WO2013125527A1 - 気象予測装置及び気象予測方法 - Google Patents

気象予測装置及び気象予測方法 Download PDF

Info

Publication number
WO2013125527A1
WO2013125527A1 PCT/JP2013/054012 JP2013054012W WO2013125527A1 WO 2013125527 A1 WO2013125527 A1 WO 2013125527A1 JP 2013054012 W JP2013054012 W JP 2013054012W WO 2013125527 A1 WO2013125527 A1 WO 2013125527A1
Authority
WO
WIPO (PCT)
Prior art keywords
observation
value
grid
observation value
advection model
Prior art date
Application number
PCT/JP2013/054012
Other languages
English (en)
French (fr)
Inventor
文彦 水谷
隆一 武藤
篤志 榊原
大輔 物江
愛実 小林
Original Assignee
株式会社 東芝
株式会社中電シーティーアイ
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 株式会社 東芝, 株式会社中電シーティーアイ filed Critical 株式会社 東芝
Priority to EP13752228.0A priority Critical patent/EP2818899B1/en
Priority to CN201380004713.9A priority patent/CN104040378B/zh
Priority to JP2014500716A priority patent/JP6034361B2/ja
Priority to IN5828DEN2014 priority patent/IN2014DN05828A/en
Priority to BR112014018277-9A priority patent/BR112014018277B1/pt
Publication of WO2013125527A1 publication Critical patent/WO2013125527A1/ja
Priority to US14/323,276 priority patent/US9645283B2/en
Priority to HK15102001.6A priority patent/HK1201587A1/xx

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Definitions

  • Embodiments of the present invention relate to a weather prediction device and a weather prediction method.
  • weather forecasting is performed by calculating atmospheric flows using observation data obtained by weather radar, etc., or GPV (Grid Point Value) data provided by the Japan Meteorological Agency.
  • GPV Grid Point Value
  • An object of the present embodiment is to provide a weather prediction device and a weather prediction method that can improve the accuracy of short-term weather prediction.
  • the weather prediction device is a device that divides the prediction target region into a grid shape and performs weather prediction for each grid, receiving means for receiving the observation value for each grid at a first time interval, and Advection model calculation means for calculating a predicted value for each grid at a second time interval shorter than the first time interval by using a first observation value received by the reception means as an initial value, and the reception When a second observation value after the first observation value is received by the means, the advection model is based on a difference between the second observation value and the predicted value corresponding to the observation time of the second observation value. And correcting means for correcting.
  • the weather prediction method is a method of performing weather prediction for each grid by dividing the prediction target region into a grid by a computer, and receives observation values for each grid at a first time interval.
  • FIG. 1 is a block diagram illustrating a configuration of a weather prediction apparatus according to the present embodiment.
  • FIG. 2 is a flowchart showing the weather prediction calculation process.
  • FIG. 3 is a diagram schematically illustrating the advection calculation process.
  • FIG. 4 is a diagram illustrating an example of the advection calculation result.
  • FIG. 1 is a block diagram showing a configuration of a weather prediction apparatus according to the present embodiment.
  • the weather prediction apparatus 100 includes a communication interface 11, a communication processing unit 12, an observation data storage unit 13, an advection model calculation unit 14, and an advection model correction unit 15.
  • the weather prediction device 100 is connected to the network NT through the communication interface 11, and performs communication between the weather data server DS0 and the radar site data servers DS1 and DS2 on the network NT.
  • the communication processing unit 12 receives weather observation information observed by the weather radar from the data servers DS1 and DS2 at the radar site via the network NT.
  • the radar site data servers DS1 and DS2 receive precipitation information and wind information (radar observation information) for each grid obtained by dividing the prediction target area in a grid pattern, for example, every 3 minutes (first time interval).
  • radar observation information has the time resolution and spatial resolution of radar, and in the case of a large parabolic antenna type mechanical scanning antenna used in a national observation network, it is about 1 km mesh every 3 to 5 minutes. In the case of an array weather radar, it can be received at a coverage of 20 to 60 km at a mesh of about 100 to 250 m every 10 to 30 seconds.
  • the communication processing unit 12 receives wide area wind prediction information (GPV data wind information) distributed from the weather data server DS0.
  • the meteorological observation data received by the communication processing unit 12 is stored in the observation data storage unit 13.
  • the advection model calculation unit 14 uses the observation value (first observation value) stored in the observation data storage unit 13 as an initial value, and uses the advection model, for example, every 10 seconds (second time interval) to detect the spatial resolution of the radar. Calculates and outputs the predicted value for each grid equivalent to.
  • the advection model correction unit 15 calculates the advection model corresponding to the second observation value and the observation time of the second observation value.
  • the advection model is corrected based on the difference from the predicted value by the unit 14.
  • FIG. 2 is a flowchart showing the weather prediction calculation process.
  • FIG. 3 schematically illustrates the advection calculation process.
  • the weather prediction device 100 receives radar observation information and wind information of GPV data by the communication processing unit 12 every 3 minutes, for example, and stores them in the observation data storage unit 13.
  • the advection model calculation unit 14 sets a physical quantity (water substance distribution, wind direction / wind speed distribution) obtained from the observation result one hour before (three minutes before) as an initial value (step S1).
  • the advection model calculation unit 14 performs prediction calculation of the water substance for each lattice using the advection model (step S2), and repeats the prediction calculation by the advection model in step S2, for example, every 10 seconds until the latest observation time is passed. Perform (step S3).
  • a three-dimensional CUL (Cubic Lagrange) method is used for the advection model, and the wind direction and the wind speed are constant in the time direction. Note that the present invention can also be applied when the wind direction and wind speed change in the time direction.
  • the wind direction / velocity field obtained using the VVP (Volume Velocity Processing) method or Gal-Chen method which is a three-dimensional wind analysis method. It can be used for advection direction and speed.
  • the advection model correction unit 15 determines the difference between the observation result of the water substance at the observation time and the prediction result of the water substance of the advection model corresponding to the observation time. (Error amount) is obtained at each grid point (step S4). And the advection model correction
  • Figure 4 shows an example of the prediction results using the advection model.
  • the water substance is generated at a position where the value of (observation result ⁇ prediction result of the advection model) is positive, and the water substance disappears at a position where the value is negative. I think. Assuming that the generation and disappearance of water substances will continue to occur at the same position for the next ten or more minutes, the amount of generation and disappearance of water substances per unit time is used as the correction value.
  • the corrected advection model is obtained by adding the correction term obtained in step S5 to the advection model. Specifically, it can be expressed by the following formula.
  • the advection model calculation unit 14 performs prediction calculation using the corrected advection model until the prediction target time (for example, 30 minutes ahead), with the observation result at the latest observation time of the water substance as an initial value. (Steps S6, 7).
  • the advection model calculation part 14 outputs the prediction result of step S6 as a predicted value of a water substance.
  • the above embodiment is based on the advection model and performs prediction while correcting the advection model based on the difference between the observed value and the predicted value based on the advection model.
  • this configuration it is possible to improve the accuracy of short-term weather prediction and accurately predict cumulonimbus clouds that develop rapidly.
  • precipitation prediction has been described as an example, but in addition to this, it is also possible to predict the distribution of pollen, yellow sand, dust, pollutants in the atmosphere, and the like.
  • flow velocity of the sea or river instead of the wind speed, it is possible to predict the distribution of plankton or oil that has flowed over the sea, or the distribution of chemical substances discharged into the river.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Environmental & Geological Engineering (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Environmental Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Ecology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)

Abstract

　本実施形態に係る気象予測装置は、予測対象領域を格子状に分割して格子毎に気象予測を行う装置であって、第１時間間隔で格子毎の観測値を受信する通信処理部（１２）と、通信処理部（１２）により受信された第１観測値を初期値とし、移流モデルを用いて第１時間間隔より短い第２時間間隔で格子毎の予測値を演算する移流モデル演算部（１４）と、通信処理部（１２）により第１観測値以後の第２観測値が受信された場合に、当該第２観測値と、当該第２観測値の観測時刻に対応する予測値との差に基づいて移流モデルを補正する移流モデル補正部（１５）とを有する。

Description

気象予測装置及び気象予測方法
　本発明の実施形態は、気象予測装置及び気象予測方法に関する。
　従来の気象予測システムでは、気象レーダ等で得られる観測データや気象庁から提供されるＧＰＶ（Grid Point Value）データ等を用いて大気の流れを計算することで気象予測を行っている。しかしながら、観測データを取得する時間間隔が長いため、急激に発達する積乱雲などの予測には有効ではなかった。
特許第３７２７７６２号公報
　上述したように、従来技術では、観測データを取得する時間間隔が長いため、観測データと予測データとの差が生じてしまい、予測情報の信頼性が失われてしまうという課題がある。
　本実施形態の目的は、短時間気象予測の精度を高めることができる気象予測装置及び気象予測方法を提供することにある。
　本実施形態に係る気象予測装置は、予測対象領域を格子状に分割して格子毎に気象予測を行う装置であって、第１時間間隔で前記格子毎の観測値を受信する受信手段と、前記受信手段により受信された第１観測値を初期値とし、移流モデルを用いて前記第１時間間隔より短い第２時間間隔で前記格子毎の予測値を演算する移流モデル演算手段と、前記受信手段により前記第１観測値以後の第２観測値が受信された場合に、前記第２観測値と、前記第２観測値の観測時刻に対応する前記予測値との差に基づいて前記移流モデルを補正する補正手段とを具備するものである。
　また、本実施形態に係る気象予測方法は、コンピュータによって予測対象領域を格子状に分割して格子毎に気象予測を行う方法であって、第１時間間隔で前記格子毎の観測値を受信する受信ステップと、前記受信ステップで受信された第１観測値を初期値とし、移流モデルを用いて前記第１時間間隔より短い第２時間間隔で前記格子毎の予測値を演算する移流モデル演算ステップと、前記受信ステップで前記第１観測値以後の第２観測値が受信された場合に、前記第２観測値と、前記第２観測値の観測時刻に対応する前記予測値との差に基づいて前記移流モデルを補正する補正ステップとを有するものである。
図１は、本実施形態に係る気象予測装置の構成を示すブロック図である。 図２は、気象予測演算処理を示すフローチャートである。 図３は、移流計算処理を模式的に示す図である。 図４は、移流計算結果の例を示す図である。
実施形態
　以下、図面を参照しながら本実施形態に係る気象予測装置及び気象予測方法を説明する。
　図１は、本実施形態に係る気象予測装置の構成を示すブロック図である。この気象予測装置１００は、通信インタフェース１１と、通信処理部１２と、観測データ格納部１３と、移流モデル演算部１４と、移流モデル補正部１５とを備える。気象予測装置１００は、通信インタフェース１１を通じてネットワークＮＴに接続され、当該ネットワークＮＴ上の気象データサーバＤＳ０及びレーダサイトのデータサーバＤＳ１，ＤＳ２との間で通信を行う。
　通信処理部１２はネットワークＮＴを介してレーダサイトのデータサーバＤＳ１，ＤＳ２から気象レーダにより観測された気象観測情報を受信する。例えば、レーダサイトデータサーバＤＳ１，ＤＳ２からは、予測対象領域を格子状に分割した格子毎の降水情報及び風情報（レーダ観測情報）を例えば３分毎（第１時間間隔）に受信する。例えば、レーダ観測情報は、レーダの時間分解能および空間分解能を有し、全国観測網で用いる大型のパラボラアンテナタイプの機械的走査アンテナの場合は３～５分毎に１ｋｍメッシュ程度であるが、フェーズドアレイ気象レーダの場合は、２０～６０ｋｍの覆域で１０～３０秒毎に１００ｍ～２５０ｍメッシュ程度で受信することができる。また、通信処理部１２は、気象データサーバＤＳ０から配信される広域の風の予測情報（ＧＰＶデータの風情報）を受信する。この通信処理部１２で受信された気象観測データは観測データ格納部１３に格納される。
　移流モデル演算部１４は、観測データ格納部１３に格納された観測値（第１観測値）を初期値とし、移流モデルを用いて例えば１０秒毎（第２時間間隔）に、レーダの空間分解能と同等の格子毎の予測値を演算して出力する。
　移流モデル補正部１５は、通信処理部１２により第１観測値以後の第２観測値が受信された場合に、この第２観測値と、当該第２観測値の観測時刻に対応する移流モデル演算部１４による予測値との差に基づいて上記移流モデルを補正する。
　次に、このように構成された気象予測装置１００の動作について説明する。図２は、気象予測演算処理を示すフローチャートである。また、図３は、移流計算処理を模式的に示したものである。
　気象予測装置１００は、通信処理部１２により、レーダ観測情報、ＧＰＶデータの風情報を例えば３分毎に受信し、観測データ格納部１３に格納している。移流モデル演算部１４は、１時刻前（３分前）の観測結果から得られる物理量（水物質分布、風向・風速分布）を初期値として設定する（ステップＳ１）。
　移流モデル演算部１４は、移流モデルを用いて格子毎の水物質の予測計算を行い（ステップＳ２）、最新の観測時刻を過ぎるまで、例えば１０秒毎にステップＳ２の移流モデルによる予測計算を繰り返し行う（ステップＳ３）。ここでは、一例として、移流モデルには３次元ＣＵＬ（Cubic Lagrange）法を用い、風向・風速は時間方向に一定とする。なお、風向・風速が時間方向に変化する場合にも適用できる。例えば、フェーズドアレイレーダデータのように高密度の空間分解能を持つデータを扱う場合、3次元風解析手法であるＶＶＰ（Volume Velocity Processing）法やGal-Chen法を用いて求めた風向・風速場を、移流の風向・風速に利用することができる。
　移流モデル補正部１５は、最新の観測時刻を過ぎたときに（ステップＳ３：ＹＥＳ）、水物質の当該観測時刻における観測結果と、当該観測時刻に対応する移流モデルの水物質の予測結果の差（誤差量）を各格子点で求める（ステップＳ４）。そして、移流モデル補正部１５は、ステップＳ４で求めた誤差量に基づいて移流モデルを補正する（ステップＳ５）。例えば、移流モデル補正部１５は、図３に示すように、ステップＳ４で求めた誤差量から単位時間あたりの補正値を導出し、例えば１０秒毎（第２時間間隔Δｔ）に移流モデルに加える。
　図４に移流モデルによる予測結果の例を示す。本実施形態では、図４に示すように、（観測結果－移流モデルの予測結果）の値が正となる位置では水物質が発生しており、負となる位置では水物質が消滅していると考える。今後十数分間、水物質の発生・消滅が同じ位置で同じだけ起こり続けるものと仮定し、単位時間あたりの水物質の発生・消滅量を補正値とする。
　補正された移流モデルとは、移流モデルにステップＳ５で求めた補正項を付加したものである。具体的には、次式で表すことができる。
Figure JPOXMLDOC01-appb-M000001
　移流モデル演算部１４は、図３に示すように、水物質の最新の観測時刻における観測結果を初期値として、予測対象時刻（例えば３０分先）まで、補正された移流モデルにより予測計算を行う（ステップＳ６，７）。移流モデル演算部１４は、ステップＳ６の予測結果を水物質の予測値として出力する。
　以上述べたように、上記実施形態では、移流モデルを基本とし、観測値と移流モデルによる予測値との差に基づいて、移流モデルを補正しながら予測を行うものである。このように構成することで、短時間気象予測の精度を高めることができ、急激に発達する積乱雲などを的確に予測することが可能となる。
　上記実施形態では、降水予測を例にとって説明したが、この他にも、花粉、黄砂、粉塵や大気中の汚染物質等の分布を予測こともできる。また、風速の代わりに海や河川の流速等を用いることで、プランクトンや海上に流出したオイルの分布、河川に排出された化学物質等の分布を予測することもできる。
　なお、いくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

Claims (8)

  1. 　予測対象領域を格子状に分割して格子毎に気象予測を行う装置であって、
    　第１時間間隔で前記格子毎の観測値を受信する受信手段と、
    　前記受信手段により受信された第１観測値を初期値とし、移流モデルを用いて前記第１時間間隔より短い第２時間間隔で前記格子毎の予測値を演算する移流モデル演算手段と、
    　前記受信手段により前記第１観測値以後の第２観測値が受信された場合に、前記第２観測値と、前記第２観測値の観測時刻に対応する前記予測値との差に基づいて前記移流モデルを補正する補正手段と
    を具備することを特徴とする気象予測装置。
  2. 　前記格子は、気象レーダの空間分解能と同等であることを特徴とする請求項１に記載の気象予測装置。
  3. 　前記移流モデルは、３次元ＣＵＬ（Cubic Lagrange）法を用いることを特徴とする請求項１記載の気象予測装置。
  4. 　前記移流モデルは、ＶＶＰ（Volume Velocity Processing）法やGal-Chen法を用いることを特徴とする請求項１記載の気象予測装置。
  5. 　コンピュータによって予測対象領域を格子状に分割して格子毎に気象予測を行う方法であって、
    　第１時間間隔で前記格子毎の観測値を受信する受信ステップと、
    　前記受信ステップで受信された第１観測値を初期値とし、移流モデルを用いて前記第１時間間隔より短い第２時間間隔で前記格子毎の予測値を演算する移流モデル演算ステップと、
    　前記受信ステップで前記第１観測値以後の第２観測値が受信された場合に、前記第２観測値と、前記第２観測値の観測時刻に対応する前記予測値との差に基づいて前記移流モデルを補正する補正ステップと
    を有することを特徴とする気象予測方法。
  6. 　前記格子は、気象レーダの空間分解能と同等であることを特徴とする請求項５に記載の気象予測方法。
  7. 　前記移流モデルは、３次元ＣＵＬ（Cubic Lagrange）法を用いることを特徴とする請求項５記載の気象予測方法。
  8. 　前記移流モデルは、ＶＶＰ（Volume Velocity Processing）法やGal-Chen法を用いることを特徴とする請求項５記載の気象予測方法。
PCT/JP2013/054012 2012-02-20 2013-02-19 気象予測装置及び気象予測方法 WO2013125527A1 (ja)

Priority Applications (7)

Application Number Priority Date Filing Date Title
EP13752228.0A EP2818899B1 (en) 2012-02-20 2013-02-19 Meteorological forecasting device and meteorological forecasting method
CN201380004713.9A CN104040378B (zh) 2012-02-20 2013-02-19 气象预测装置以及气象预测方法
JP2014500716A JP6034361B2 (ja) 2012-02-20 2013-02-19 気象予測装置及び気象予測方法
IN5828DEN2014 IN2014DN05828A (ja) 2012-02-20 2013-02-19
BR112014018277-9A BR112014018277B1 (pt) 2012-02-20 2013-02-19 Aparelho de previsão do tempo e método de previsão do tempo
US14/323,276 US9645283B2 (en) 2012-02-20 2014-07-03 Weather prediction apparatus and weather prediction method
HK15102001.6A HK1201587A1 (en) 2012-02-20 2015-02-27 Meteorological forecasting device and meteorological forecasting method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2012034367 2012-02-20
JP2012-034367 2012-02-20

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US14/323,276 Continuation US9645283B2 (en) 2012-02-20 2014-07-03 Weather prediction apparatus and weather prediction method

Publications (1)

Publication Number Publication Date
WO2013125527A1 true WO2013125527A1 (ja) 2013-08-29

Family

ID=49005712

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2013/054012 WO2013125527A1 (ja) 2012-02-20 2013-02-19 気象予測装置及び気象予測方法

Country Status (8)

Country Link
US (1) US9645283B2 (ja)
EP (1) EP2818899B1 (ja)
JP (1) JP6034361B2 (ja)
CN (1) CN104040378B (ja)
BR (1) BR112014018277B1 (ja)
HK (1) HK1201587A1 (ja)
IN (1) IN2014DN05828A (ja)
WO (1) WO2013125527A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018205214A (ja) * 2017-06-07 2018-12-27 大成建設株式会社 雨量予測装置

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106526710A (zh) * 2016-10-19 2017-03-22 陈文飞 一种雾霾预测方法及装置
US11268973B2 (en) * 2018-03-16 2022-03-08 Texas Tech University System Space-to-time conversion technique using remotely sensed velocity fields
CN108256696B (zh) * 2018-03-16 2021-10-26 电子科技大学 一种结合状态预测和粒子群优化的组网雷达天线配置方法
US11009625B2 (en) 2019-03-27 2021-05-18 The Climate Corporation Generating and conveying comprehensive weather insights at fields for optimal agricultural decision making
CN110196215A (zh) * 2019-06-24 2019-09-03 四川长虹电器股份有限公司 花粉粉层浓度和种类实时监测系统及方法
CN111458769B (zh) * 2020-05-26 2021-05-28 南京大学 用于输电线路环境气象数据预测的方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000187082A (ja) * 1998-12-21 2000-07-04 Fuji Electric Co Ltd 降雨予測補正方法、その装置、及び記録媒体
JP3727762B2 (ja) 1997-09-30 2005-12-14 富士電機ホールディングス株式会社 コンピュータによる降雨予測方法及び降雨予測プログラムを記録したコンピュータ読み取り可能な記録媒体
JP2005351866A (ja) * 2004-06-14 2005-12-22 Kansai Electric Power Co Inc:The 降雨量予測方法及び降雨量予測プログラム
JP2007187478A (ja) * 2006-01-11 2007-07-26 Toshiba Corp 気象予測システム

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6801856B2 (en) * 2001-10-19 2004-10-05 Mitsubishi Heavy Industries, Ltd. Atmosphere condition prediction method
US6850184B1 (en) * 2003-05-05 2005-02-01 Wsi Corporation Forecasted radar mosaics
CN100541169C (zh) * 2003-06-13 2009-09-16 三菱重工业株式会社 扩散物质的扩散状况预测方法及扩散状况预测系统
JP4882469B2 (ja) * 2006-04-13 2012-02-22 富士通株式会社 気象予測プログラム、気象予測装置および気象予測方法
US20080097701A1 (en) * 2006-09-07 2008-04-24 Mcgill University Short term and long term forecasting systems with enhanced prediction accuracy

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3727762B2 (ja) 1997-09-30 2005-12-14 富士電機ホールディングス株式会社 コンピュータによる降雨予測方法及び降雨予測プログラムを記録したコンピュータ読み取り可能な記録媒体
JP2000187082A (ja) * 1998-12-21 2000-07-04 Fuji Electric Co Ltd 降雨予測補正方法、その装置、及び記録媒体
JP2005351866A (ja) * 2004-06-14 2005-12-22 Kansai Electric Power Co Inc:The 降雨量予測方法及び降雨量予測プログラム
JP2007187478A (ja) * 2006-01-11 2007-07-26 Toshiba Corp 気象予測システム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP2818899A4

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018205214A (ja) * 2017-06-07 2018-12-27 大成建設株式会社 雨量予測装置

Also Published As

Publication number Publication date
CN104040378B (zh) 2018-01-16
BR112014018277A2 (pt) 2018-05-22
EP2818899A1 (en) 2014-12-31
US20140316704A1 (en) 2014-10-23
JP6034361B2 (ja) 2016-11-30
US9645283B2 (en) 2017-05-09
BR112014018277B1 (pt) 2021-11-16
CN104040378A (zh) 2014-09-10
IN2014DN05828A (ja) 2015-05-15
JPWO2013125527A1 (ja) 2015-07-30
EP2818899A4 (en) 2015-10-07
EP2818899B1 (en) 2017-09-20
HK1201587A1 (en) 2015-09-04

Similar Documents

Publication Publication Date Title
JP6034361B2 (ja) 気象予測装置及び気象予測方法
US20130066569A1 (en) Power generation predicting apparatus and method thereof
US9964408B2 (en) State estimation device
KR101541519B1 (ko) 레이더 관측자료를 3차원 격자 데이터로 구축하여 활용하는 강우량 추정 장치
JP2019045146A (ja) 気象予測装置、気象予測方法、および気象予測プログラム
WO2019150721A1 (ja) 気象予測補正手法および気象予測システム
JP2017003416A (ja) 降水予測システム
KR102334587B1 (ko) 글로벌 기후 자료의 품질 관리 방법 및 장치
JP7156613B2 (ja) 津波予測装置、方法、及びプログラム
Yaremchuk et al. Filtering drifter trajectories sampled at submesoscale resolution
JP2006220445A (ja) 砂嵐予測システムとその砂嵐警報発令方法
KR101437112B1 (ko) Ｉｓ―ｈｙｐｓ 기법을 이용하여 개선된 ｍｋ­ｐｒｉｓｍ 방법
CN109946765B (zh) 风电场的流场的预测方法和系统
JP2012220132A (ja) 飛翔体監視装置、飛翔体監視訓練装置、飛翔体監視装置用データベース更新装置
KR101802455B1 (ko) 강우의 공간 규모를 고려한 강우 예측 시스템 및 방법
JP2006242747A (ja) 気温予測補正装置
JP6029707B2 (ja) 測位装置
JP5923077B2 (ja) 測位装置
JP6946813B2 (ja) 状態推定装置及びプログラム
KR101391916B1 (ko) 초신속궤도력을 이용한 ｇｐｓ 측위 시스템 및 이의 ｇｐｓ 측위 방법
JP2019104432A (ja) 補正装置、システム、補正方法及びプログラム
Sīle et al. Applying Numerical Weather Prediction Models to the Production of New European Wind Atlas: Sensitivity studies of the wind climate to the planetary boundary layer parametrization
KR20170073818A (ko) 고해상도 기온자료 복원시스템 및 그 방법
So et al. Comparison Of Interpolation Technique For Rain Gauge Data Through The Distributed Rainfall-Runoff Model
Kodikara et al. Forecasting of the Thermosphere via Assimilation of Electron Density and Temperature Data

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13752228

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2014500716

Country of ref document: JP

Kind code of ref document: A

REEP Request for entry into the european phase

Ref document number: 2013752228

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 2013752228

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE

REG Reference to national code

Ref country code: BR

Ref legal event code: B01A

Ref document number: 112014018277

Country of ref document: BR

ENP Entry into the national phase

Ref document number: 112014018277

Country of ref document: BR

Kind code of ref document: A2

Effective date: 20140724