシュ位
置の近傍の複数のメッシュ位置の降雨強度データと空間
的に平均化させて加工し、降雨強度の変化が空間的に大
きい場合でも、その変化の影響を受けて予測精度が悪く
なることが無いようにする。According to a third aspect of the present invention, the data processing means spatially averages the rainfall intensity data at each mesh position with the rainfall intensity data at a plurality of mesh positions near the mesh position to process the rainfall intensity data. Even if the change is spatially large, the prediction accuracy will not be deteriorated due to the influence of the change.
【００２８】請求項４では、データ加工手段は、同一地
点の各々の時刻における降雨強度データを複数の時間間
隔ににおける降雨強度データで時間的に平均化させ、前
記加工データを各々の地点毎に作成する。レーダ雨量計
は固定されているので、同一地点は同一のメッシュ位置
に対応する。According to a fourth aspect of the present invention, the data processing means temporally averages the rainfall intensity data at each time at the same point with the rainfall intensity data at a plurality of time intervals, and the processed data is obtained at each point. create. Since the radar rain gauge is fixed, the same point corresponds to the same mesh position.
【００２９】請求項５では、データ加工手段は、メッシ
ュ位置の間の位置における降雨強度データを隣接するメ
ッシュ位置の降雨強度データを用い補間法により所定時
間間隔毎に作成することにより、実効的にメッシュ間隔
を細かくする。In the present invention, the data processing means effectively creates rainfall intensity data at positions between the mesh positions by the interpolation method using the rainfall intensity data at the adjacent mesh positions at predetermined time intervals. Make the mesh spacing fine.
【００３０】請求項６では、データ加工手段は、ある時
刻のあるメッシュ位置における降雨強度データを直接用
いるのではなく、過去の降雨強度分布における対応する
メッシュ位置の降雨強度データを部分的に取り入れて加
工し、相関法に使用するデータとして採用する。In the sixth aspect, the data processing means does not directly use the rainfall intensity data at a mesh position at a certain time, but partially incorporates the rainfall intensity data at a corresponding mesh position in the past rainfall intensity distribution. It is processed and adopted as the data used for the correlation method.
【００３１】請求項７では、降雨移動速度演算手段は異
常値判断手段を有し、過去の降雨移動速度に関する移動
速度パターンを記憶しておき、前記移動速度パターンを
参照し演算された降雨移動速度が異常であるか否かを判
断することによって良質でないデータを排除する。According to a seventh aspect of the present invention, the rainfall moving speed calculating means has an abnormal value determining means, stores a moving speed pattern relating to a past rainfall moving speed, and refers to the moving speed pattern to calculate the rainfall moving speed. Eliminate bad data by determining whether is abnormal.
【００３２】請求項８では、降雨移動速度演算手段は、
降雨移動速度が小さい場合には降雨強度分布は短い時間
範囲では変化が少なすぎ、降雨移動速度の演算精度が低
くなるので、降雨移動速度が小さい場合には所定時間間
隔を長く設定する。In the eighth aspect, the rainfall moving speed calculation means is
When the rainfall movement speed is low, the rainfall intensity distribution changes too little in a short time range and the calculation accuracy of the rainfall movement speed becomes low. Therefore, when the rainfall movement speed is low, the predetermined time interval is set to be long.
【００３３】請求項９では、レーダ雨量計によって得ら
れる雨量データを地上雨量計によって得られる雨量デー
タにより補正することにより、レーダ雨量計によって得
られる雨量データの信頼性をあげる。In the ninth aspect, the reliability of the rainfall data obtained by the radar rain gauge is improved by correcting the rainfall data obtained by the radar rain gauge with the rainfall data obtained by the ground rain gauge.
【００３４】[0034]
【発明の実施の形態】本発明の降雨量予測装置の実施形
態例について、図面を参照して以下に説明する。図１に
おいて、降雨量予測装置１は、降雨強度分布演算手段２
と、データ加工手段３と、降雨移動速度演算手段４と、
移動軌跡予測手段５とを備えている。BEST MODE FOR CARRYING OUT THE INVENTION An embodiment of the rainfall prediction apparatus of the present invention will be described below with reference to the drawings. In FIG. 1, the rainfall amount prediction apparatus 1 includes a rainfall intensity distribution calculation means 2
A data processing means 3, a rainfall movement speed calculation means 4,
The moving path prediction means 5 is provided.
【００３５】降雨強度分布演算手段２には、レーダ雨量
計から得られる所定時間間隔毎の雨量データが入力され
る。レーダ雨量計から得られる雨量データは、地上雨量
計により得られた点データによって補正されるようにな
っている。レーダ雨量計の位置を中心原点にして空間的
に広がる空間範囲を、所定間隔にある複数のメッシュで
分割され、各メッシュにメッシュ位置が定義されてい
る。降雨強度分布演算手段２は、雨量データから各メッ
シュ位置における降雨強度データを演算し、これらの降
雨強度データをの集合として降雨強度分布を演算する。
降雨強度分布は、適当に設定された所定時間間隔毎に演
算される。Rainfall intensity distribution calculation means 2 receives rainfall amount data obtained at predetermined time intervals from a radar rain gauge. The rainfall data obtained from the radar rain gauge is adapted to be corrected by the point data obtained from the ground rain gauge. A spatial range that extends spatially with the position of the radar rain gauge as the central origin is divided by a plurality of meshes at predetermined intervals, and the mesh position is defined for each mesh. The rainfall intensity distribution calculation means 2 calculates the rainfall intensity data at each mesh position from the rainfall amount data, and calculates the rainfall intensity distribution as a set of these rainfall intensity data.
The rainfall intensity distribution is calculated at every appropriately set predetermined time interval.
【００３６】データ加工手段３は、降雨強度分布を構成
する降雨強度データを時間的あるいは空間的に加工し降
雨強度加工データを作成する。具体的には、後述するよ
うに降雨強度データの前処理、例えば複数しきい値での
ランク分け、面補間、面平均、時間平均等を行う。The data processing means 3 temporally or spatially processes the rainfall intensity data constituting the rainfall intensity distribution to create rainfall intensity processing data. Specifically, as will be described later, preprocessing of the rainfall intensity data, for example, ranking by a plurality of threshold values, surface interpolation, surface averaging, time averaging, etc. are performed.
【００３７】降雨移動速度演算手段４は、降雨強度加工
データから構成される過去から現在に至る降雨強度分布
のデータから降雨移動速度を演算する。The rainfall moving speed calculating means 4 calculates the rainfall moving speed from the data of the rainfall intensity distribution from the past to the present which is composed of the rain intensity processing data.
【００３８】移動軌跡予測手段５は、降雨移動速度演算
手段４で求めた各時刻における降雨移動速度のデータか
ら将来の降雨移動軌跡を予測する。The movement trajectory predicting means 5 predicts a future rainfall movement trajectory from the data of the rainfall movement speed at each time obtained by the rainfall movement speed calculating means 4.
【００３９】降雨量予測装置１は上述のような手段を備
え、将来の降雨量分布を予測する。The rainfall prediction device 1 is equipped with the above-mentioned means and predicts future rainfall distribution.
【００４０】本実施形態例においては、まずレーダ雨量
計により、前述した降雨集中現象を把握するため、広範
囲にわたる面的雨量分布が得られる。すなわちレーダ雨
量計において、自レーダから電波を空中に反射し、その
電波が雨滴に当たって反射し再びレーダに戻ってくるま
での時間から位置を特定し、反射強度から降雨強度を特
定する。このように１回転の３６０°の測定により、極
座標での雨滴データ（反射強度データ）が得られる。In the present embodiment, first of all, the radar rainfall gauge grasps the above-mentioned rainfall concentration phenomenon, so that a wide area rainfall distribution can be obtained. That is, in a radar rain gauge, a radio wave is reflected from the radar itself into the air, the position is specified from the time until the radio wave hits a raindrop and is returned to the radar again, and the rainfall intensity is specified from the reflection intensity. As described above, raindrop data (reflection intensity data) in polar coordinates can be obtained by measuring 360 ° for one rotation.
【００４１】雨量データでの観測は、例えば、所定時間
間隔は５分であり、メッシュ間隔は１ｋｍ間隔である。For the observation with the rainfall data, for example, the predetermined time interval is 5 minutes and the mesh interval is 1 km.
【００４２】地上雨量計はレーダ雨量計で観測された降
雨強度データを補正するために用いられ、対象流域に数
個設置され、所定時間間隔で、各設置場所の降雨量を得
る。The ground rain gauge is used for correcting the rainfall intensity data observed by the radar rain gauge, and several rain gauges are installed in the target watershed to obtain the rainfall of each installation site at a predetermined time interval.
【００４３】次に地上雨量計で得られた降雨量データ及
びレーダ雨量計で得られた降雨量データは、降雨強度分
布演算手段２に入力される。Next, the rainfall amount data obtained by the surface rain gauge and the rainfall amount data obtained by the radar rain gauge are input to the rainfall intensity distribution calculating means 2.
【００４４】降雨強度分布演算手段２では、レーダ雨量
計で得られた反射強度データをレーダ方程式を用いて降
雨強度データに変換する。次に地上雨量計で得られた降
雨量データを用いて降雨強度データを補正し、降雨強度
データ（メッシュデータ）の集合からなる降雨強度分布
のデータが得られる。降雨強度分布のデータは、データ
加工手段３へ入力され、後述するように、複数しきい値
でのランク分け、面補間、面平均、時間平均等の加工が
行われ、降雨強度加工データが作成される。降雨強度加
工データは降雨移動速度演算手段４へ入力され、ここで
降雨移動速度が演算される。The rainfall intensity distribution calculating means 2 converts the reflection intensity data obtained by the radar rain gauge into rainfall intensity data using a radar equation. Next, the rainfall intensity data is corrected using the rainfall amount data obtained by the surface rain gauge, and the data of the rainfall intensity distribution consisting of the set of rainfall intensity data (mesh data) is obtained. The data of the rainfall intensity distribution is input to the data processing means 3 and, as will be described later, processing such as ranking by a plurality of thresholds, surface interpolation, surface averaging, time averaging, etc. is performed to create rainfall intensity processing data. To be done. The rainfall intensity processing data is input to the rainfall moving speed calculation means 4, and here the rainfall moving speed is calculated.
【００４５】演算された移動速度は、移動軌跡予測手段
５に入力される。移動軌跡予測手段５では、降雨移動速
度演算手段４で演算された移動速度から将来の移動軌跡
を予測する。降雨量予測装置１は、移動軌跡予測手段５
で予想された将来の移動軌跡から現在の降雨強度分布を
予測し、降雨量予測装置１で予測された降雨量分布は流
出解析またはポンプ運転等に使用される。The calculated moving speed is input to the moving locus predicting means 5. The movement locus prediction means 5 predicts a future movement locus from the movement speed calculated by the rainfall movement speed calculation means 4. The rainfall prediction device 1 includes a movement trajectory prediction means 5
The current rainfall intensity distribution is predicted from the future movement trajectory predicted in 1., and the rainfall distribution predicted by the rainfall prediction device 1 is used for runoff analysis or pump operation.
【００４６】次に、本実施形態例のデータ加工手段３の
具体的な実施例について説明する。Next, a concrete example of the data processing means 3 of this embodiment will be described.
【００４７】まず、データ加工手段３の第１実施例を説
明する。第１実施例では、降雨強度データを複数しきい
値でのランク分けすることに関する。データ加工手段３
は、図２に示すようなランク表を用いて降雨強度データ
の値をランク数に対応させる。図２に示すランク表は、
降雨強度データの値が大きい程大きいランク数を有する
とともに降雨強度の値が大きくなるにつれてランク数の
増加率が減少するように作成されている。一般に、降雨
強度データの精度については、いわゆる’倍半分の精
度’という考え方が存在し、降雨強度データの値が大き
い場合でも小さい場合でもデータの信頼性は概ねその値
の半分程度であるという側面がある。従って、図２に示
すランク表を用いて降雨強度データの値をランク数に対
応させることにより、大きい値の降雨強度データに含ま
れる大きい誤差分の影響を受けにくくするようにする。
降雨移動速度演算手段４では、降雨強度分布そのままの
データで移動速度を演算するのではなく、降雨強度をラ
ンク分けしたデータで移動速度が演算される。First, a first embodiment of the data processing means 3 will be described. The first embodiment relates to ranking the rainfall intensity data with a plurality of threshold values. Data processing means 3
Uses the rank table as shown in FIG. 2 to associate the value of the rainfall intensity data with the rank number. The rank table shown in FIG.
The larger the value of the rainfall intensity data, the larger the number of ranks, and the larger the value of the rainfall intensity, the smaller the increase rate of the number of ranks. In general, there is a so-called'double precision 'concept for the accuracy of rainfall intensity data, and the reliability of the data is about half that value regardless of whether the rainfall intensity data is large or small. There is. Therefore, by making the value of the rainfall intensity data correspond to the number of ranks by using the rank table shown in FIG. 2, the influence of a large error included in the rainfall intensity data having a large value is suppressed.
The rainfall moving speed calculation means 4 does not calculate the moving speed based on the data of the rainfall intensity distribution as it is, but calculates the moving speed based on data obtained by ranking the rainfall intensity.
【００４８】ランク分けは、例えば次のようにする。The rank classification is performed as follows, for example.
【００４９】 降雨強度 １〜２［ｍｍ／ｈ］ ランク １ 降雨強度 ３〜４［ｍｍ／ｈ］ ランク ２ 降雨強度 ５〜８［ｍｍ／ｈ］ ランク ３ 降雨強度 ９〜１６［ｍｍ／ｈ］ ランク ４ 降雨強度 １７〜３２［ｍｍ／ｈ］ ランク ５ 降雨強度 ３３〜６４［ｍｍ／ｈ］ ランク ６ 降雨強度 ６５〜１２８［ｍｍ／ｈ］ ランク ７ 降雨強度 １２９〜 ［ｍｍ／ｈ］ ランク ８ このランク分けを行うことによって、降雨強度の多少の
時間変化等があってもランク内での変化であればその影
響を受けないため、移動速度を精度良く演算することが
できる。Rain intensity 1-2 [mm / h] Rank 1 Rain intensity 3-4 [mm / h] Rank 2 Rain intensity 5-8 [mm / h] Rank 3 Rain intensity 9-16 [mm / h] Rank 4 Rain intensity 17-32 [mm / h] Rank 5 Rain intensity 33-64 [mm / h] Rank 6 Rain intensity 65-128 [mm / h] Rank 7 Rain intensity 129- [mm / h] Rank 8 This rank By performing the division, even if the rainfall intensity changes with time, it is not affected by the change within the rank, so that the moving speed can be accurately calculated.
【００５０】また、ランク分けは降雨強度分布によって
変更してもよい。例えば、小雨の場合、ランクを細かく
する等の変更をしてもよい。The ranking may be changed according to the rainfall intensity distribution. For example, in the case of light rain, the rank may be finely changed.
【００５１】次に、データ加工手段３の第２実施例を説
明する。本実施例では、面補間を行う。面補間は、通常
の相関法での移動メッシュは整数であるが、移動メッシ
ュが整数の場合移動速度はかなり不連続（１メッシュ移
動の次は２メッシュ移動）になり精度が悪くなる。この
ため移動速度を演算する場合の移動速度の面補間を行
い、小数点以下の移動メッシュ（中間座標値）を演算
し、中間座標値（１．５メッシュ移動等）を取る移動速
度を演算するものである。Next, a second embodiment of the data processing means 3 will be described. In this embodiment, surface interpolation is performed. In surface interpolation, the moving mesh in the normal correlation method is an integer, but when the moving mesh is an integer, the moving speed becomes considerably discontinuous (moving one mesh and then moving two meshes), resulting in poor accuracy. Therefore, when moving speed is calculated, surface interpolation of moving speed is performed, moving mesh (intermediate coordinate value) below the decimal point is calculated, and moving speed that takes intermediate coordinate value (1.5 mesh movement etc.) is calculated. Is.
【００５２】図３に示すように、面補間は次のようにす
る。As shown in FIG. 3, surface interpolation is performed as follows.
【００５３】 面補間降雨強度[x-a,y-b,t-1] ＝ ＋(ai+1-a)＊(bi+1-b)＊降雨強度[x-ai,y-bi,t-1] ・・・（ａ） ＋(ai+1-a)＊(b-bi)＊降雨強度[x-ai,y-bi-1,t-1] ・・・（ｂ） ＋(a-ai)＊(bi+1-b)＊降雨強度[x-ai-1,y-bi,t-1] ・・・（ｃ） ＋(a-ai)＊(b-bi)＊降雨強度[x-ai-1,y-bi-1,t-1] ・・・（ｄ） （４）式 ここで、ｘ，ｙ：座標（メッシュ）、ｔ：時刻（観測周
期サンプル） ａｉ：ａの小数点以下切り捨ての整数値 ｂｉ＝ｂの小数点以下切り捨ての整数値 （４）式において、各項（ａ）−（ｄ）は図３における
（ａ）−（ｄ）に各々対応する。Surface interpolated rainfall intensity [xa, yb, t-1] = + (ai + 1-a) * (bi + 1-b) * rainfall intensity [x-ai, y-bi, t-1]・ ・ (A) ＋ (ai + 1-a) ＊ (b-bi) ＊ Rainfall intensity [x-ai, y-bi-1, t-1] ・ ・ ・ (b) ＋ (a-ai) ＊ (bi + 1-b) ＊ Rainfall intensity [x-ai-1, y-bi, t-1] ・ ・ ・ (c) ＋ (a-ai) ＊ (b-bi) ＊ Rainfall intensity [x-ai -1, y-bi-1, t-1] (d) Equation (4) where x, y: coordinates (mesh), t: time (observation period sample) ai: round down to the decimal point of a In the equation (4), each term (a)-(d) corresponds to (a)-(d) in FIG. 3, respectively.
【００５４】この面補間を行って中間座標での降雨強度
データを用いることによって、中間座標値を取る移動速
度を演算することができる。By performing the surface interpolation and using the rainfall intensity data at the intermediate coordinates, it is possible to calculate the moving speed having the intermediate coordinate values.
【００５５】次に、データ加工手段３の第３実施例を説
明する。本実施例は面平均を行う。面平均は、降雨強度
そのもののデータで移動速度を演算するのではなく、降
雨強度を面的平均化したデータで移動速度を演算するも
のである。Next, a third embodiment of the data processing means 3 will be described. In this embodiment, surface averaging is performed. The surface average does not calculate the moving speed based on the data of the rainfall intensity itself, but calculates the moving speed based on data obtained by surface-averaging the rainfall intensity.
【００５６】面平均は、例えば次のようにする。メッシ
ュ位置[x,y,t] における面平均降雨強度[x,y,t] は、メ
ッシュ位置[x,y,t] に隣接する４個のメッシュ位置の降
雨強度を係数ａ1 ，ａ2 で重み付けをして加算平均して
求められる。The surface average is, for example, as follows. The surface average rainfall intensity [x, y, t] at the mesh position [x, y, t] is the rainfall intensity of the four mesh positions adjacent to the mesh position [x, y, t] weighted by the coefficients a1 and a2. Then, the average is calculated.
【００５７】 面平均降雨強度[x,y,t] ＝ （ａ2 ＊降雨強度[x-1,y-1,t] ＋ａ1 ＊降雨強度[x-1,y,t] ＋ａ2 ＊降雨強度[x-1,y+1,t] ＋ａ1 ＊降雨強度[x,y-1,t] ＋降雨強度[x,y,t] ＋ａｌ＊降雨強度[x,y+1,t] ＋ａ2 ＊降雨強度[x+1,y-1,t] ＋ａ1 ＊降雨強度[x+1,y,t] ＋ａ2 ＊降雨強度[x+1,y+1,t] ）／（1+4*a1+4*a2 ） （５）式 ここで、０≦ａ1 ≦１、０≦ａ2 ≦１ ａｌとａ２の値は、隣接するメッシュ位置の寄与度を考
慮して適当に設定される量である。Surface average rainfall intensity [x, y, t] = (a2 * rainfall intensity [x-1, y-1, t] + a1 * rainfall intensity [x-1, y, t] + a2 * rainfall intensity [x -1, y + 1, t] + a1 * rainfall intensity [x, y-1, t] + rainfall intensity [x, y, t] + al * rainfall intensity [x, y + 1, t] + a2 * rainfall intensity [ x + 1, y-1, t] + a1 * Rainfall intensity [x + 1, y, t] + a2 * Rainfall intensity [x + 1, y + 1, t]) / (1 + 4 * a1 + 4 * a2 (5) Equation (5) Here, the values of 0 ≦ a1 ≦ 1, 0 ≦ a2 ≦ 1 al and a2 are quantities appropriately set in consideration of the contribution of adjacent mesh positions.
【００５８】この面平均を行うことによって、降雨強度
分布の面的高周波成分をカットでき、移動速度を精度良
く演算することができる。By performing this surface averaging, the surface high frequency component of the rainfall intensity distribution can be cut and the moving speed can be calculated accurately.
【００５９】なお、パラメータａ1 ，ａ2 は、例えばべ
た雨の場合、ａ1 ，ａ2 を大きくして面的高周波成分の
カットを強くする等のように、降雨強度分布によって変
更してもよい。It should be noted that the parameters a1 and a2 may be changed according to the rainfall intensity distribution, for example, in the case of heavy rain, by increasing a1 and a2 to strengthen the cut of the high-frequency surface component.
【００６０】次に、データ加工手段３の第４実施例を説
明する。本実施例では同一地点での降雨強度データを複
数の時間間隔にわたって時間平均を行う。時間平均は、
所定時間間隔の降雨強度そのもののデータで移動速度を
演算するのではなく、降雨強度を時間平均したデータで
移動速度を演算するものである。Next, a fourth embodiment of the data processing means 3 will be described. In this embodiment, rainfall intensity data at the same point is time-averaged over a plurality of time intervals. The time average is
The moving speed is not calculated based on the rainfall intensity itself data at a predetermined time interval, but the moving speed is calculated based on time averaged data of the rainfall intensity.
【００６１】時間平均は、例えば次のようにする。The time average is, for example, as follows.
【００６２】 時間平均降雨強度[x,y,t] ＝（降雨強度[x,y,t] ＋ａ0 ＊降雨強度[x,y,t-1] ）／（1+a0） （６）式 ここで、０≦ａ0 ≦１ この時間平均を行うことによって、降雨強度分布の時間
的な高周波成分をカットでき、降雨強度の時間変化の影
響を少なくできるので移動速度を精度良く演算すること
ができる。Time-average rainfall intensity [x, y, t] = (rainfall intensity [x, y, t] + a0 * rainfall intensity [x, y, t-1]) / (1 + a0) (6) Equation 0 ≦ a0 ≦ 1 By performing this time averaging, the high frequency component of the rainfall intensity distribution can be cut, and the influence of the temporal change of the rainfall intensity can be reduced, so that the moving speed can be accurately calculated.
【００６３】なお、パラメータａ0 は、例えば、時間変
化が小さい場合、ａ0 を大きくして時間的高周波成分の
カットを強くする等、降雨強度分布の時間変化によって
変更してもよい。The parameter a0 may be changed according to the time change of the rainfall intensity distribution, for example, when the time change is small, the parameter a0 is increased to strengthen the cut of the temporal high frequency component.
【００６４】次に、データ加工手段３の第５実施例につ
いて説明する。本実施例では、複数データでの平均化を
行う。通常の相関法での移動速度の演算では現在の降雨
強度分布とある過去の一つの時刻の降雨強度分布との２
つのデータを用いる。Next, a fifth embodiment of the data processing means 3 will be described. In this embodiment, averaging is performed on a plurality of data. In the calculation of the moving speed by the normal correlation method, the present rainfall intensity distribution and the rainfall intensity distribution at one past time
One data is used.
【００６５】これに対して、本実施例では、過去の時刻
の降雨強度分布のデータとして、過去の複数の降雨強度
データの平均値を用いるものである。この場合、データ
加工手段３は、ある時刻のあるメッシュ位置における降
雨強度データ（降雨強度[x-a,y-b,t-1] ）を直接用いる
のではなく、過去の降雨強度分布における対応するメッ
シュ位置の降雨強度データ（降雨強度[x-2*a,y-2*b,t-
2] ）を部分的に取り入れて加工し、相関法に使用する
データとして採用する。On the other hand, in this embodiment, the average value of a plurality of past rainfall intensity data is used as the data of the rainfall intensity distribution at the past time. In this case, the data processing means 3 does not directly use the rainfall intensity data (rainfall intensity [xa, yb, t-1]) at a certain mesh position at a certain time, but instead of the corresponding mesh position in the past rainfall intensity distribution. Rainfall intensity data (rainfall intensity [x-2 * a, y-2 * b, t-
2]) is partially incorporated and processed, and adopted as the data used for the correlation method.
【００６６】複数のデータでの平均化では、例えば次の
ようにする。In averaging a plurality of data, the following is done, for example.
【００６７】 平均降雨強度分布[x-a,y-b,t-1] ＝（降雨強度[x-a,y-b,t-1] ＋ｃ1 ＊降雨強度[x-2*a,y-2*b,t-2] ）／（1+c1） （７）式 ここで、ａ，ｂ：移動メッシュ数 この複数データでの平均化を行うことによって、各時間
ごとの移動速度でなく、時間的に平均的な移動速度を演
算でき、移動速度を精度良く演算することができる。Average rainfall intensity distribution [xa, yb, t-1] = (rainfall intensity [xa, yb, t-1] + c1 * rainfall intensity [x-2 * a, y-2 * b, t-2] ) / (1 + c1) (7) where a, b: number of moving meshes By averaging with a plurality of data, not the moving speed for each time, but the average moving speed in time. Can be calculated, and the moving speed can be calculated accurately.
【００６８】次に、本実施形態例の第６実施例について
説明する。本実施例では、降雨移動速度演算手段４は異
常値判断手段を有し、異常値判断手段は、過去の降雨移
動速度に関する移動速度パターンを記憶しておき、これ
らの移動速度パターンを参照し演算された降雨移動速度
が異常であるか否かを判断する。そして、この判断結果
も基づき、良質でない異常値の異常値カットを行う。Next, a sixth example of this embodiment will be described. In the present embodiment, the rainfall movement speed calculation means 4 has an abnormal value determination means, and the abnormal value determination means stores movement speed patterns relating to past rainfall movement speeds and calculates with reference to these movement speed patterns. It is determined whether or not the rainfall moving speed is abnormal. Then, based on this determination result as well, abnormal value cutting of abnormal values that are not of good quality is performed.
【００６９】過去のパターンでの異常値カットとは、過
去の月別もしくは季節ごとの移動速度データを記憶して
おき、現在の降雨強度分布から演算した移動速度を比較
し、パターンが一致せず異常値と判定された場合、移動
速度は過去の典型的な値とするものである。The abnormal pattern cut in the past pattern means that the moving speed data for each month or season in the past is stored and the moving speed calculated from the present rainfall intensity distribution is compared. If the value is determined to be a value, the moving speed is a typical value in the past.
【００７０】この過去のパターンでの異常値カットを行
うことによって、降雨強度の時間変化が大きい場合等に
移動速度を異常値となることを防ぐことができる。By performing the abnormal value cutting in this past pattern, it is possible to prevent the moving speed from becoming an abnormal value when the rainfall intensity changes greatly with time.
【００７１】次に、本実施形態例の第７実施例について
説明する。本実施例では、降雨移動速度演算手段４は、
降雨移動速度が小さい場合に降雨強度分布を演算する所
定時間間隔を長く設定するようにする。Next, a seventh example of this embodiment will be described. In the present embodiment, the rainfall moving speed calculation means 4 is
When the rainfall movement speed is low, the predetermined time interval for calculating the rainfall intensity distribution is set to be long.
【００７２】通常の相関法での移動速度の演算では現在
の降雨強度分布とある一定時刻過去の降雨強度分布の２
つのデータを用いるが、本実施例では次のように現在と
過去との時間間隔を変えるものである。In the calculation of the moving speed by the normal correlation method, the present rainfall intensity distribution and the rainfall intensity distribution at a certain fixed time past are calculated as 2
Although one data is used, in this embodiment, the time interval between the present and the past is changed as follows.
【００７３】移動速度ａ，ｂ（及び降雨強度）が時間で
の変化なし場合の場合は、降雨強度[x,y,t] と、降雨強
度[x-a,y-b,t-1] と、降雨強度[x-2*a,y-2*b,t-2] との
相関が大きく、１時刻過去のデータと２時刻過去のデー
タどちらを用いても良い。この場合、１時刻過去のデー
タから演算した移動速度は、降雨強度の変化が小さいた
め精度がよいが、分解能が低く、一方、複数時刻過去の
データから演算した移動速度は分解能が高いが、降雨強
度の変化の影響を受け精度が悪くなる。When the moving speeds a and b (and the rainfall intensity) do not change with time, the rainfall intensity [x, y, t], the rainfall intensity [xa, yb, t-1], and the rainfall intensity Correlation with [x-2 * a, y-2 * b, t-2] is large, and either one time past data or two time past data may be used. In this case, the movement speed calculated from the data one hour past is accurate because the change in the rainfall intensity is small, but the resolution is low, while the movement speed calculated from the data past several hours has a high resolution, but the rainfall The accuracy deteriorates due to the influence of changes in strength.
【００７４】そこで、分解能及び精度を適切にするため
に、降雨強度の時間変化の大きさによって時間間隔を変
える。Therefore, in order to make the resolution and accuracy appropriate, the time interval is changed according to the magnitude of the temporal change in rainfall intensity.
【００７５】降雨強度の時間変化の大きさは、例えば次
のようにする。The magnitude of the temporal change in rainfall intensity is set as follows, for example.
【００７６】 時間変化＝（降雨強度[x,y,t] −降雨強度[x-a,y-b,t-1] ）の自乗平均値 （８）式 このように演算に用いる時間間隔の可変化を行うことに
よって、降雨強度の時間平均の大きさによって分解能、
精度を適切にすることができる。Time change = (rainfall intensity [x, y, t] -rainfall intensity [xa, yb, t-1]) root mean square equation (8) By the resolution of the time average magnitude of rainfall intensity,
The accuracy can be appropriate.
【００７７】次に、本実施形態例の第８実施例について
説明する。本実施例では、移動軌跡予測手段５におい
て、降雨分布の移動速度を時間平均化等を行って中間座
標値を取るようにして移動軌跡を予測する。Next, an eighth example of this embodiment will be described. In the present embodiment, the moving locus predicting means 5 predicts the moving locus such that the moving speed of the rainfall distribution is time-averaged to obtain an intermediate coordinate value.
【００７８】移動速度の時間平均化は、現在の移動速度
のみから移動軌跡を予測するのではなく、過去の移動速
度から移動軌跡を予測するもので、小数点以下の移動メ
ッシュ（中間座標値）を取る移動軌跡を予測するもので
ある。The time averaging of the moving speed does not predict the moving path only from the current moving speed, but predicts the moving path from the past moving speed, and the moving mesh (intermediate coordinate value) below the decimal point is calculated. This is to predict the movement trajectory to be taken.
【００７９】時間平均化は、例えば次のようにする。The time averaging is performed as follows, for example.
【００８０】 時間平均移動メッシュ[x,y,t] ＝（移動メッシュ[x,y,t] ＋ｄ1 ＊移動メッシュ[x,y,t-1] ）／（1+d1） （９）式 この時間平均を行うことによって、移動速度の時間的な
高周波成分をカットでき、また中間座標値を取る移動軌
跡を予測することができる。Time-average moving mesh [x, y, t] = (moving mesh [x, y, t] + d1 * moving mesh [x, y, t-1]) / (1 + d1) (9) By performing the time averaging, the temporal high frequency component of the moving speed can be cut, and the moving locus having the intermediate coordinate value can be predicted.
【００８１】なお、パラメータｄ1 を、例えば、時間変
化が小さい場合、ｄ1 を大きくして時間的高周波成分の
カットを強くする等、移動速度の時間変化によって変更
してもよい。The parameter d1 may be changed according to the time change of the moving speed, for example, when the time change is small, the parameter d1 is increased to strengthen the cut of the high frequency component in time.
【００８２】以上説明した実施例において種々の処理の
し方について示したが、上述の処理を複数組み合わせて
移動速度を演算しても良い。Although various methods of processing have been shown in the above-described embodiments, the moving speed may be calculated by combining a plurality of the above-mentioned processing.
【００８３】[0083]
【発明の効果】以上説明したように、本発明の構成によ
れば、降雨強度データを時間的あるいは空間的に加工し
降雨強度加工データを作成するデータ加工手段を設けた
ので、降雨分布の移動速度を精度良く演算でき、将来の
降雨量を精度良く予測することができる。As described above, according to the configuration of the present invention, since the data processing means for processing the rainfall intensity data temporally or spatially to create the rainfall intensity processing data is provided, the rainfall distribution shifts. Velocity can be calculated accurately, and future rainfall can be predicted accurately.
【図１】本発明の一実施形態例を示す全体構成ブロック
図。FIG. 1 is an overall configuration block diagram showing an embodiment of the present invention.
【図２】ランク表の一例を示す図。FIG. 2 is a diagram showing an example of a rank table.
【図３】面補間の説明する図。FIG. 3 is a diagram illustrating surface interpolation.
１ 降雨量予測装置 ２ 降雨強度分布演算手段 ３ データ加工手段 ４ 降雨移動速度演算手段 ５ 移動軌跡予測手段 1 Rainfall Prediction Device 2 Rainfall Intensity Distribution Calculating Means 3 Data Processing Means 4 Rainfall Moving Speed Calculating Means 5 Moving Trajectory Predicting Means
───────────────────────────────────────────────────── フロントページの続き (72)発明者 近 藤 真 一 東京都府中市東芝町１番地 株式会社東芝 府中工場内 ─────────────────────────────────────────────────── ─── Continuation of the front page (72) Inventor Shinichi Kondo No. 1 Toshiba-cho, Fuchu-shi, Tokyo Toshiba Corporation Fuchu factory
Claims (9)
から将来の降雨強度分布を予測する降雨量予測装置にお
いて、 レーダ雨量計から得られる所定時間間隔毎の雨量データ
から、所定間隔にある複数のメッシュ位置における降雨
強度データの集合からなる降雨強度分布を所定時間間隔
毎に演算する降雨強度分布演算手段と、 前記降雨強度分布を構成する降雨強度データを時間的あ
るいは空間的に加工し降雨強度加工データを作成するデ
ータ加工手段と、 前記降雨強度加工データから構成される過去から現在に
至る降雨強度分布のデータから降雨移動速度を演算する
降雨移動速度演算手段と、 前記降雨移動速度演算手段で求めた降雨移動速度のデー
タから降雨移動軌跡を予測する移動軌跡予測手段と、を
備えることを特徴とする降雨量予測装置。1. A rainfall prediction apparatus for predicting a future rainfall intensity distribution from rainfall data obtained by a radar rain gauge, comprising: a plurality of meshes located at predetermined intervals from rainfall data obtained at a predetermined time interval obtained from a radar rain gauge. Rain intensity distribution calculating means for calculating a rainfall intensity distribution consisting of a set of rainfall intensity data at a position at predetermined time intervals, and rainfall intensity processing data for temporally or spatially processing the rainfall intensity data constituting the rainfall intensity distribution Data processing means for creating a rain movement speed calculation means for calculating the rain movement speed from the past to present rainfall intensity distribution data composed of the rain intensity processing data, and the rain movement speed calculation means And a movement trajectory predicting unit that predicts a rainfall movement trajectory from the data of the rainfall movement speed. apparatus.
値とランク数とを対応させるランク表を用いて各々の降
雨強度データにランク数を対応させて前記加工データを
作成し、前記ランク表は、降雨強度データの値が大きい
程大きいランク数を有するとともに降雨強度データの値
が大きくなるにつれてランク数の増加率が減少するよう
に作成されていることを特徴とする請求項１に記載の降
雨量予測装置。2. The data processing means creates the processed data by associating each rainfall intensity data with a rank number by using a rank table that associates the value of the rainfall intensity data with the rank number, and the rank table. Is created such that the larger the value of the rainfall intensity data, the greater the number of ranks, and the rate of increase of the number of ranks decreases as the value of the rainfall intensity data increases. Rainfall prediction device.
置における降雨強度データを複数のメッシュ位置の降雨
強度データで空間的に平均化させ、前記加工データを所
定時間間隔毎に作成することを特徴とする請求項１に記
載の降雨量予測装置。3. The data processing means spatially averages the rainfall intensity data at each mesh position with the rainfall intensity data at a plurality of mesh positions, and creates the processed data at predetermined time intervals. The rainfall prediction device according to claim 1.
時刻における降雨強度データを複数の時間間隔ににおけ
る降雨強度データで時間的に平均化させて加工データを
作成することを特徴とする請求項１に記載の降雨量予測
装置。4. The data processing means creates processing data by temporally averaging the rainfall intensity data at each time of the same point with the rainfall intensity data at a plurality of time intervals. The rainfall prediction apparatus according to Item 1.
の位置における降雨強度データを隣接するメッシュ位置
の降雨強度データを用い補間法により所定時間間隔毎に
作成し降雨強度加工データとすることを特徴とする請求
項１に記載の降雨量予測装置。5. The data processing means creates rainfall intensity data at positions between mesh positions at predetermined time intervals by an interpolation method using rainfall intensity data at adjacent mesh positions to obtain the rainfall intensity processing data. The rainfall prediction apparatus according to claim 1, characterized in that
ッシュ位置における降雨強度データを、所定時間間隔以
前の時刻における降雨強度分布の対応するメッシュ位置
における降雨強度データと平均化させて加工データを作
成することを特徴とする請求項１に記載の降雨量予測装
置。6. The data processing means averages the rainfall intensity data at a mesh position at a certain time with the rainfall intensity data at a corresponding mesh position of the rainfall intensity distribution at a time before a predetermined time interval to obtain the processed data. The rainfall prediction apparatus according to claim 1, which is created.
移動速度に関する移動速度パターンを記憶しておき、前
記移動速度パターンを参照し演算された降雨移動速度が
異常であるか否かを判断する異常値判断手段を有するこ
とを特徴とする請求項１に記載の降雨量予測装置。7. The rainfall moving speed calculation means stores a moving speed pattern relating to a past rainfall moving speed and judges whether or not the calculated rainfall moving speed is abnormal with reference to the moving speed pattern. The rainfall amount prediction device according to claim 1, further comprising:
度が小さい場合に降雨強度分布を演算する所定時間間隔
を長く設定することを特徴とする請求項１に記載の降雨
量予測装置。8. The rainfall amount prediction apparatus according to claim 1, wherein the rainfall movement speed calculation means sets a long predetermined time interval for calculating the rainfall intensity distribution when the rainfall movement speed is small.
は、地上雨量計によって得られる雨量データにより補正
されることを特徴とする請求項１に記載の降雨量予測装
置。9. The rainfall prediction apparatus according to claim 1, wherein the rainfall data obtained by the radar rain gauge is corrected by the rainfall data obtained by the ground rain gauge.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP398996A JPH09189773A (en) | 1996-01-12 | 1996-01-12 | Rainfall prediction system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP398996A JPH09189773A (en) | 1996-01-12 | 1996-01-12 | Rainfall prediction system |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH09189773A true JPH09189773A (en) | 1997-07-22 |
Family
ID=11572437
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP398996A Withdrawn JPH09189773A (en) | 1996-01-12 | 1996-01-12 | Rainfall prediction system |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH09189773A (en) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013130419A (en) * | 2011-12-20 | 2013-07-04 | Kansai Electric Power Co Inc:The | Rainfall prediction method |
| JP2014006119A (en) * | 2012-06-22 | 2014-01-16 | Toshiba Corp | Rainfall amount calculation device, rainfall amount calculation method, and program |
| JP2016105053A (en) * | 2014-12-01 | 2016-06-09 | 株式会社カネコ | Rainfall amount monitoring device, rainfall amount monitoring method, and rainfall amount monitoring program |
| WO2017122408A1 (en) * | 2016-01-12 | 2017-07-20 | 株式会社東芝 | Weather forecasting device, weather forecasting method, and weather forecasting program |
| JP2018105893A (en) * | 2018-04-09 | 2018-07-05 | 株式会社東芝 | Weather prediction correction device, weather prediction correction method, and program |
| JP2018205214A (en) * | 2017-06-07 | 2018-12-27 | 大成建設株式会社 | Rainfall prediction device |
| JP2020052009A (en) * | 2018-09-28 | 2020-04-02 | トヨタ自動車株式会社 | Precipitation index estimation device |
| JP2020052008A (en) * | 2018-09-28 | 2020-04-02 | トヨタ自動車株式会社 | Precipitation index estimation device |
| CN112782699A (en) * | 2020-12-24 | 2021-05-11 | 中国气象局公共气象服务中心(国家预警信息发布中心) | Rainfall prediction method and device based on three-dimensional radar echo, electronic equipment and storage medium |
| CN114839698A (en) * | 2021-02-01 | 2022-08-02 | 丰田自动车株式会社 | Illuminance providing device and illuminance collecting system |
| CN115214493A (en) * | 2022-07-12 | 2022-10-21 | 广州汽车集团股份有限公司 | Control method and system for vehicle rainstorm mode and automobile |
| US11498523B2 (en) | 2018-09-28 | 2022-11-15 | Toyota Jidosha Kabushiki Kaisha | Precipitation index estimation apparatus |
-
1996
- 1996-01-12 JP JP398996A patent/JPH09189773A/en not_active Withdrawn
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013130419A (en) * | 2011-12-20 | 2013-07-04 | Kansai Electric Power Co Inc:The | Rainfall prediction method |
| JP2014006119A (en) * | 2012-06-22 | 2014-01-16 | Toshiba Corp | Rainfall amount calculation device, rainfall amount calculation method, and program |
| JP2016105053A (en) * | 2014-12-01 | 2016-06-09 | 株式会社カネコ | Rainfall amount monitoring device, rainfall amount monitoring method, and rainfall amount monitoring program |
| WO2017122408A1 (en) * | 2016-01-12 | 2017-07-20 | 株式会社東芝 | Weather forecasting device, weather forecasting method, and weather forecasting program |
| JP2018205214A (en) * | 2017-06-07 | 2018-12-27 | 大成建設株式会社 | Rainfall prediction device |
| JP2018105893A (en) * | 2018-04-09 | 2018-07-05 | 株式会社東芝 | Weather prediction correction device, weather prediction correction method, and program |
| US11500127B2 (en) | 2018-09-28 | 2022-11-15 | Toyota Jidosha Kabushiki Kaisha | Precipitation index estimation apparatus |
| JP2020052008A (en) * | 2018-09-28 | 2020-04-02 | トヨタ自動車株式会社 | Precipitation index estimation device |
| US11346980B2 (en) | 2018-09-28 | 2022-05-31 | Toyota Jidosha Kabushiki Kaisha | Precipitation index estimation apparatus |
| JP2020052009A (en) * | 2018-09-28 | 2020-04-02 | トヨタ自動車株式会社 | Precipitation index estimation device |
| US11498523B2 (en) | 2018-09-28 | 2022-11-15 | Toyota Jidosha Kabushiki Kaisha | Precipitation index estimation apparatus |
| CN112782699A (en) * | 2020-12-24 | 2021-05-11 | 中国气象局公共气象服务中心(国家预警信息发布中心) | Rainfall prediction method and device based on three-dimensional radar echo, electronic equipment and storage medium |
| CN112782699B (en) * | 2020-12-24 | 2024-05-03 | 中国气象局公共气象服务中心(国家预警信息发布中心) | Precipitation prediction method and device based on three-dimensional radar echo, electronic equipment and storage medium |
| CN114839698A (en) * | 2021-02-01 | 2022-08-02 | 丰田自动车株式会社 | Illuminance providing device and illuminance collecting system |
| CN114839698B (en) * | 2021-02-01 | 2024-02-13 | 丰田自动车株式会社 | Illuminance providing device and illuminance collecting system |
| CN115214493A (en) * | 2022-07-12 | 2022-10-21 | 广州汽车集团股份有限公司 | Control method and system for vehicle rainstorm mode and automobile |
| CN115214493B (en) * | 2022-07-12 | 2023-12-05 | 广州汽车集团股份有限公司 | Control method and system for vehicle heavy rain mode and automobile |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR910009261B1 (en) | Apparatus and method for controlling operation of storm sewage pump | |
| JPH09189773A (en) | Rainfall prediction system | |
| US20020042269A1 (en) | Systems and methods for determining signal coverage | |
| US20080097701A1 (en) | Short term and long term forecasting systems with enhanced prediction accuracy | |
| WO2004086067A2 (en) | System and method for lightning detection | |
| JP4369816B2 (en) | National Synthetic Radar Rainfall Information Provision System | |
| CN114397636B (en) | Method, system and equipment for evaluating uniformity of reflectivity factor of ground-based radar | |
| JP2004069478A (en) | Lightning prediction method | |
| JP2003014868A (en) | System for providing predictive information of flood | |
| CN110288117B (en) | Regional reconstruction method for critical frequency of ionosphere parameters | |
| JPH10177076A (en) | Amount-of-rainfall predicting device | |
| CN106134520B (en) | In low latitude area ionospheric scintillation short-term earthquake prediction method | |
| JP2965790B2 (en) | Radar rainfall short-term movement prediction device | |
| CN114004426B (en) | Dynamic adjustment method of short-time rainstorm forecast release model | |
| Wardah et al. | Radar rainfall estimates comparison with kriging interpolation of gauged rain | |
| JP2005017266A (en) | Method and device for radar pluviometry | |
| JP2002285634A (en) | Device for estimating inflow of rainwater | |
| CN110231630A (en) | The adaptive beam scanning method of cabin formula anemometry laser radar | |
| CN114355411B (en) | Flood detection method based on Beidou or GPS carrier-to-noise ratio observation value | |
| JP7461254B2 (en) | Water level prediction method, water level prediction program, and water level prediction device | |
| Thu et al. | Application of optical flow technique to short-term rainfall forecast for some synoptic patterns in Vietnam | |
| JPH0850181A (en) | Rainfall movement predicting device | |
| JPH05134056A (en) | Estimating apparatus for inflow of rain water | |
| Vujec et al. | Kalman filter sensitivity tests for the NWP and analog-based forecasts post-processing | |
| JPH07191152A (en) | Rainfall amount forecasting device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Withdrawal of application because of no request for examination |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20030401 |