天気予報 防災情報への機械学習 の利 ( 概要 ) 2

Size: px
Start display at page:

Download "天気予報 防災情報への機械学習 の利 ( 概要 ) 2"

Transcription

1 AITC 成果発表会 気象庁における機械学習の利 気象庁予報部数値予報課 アプリケーション班 高田伸一 1

2 天気予報 防災情報への機械学習 の利 ( 概要 ) 2

3 天気予報 防災気象情報の流れ 気象観測 数値予報 天気予報 / 防災情報 数値予報 スーパーコンピュータ 数値予報を使った応 処理 予報官 予報警報情報 作成 関係機関報道機関 間気象会社 国民 3

4 数値予報とは? 現実 気の連続量を格 点上に離散化して配置 ( 初期値の作成 ) 将来の予測を数値計算 大気を記述する方程式 t F t t t F t t 大気の様々な過程を計算 4

5 数値予報の種類 全球モデル メソモデル 格子間隔 : 約 20km 11 日 (3.5 日 ) 先まで予測 1 日 4 回実 格子間隔 : 約 5km 39 時間先まで予測 1 日 8 回実 このほか 格子間隔 2km の局地モデル (9 時間先まで予測 ) 週間アンサンブルモデル (11 日先まで予測 ) 台風アンサンブルモデルなどがある 5

6 数値予報を使った応 処理とは? 数値予報 機械学習ニューラルネットカルマンフィルタロジスティック回帰 予報をガイドすることから ( 予報 ) ガイダンスと呼ばれる 天気予報 防災情報に必要な情報 翻訳 晴 曇り 雨最高気温 27 発雷確率 30%.. 計算結果は未来の大気状態に対応する様々な数値の羅列 (1 億以上の格子点 : ビックデータ ) 6

7 予報ガイダンスの例 7

8 天気予報 防災情報の作成 予測資料 予報ガイダンス 予報作業用システム 予報官 天気予報 発表予報 ( 例 ) 注警報 ナウキャスト 数値予報 観測資料 気象衛星 レーダー アメダス.. 予報ガイダンス取込み 時系列予報 週間予報 分布予報 海上警報 8

9 航空気象情報の作成 予測資料 予報ガイダンス ナウキャスト 数値予報 観測資料 気象衛星 予報作業用システム 予報官 予報ガイダンス取込み 発表予報 ( 例 ) TAF FCJP31RJTT TAFRJTT Z KT800 -SHRAFEW010SCT020BKN030BECMG G32KT4000SHRATEMPO G45KT2000+TSRAFEW005BKN008 BKN010FEW020CBBECMG SHRA= 場時系列予報 国内悪天予想図 レーダー アメダス.. Aerodrome warning SIGMET 9

10 気温予報の精度の変化 誤差 ( ) 明日日中の最高気温 ( 年 ) 明日朝の最低気温 ( 年 ) 10

11 予報ガイダンスと機械学習 11

12 予報ガイダンスの概念 ( 乱気流の例 ) 過去の数値予報 過去の乱気流観測 乱気流に関係する気象要素を抽出 作成 予測式 最新の数値予報 乱気流予測 乱気流に関係する気象要素を抽出 利

13 乱気流を発生させる主な要因 この気象知識を基に説明変数を作成している B シ ェット圏界面 前線面での KH( ケルヒ ン ヘルムホルツ ) 波対流雲雲頂付近での内部重 波やKH 波の砕波上方伝播山岳波 A 水平面のイメーシ 圏界面 シ ェットコア CB 対流雲中及び近傍での乱気流 トランスハ ースハ ント シ ェットコア ACAS A 山 風下山岳波による下層大気の乱れ ( ローター等 ) 中層雲底乱気流 B

14 気象庁の乱気流予測プロダクト ( 例 ) 下層悪天予想図

15 予報ガイダンスで使っている機械学習 ニューラルネット 降雪量 雲 照 最 湿度など カルマンフィルター 気温 降 量 降 確率 視程など ロジスティック回帰 発雷確率 乱気流指数 ガスト確率 雲底確率 線形重回帰 降 量 (24 時間最大 ) 機械学習を使っていないもの 降 種別 着氷指数 積乱雲量など 15

16 数値予報と予報ガイダンスの来歴 1959 年数値予報が開始 計算機の発展 数値予報の改良 現在 1970 年代後半 : 数値予報と線形重回帰を使った予報ガイダンスが開始 経験予報から客観予報へ移 降 確率予報等の新たな予報の発表開始 線形重回帰 1995 年度 : 数値予報モデルの改良等に対応できるような逐次 ( オンライン ) 学習型の手法を導入 ニューラルネット カルマンフィルタ等の導入 重回帰型も残る 16

17 予報ガイダンスの概念 ( 係数固定型発雷確率 ) 説明変数 過去の数値予報 発雷に関係する気象要素を抽出 最新の数値予報 発雷に関係する気象要素を抽出 過去数年分のデータで予測式を作成し 固定 作成 予測式 ( 固定 ) 利 目的変数 過去の発雷の有無 発雷確率 数値予報の特性が変わったら以前の予測式を使うと精度劣化 17

18 予報ガイダンスの概念 ( 逐次学習型降 量 ) 過去 直前の数値予報 新たな実況データが入ったら 直前の数値予報の説明変数と目的変数から予測式の係数を逐次修正する ( 逐次学習型 ) 過去の解析 量 降 量に関係する気象要素を抽出 最新の数値予報 作成 修正 予測式 ( 変化 ) 降 量予測 降 量に関係する気象要素を抽出 利 数値予報の変更によって 特性が変化しても徐々に予測式変化 目的変数の特性が変わったり 新たな予測地点ができても対応可能 18

19 予報ガイダンスで使っている機械学習 逐次学習型随時学習できる頻度で発 し 安定して教師データが入手できるもの 係数固定型主に発 頻度が少なく 教師データが安定的に入手でにくいもの ニューラルネット 降雪量 雲 照 最 湿度など カルマンフィルター 気温 降 量 降 確率 視程など ロジスティック回帰 発雷確率 乱気流指数 ガスト確率 雲底確率 線形重回帰 降 量 (24 時間最大 ) 機械学習を使っていないもの 説明変数と目的変数の関係が 線形な現象に利 降 種別 着氷指数 積乱雲量など 線形関係で表せる現象に利 確率に利 気象学的な調査 研究に基き予測式を作成 19

20 カルマンフィルター 予測式 ( 係数が時刻の関数 ) y= a 0 (t)+ a 1 (t) x 1 + a 2 (t) x a p (t)x p 目的変数係数 a 説明変数 x 目的変数 ( 予測値 )y と実況値を比較し その違いに応じて カルマンフィルターを使って係数 a i を逐次変化させる 目的変数 成田空港の気温予測の実例 予測式 ( 平 ) が変化している 2 月 28 日 1 月 1 日 20

21 カルマンフィルターの利 ( 気温 ) 数値予報でも気温は予想しているが カルマンフィルターを使って数値予報の誤差を予測することによって 数値予報の誤差を軽減し精度向上している 線 : 数値予報の気温誤差 ( 目的変数 ) 季節変動赤線 : カルマンフィルターによる誤差の予測 数値予報の変更だけでなく 目的変数の季節変化にも対応できている 2 年間 軽井沢の最高気温予測 21

22 ニューラルネット ( 雲量の予測 ) 層 ( 説明変数 ) 中間層 出 層 ( 的変数 ) 予測する さ近くの湿度 1 予測する高さ近くの湿度 2 予測降 量気温減率 雲量 ( 予測 ) 0 1 実況 ( 教師データ ) オンライン学習 ( 最急降下法 ) でネットワークの重みを日々修正 バイアス 上空にかけて気温が低下する率 ( /km) 活性化関数 : シグモイド関数 22

23 ニューラルネットワーク ( 実例 ) 新千歳空港の高さ 1,000ft の雲量の予測例 雲量 ( 的変数 ) 雲量 ( 的変数 ) 2005 年 7 月 1 日 00Z 2005 年 7 月 6 日 00Z

24 逐次学習型機械学習の経験から 24

25 逐次 ( オンライン ) 学習の難しさ カルマンフィルター ニューラルネットの逐次学習により 説明変数と目的変数の関係が変化しても追随可能 しかし 相反して安定性の問題が発生し それによる失敗も 25

26 カルマンフィルター降 量予測における不適切な係数の変化 学習 学習 急激な係数変化 島の実況 降 量 :824 ミリ (2013 年 10 月 15 日 -16 日 ) 降 量の予測式の係数の変化 ( 島 ) 予測 ( 修正後 ) 実況 島付近で降 量予測が過 な傾向に変わった 係数修正 26

27 ニューラルネット 照率予測を利 した天気ガイダンス : 晴れ 灰色 : 曇 広島県呉市で曇の予測が継続している ( 極 値への落ち込み ) 27

28 目的変数の品質管理 目的変数 ( 教師データ ) にエラーがあった場合 適切な機械学習ができない 特に逐次学習では 変な学習をして その後の予測精度が落ちることがある 学習前に除いておく必要がある 誤った雷データの例 28

29 予報ガイダンスの監視 予報ガイダンスの予測 係数の変化 予測精度等を確認できるページを各要素ごとに用意 29

30 係数の変化の確認 予報ガイダンスの予測値 係数の値 寄与量 ( 係数 説明変数 ) 係数の時系列変化が確認できるページ 30

31 開発環境 今後 31

32 予報ガイダンスの開発環境と運用 開発環境 開発環境に数値予報及び実況データを蓄積しておき 予報ガイダンスを開発 改良 開発環境で予測精度と安定運用できるかを厳しく確認 開発が済むと本運用環境へ移植 本運用環境 ( スパコン ) 本運用環境に適合しているか 安定運用できるかの厳しいチェックと試験 厳しいスケジュール管理 迅速な障害復旧 32

33 今後 継続的に改良 今年度も何種類かの予報ガイダンスの改善を予定しています ディープラーニングの気象予測への適用 外国でも取り組みが始まっている まだまだ未知数 間の との連携も 33

34 まとめ 気象庁では天気予報 防災情報等を支援する予報ガイダンスの作成に機械学習を利 してきた ( 外国も同様 ) この予報ガイダンスは 予測式等を作成すればそれで完了ではない 説明変数である数値予報モデルの変更 教師データ ( 目的変数 ) の変化などに対応してゆく必要がある このため 気象庁では逐次 ( オンライン ) 学習を導入したが これにも多くの問題が発生し それを克服しながら進めている より精度の い予報のため 継続的に改良している 34

35 終わり 35

風力発電インデックスの算出方法について 1. 風力発電インデックスについて風力発電インデックスは 気象庁 GPV(RSM) 1 局地気象モデル 2 (ANEMOS:LAWEPS-1 次領域モデル ) マスコンモデル 3 により 1km メッシュの地上高 70m における 24 時間の毎時風速を予測し

風力発電インデックスの算出方法について 1. 風力発電インデックスについて風力発電インデックスは 気象庁 GPV(RSM) 1 局地気象モデル 2 (ANEMOS:LAWEPS-1 次領域モデル ) マスコンモデル 3 により 1km メッシュの地上高 70m における 24 時間の毎時風速を予測し 風力発電インデックスの算出方法について 1. 風力発電インデックスについて風力発電インデックスは 気象庁 GPV(RSM) 1 局地気象モデル 2 (ANEMOS:LAWEPS-1 次領域モデル ) マスコンモデル 3 により 1km メッシュの地上高 70m における 24 時間の毎時風速を予測し 2000kW 定格風車の設備利用率として表示させたものです 数値は風車の定格出力 (2000kW)

More information

予報時間を39時間に延長したMSMの初期時刻別統計検証

予報時間を39時間に延長したMSMの初期時刻別統計検証 第 1 章領域拡張 予報時間 39 時間化されたメソモデルの特性 1.1 メソモデルの領域拡張 予報時間 39 時間化の概 1 要メソモデル (MSM) は 2013 年 3 月に予報領域が拡張された また 2013 年 5 月に全初期時刻における予報時間が39 時間に延長された 表 1.1.1に今回の変更前後の主な仕様を また 図 1.1.1に領域拡張前後の予報領域を示す 本節では 仕様拡張の目的及び概要を説明する

More information

橡Ⅰ.企業の天候リスクマネジメントと中長期気象情

橡Ⅰ.企業の天候リスクマネジメントと中長期気象情 1 1 2 1 2 2 3 4 4 3 4 3 5 1400 53 8.8 11 35 6 5 6 20012Q 926 1,438 15.032.2 4 ART 7 8 9 7 8 9 5 19712000 30 33 60 10 33 10 60 70 30 40 6 12 3000 2000 7 沈降した後 付近の流れに乗って海中を水平に漂流するように設計されている その後 予め設定した時間間隔

More information

No < 本号の目次 > CAVOK 通信とは ( 発刊にあたってご挨拶 ) 1 業務紹介 ( 福岡航空地方気象台の業務概要 ) 2 悪天事例報告 ( 福岡空港のマイクロバーストアラート事例の報告 ) 用語集 3-6 CAVOK 通信とは 福岡航空地方気象台では 航空機

No < 本号の目次 > CAVOK 通信とは ( 発刊にあたってご挨拶 ) 1 業務紹介 ( 福岡航空地方気象台の業務概要 ) 2 悪天事例報告 ( 福岡空港のマイクロバーストアラート事例の報告 ) 用語集 3-6 CAVOK 通信とは 福岡航空地方気象台では 航空機 No.001 2019.06.01 < 本号の目次 > CAVOK 通信とは ( 発刊にあたってご挨拶 ) 1 業務紹介 ( 福岡航空地方気象台の業務概要 ) 2 悪天事例報告 ( 福岡空港のマイクロバーストアラート事例の報告 ) 用語集 3-6 CAVOK 通信とは 福岡航空地方気象台では 航空機の運航や飛行場の運営に関わる皆様との相互の理解を深めるために CAVOK 通信 (FUKUOKA Airport

More information

羽田空港 WEATHER TOPICS 夏季号通巻第 71 号 2017 年 ( 平成 29 年 ) 07 月 31 日発行東京航空地方気象台 目視観測 ( 雲の観測 ) について 航空気象観測は 風向風速計などの機器 ( 観測装置 ) による観測のほかに 人間が目で観測する 目視観測 も行っていま

羽田空港 WEATHER TOPICS 夏季号通巻第 71 号 2017 年 ( 平成 29 年 ) 07 月 31 日発行東京航空地方気象台 目視観測 ( 雲の観測 ) について 航空気象観測は 風向風速計などの機器 ( 観測装置 ) による観測のほかに 人間が目で観測する 目視観測 も行っていま 羽田空港 WEATHER TOPICS 夏季号通巻第 71 号 2017 年 ( 平成 29 年 ) 07 月 31 日発行東京航空地方気象台 目視観測 ( 雲の観測 ) について 航空気象観測は 風向風速計などの機器 ( 観測装置 ) による観測のほかに 人間が目で観測する 目視観測 も行っています 目視観測には雲 ( 量 形 雲底の高さ 雲底の状態など ) 視程 ( 空港とその周辺の見通せる距離

More information

(c) (d) (e) 図 及び付表地域別の平均気温の変化 ( 将来気候の現在気候との差 ) 棒グラフが現在気候との差 縦棒は年々変動の標準偏差 ( 左 : 現在気候 右 : 将来気候 ) を示す : 年間 : 春 (3~5 月 ) (c): 夏 (6~8 月 ) (d): 秋 (9~1

(c) (d) (e) 図 及び付表地域別の平均気温の変化 ( 将来気候の現在気候との差 ) 棒グラフが現在気候との差 縦棒は年々変動の標準偏差 ( 左 : 現在気候 右 : 将来気候 ) を示す : 年間 : 春 (3~5 月 ) (c): 夏 (6~8 月 ) (d): 秋 (9~1 第 2 章気温の将来予測 ポイント 年平均気温は 全国的に 2.5~3.5 の上昇が予測される 低緯度より高緯度 夏季より冬季の気温上昇が大きい (2.1.1) 夏季の極端な高温の日の最高気温は 2~3 の上昇が予測される 冬季の極端な低温の日の最低気温は 2.5~4 の上昇が予測される (2.2.2) 冬日 真冬日の日数は北日本を中心に減少し 熱帯夜 猛暑日の日数は東日本 西日本 沖縄 奄美で増加が予測される

More information

<4D F736F F D20322E325F8BF388E68E E9197BF81698DC58F498D65816A2E646F63>

<4D F736F F D20322E325F8BF388E68E E9197BF81698DC58F498D65816A2E646F63> 第 2 章アプリケーション 2.1 次期 YSS に向けたガイダンス 2.1.1 概説 1 平成 22 年度の出水期から実施される 市町村を対象とした気象警報等の発表作業は 次期予報作業支援システム ( 以下 次期 YSS と呼ぶ ) において行われる 次期 YSS において 気象警報 注意報及び天気予報等のプロダクトの土台となる量的予測値 ( 防災時系列 ) は 5km 格子単位で取り扱われるため

More information

気象庁の現業数値予報システム一覧 数値予報システム ( 略称 ) 局地モデル (LFM) メソモデル (MSM) 全球モデル (GSM) 全球アンサンブル予報システム 全球アンサンブル予報システム 季節アンサンブル予報システム 水平分解能 2km 5km 約 20km 約 40km 約 40km(1

気象庁の現業数値予報システム一覧 数値予報システム ( 略称 ) 局地モデル (LFM) メソモデル (MSM) 全球モデル (GSM) 全球アンサンブル予報システム 全球アンサンブル予報システム 季節アンサンブル予報システム 水平分解能 2km 5km 約 20km 約 40km 約 40km(1 気象庁データを利用した気象研究の現状と展望 気象庁現業メソモデルの 最近の開発とその成果 2017 年 5 月 25 日 気象庁予報部数値予報課 原旅人 1 気象庁の現業数値予報システム一覧 数値予報システム ( 略称 ) 局地モデル (LFM) メソモデル (MSM) 全球モデル (GSM) 全球アンサンブル予報システム 全球アンサンブル予報システム 季節アンサンブル予報システム 水平分解能 2km

More information

1. 気温と産業の関係 2. 気温と販売数の関係の分析 過去の気温データをダウンロードする 時系列グラフを描く 気温と販売の関係を調べる 散布図を描く 定量的な関係を求める 気温から販売数を推定する 2 週間先の気温予測を取得し 活用する 気温以外の要素の影響 3. 予報精度 過去の 1 か月予報

1. 気温と産業の関係 2. 気温と販売数の関係の分析 過去の気温データをダウンロードする 時系列グラフを描く 気温と販売の関係を調べる 散布図を描く 定量的な関係を求める 気温から販売数を推定する 2 週間先の気温予測を取得し 活用する 気温以外の要素の影響 3. 予報精度 過去の 1 か月予報 資料 4 2017 年 9 月 26 日 ( 火 ) 第 3 回 WXBC セミナー 観測データと POS データを使用した 気象と産業の関係分析と実習 気象庁地球環境 海洋部気候情報課萬納寺信崇 ( まんのうじのぶたか ) 1. 気温と産業の関係 2. 気温と販売数の関係の分析 過去の気温データをダウンロードする 時系列グラフを描く 気温と販売の関係を調べる 散布図を描く 定量的な関係を求める 気温から販売数を推定する

More information

Microsoft PowerPoint - 【XML気象データ】VLEDご紹介資料 ppt [互換モード]

Microsoft PowerPoint - 【XML気象データ】VLEDご紹介資料 ppt [互換モード] 一般社団法人オープン & ビッグデータ活用 地方創生推進機構 (VLED) 第 1 回利活用 普及委員会 XML 気象データのご紹介 2015 年 10 月 13 日 ウェザー サービス株式会社 104-0031 東京都中央区京橋 2-8-8 新京橋ビル5F TEL 03-6228-6380 FAX 03-6228-6381 MAIL [email protected] URL http://www.otenki.co.jp

More information

Microsoft PowerPoint nakagawa.ppt [互換モード]

Microsoft PowerPoint nakagawa.ppt [互換モード] 気象庁現業全球モデルによる 台風予報の現状と課題 2013 年 3 月 6 日 第 6 回気象庁数値モデル研究会 数値モデルによる台風予報の課題と展望 気象庁予報部数値予報課中川雅之 檜垣将和 氏家将志 1 内容 気象庁全球数値予報システムの概要 台風進路予報の現状と課題 台風強度予報の現状と課題 今後の開発計画とまとめ 2 気象庁全球数値予報システムの概要 3 気象庁の全球数値予報システムの概要

More information

付録B 統計的検証で利用される代表的な指標

付録B 統計的検証で利用される代表的な指標 付録 A 数値予報モデルおよびガイダンスの概要一覧表 1 平成 20 年 11 月現在 数値予報課が所掌する数値予報モデルとガイダンスの概要 及び プロダクトの送信時刻に関する情報を以下の A.1 から A.3 の表に示す A.1 数値予報モデル A.1.1 全球モデル (GSM) 解像度 予報初期時刻 予報時間水平解像度 TL959 2 ( 格子間隔約 20km:0.1875 度 ) 鉛直層数予報初期時刻予報時間境界値

More information

数値予報とは 2

数値予報とは 2 数値予報について 概要と近年の改良に伴う特性の変化 気象等の情報に関する講習会 平成 29 年 6 月 15 日気象庁予報部数値予報課石田純一 1 数値予報とは 2 天気予報や防災気象情報ができるまで 天気予報 防災気象情報が発表されるまでの流れ 数値予報とガイダンスは 日々の天気予報 防災気象情報の基盤 これらの精度を向上するためには 数値予報 ガイダンスの精度向上が不可欠 3 気象レーダー 気象衛星

More information

0 部分的最小二乗回帰 Partial Least Squares Regression PLS 明治大学理 学部応用化学科 データ化学 学研究室 弘昌

0 部分的最小二乗回帰 Partial Least Squares Regression PLS 明治大学理 学部応用化学科 データ化学 学研究室 弘昌 0 部分的最小二乗回帰 Parial Leas Squares Regressio PLS 明治大学理 学部応用化学科 データ化学 学研究室 弘昌 部分的最小二乗回帰 (PLS) とは? 部分的最小二乗回帰 (Parial Leas Squares Regressio, PLS) 線形の回帰分析手法の つ 説明変数 ( 記述 ) の数がサンプルの数より多くても計算可能 回帰式を作るときにノイズの影響を受けにくい

More information

画像, 映像などの気象情報や天気と1 日の気温の変化の仕方に興味 関心をもち, 自ら気象情報を収集して天気を予想したり天気の観測をしたりしようとしている 気象情報を活用して, 天気の変化を予想することができる 1 日の気温の変化の仕方を適切に測り, 記録することができる 天気の変化は気象情報を用いて

画像, 映像などの気象情報や天気と1 日の気温の変化の仕方に興味 関心をもち, 自ら気象情報を収集して天気を予想したり天気の観測をしたりしようとしている 気象情報を活用して, 天気の変化を予想することができる 1 日の気温の変化の仕方を適切に測り, 記録することができる 天気の変化は気象情報を用いて 第 5 学年 理科学習指導案 平成 18 年 6 月 7 日 ( 水曜日 ) 第 5 時限理科室指導者野々目佳弘 1 単元天気と情報 (1) - 天気の変化 - 2 単元について () 1 単元の意義 この単元では, 身近に見られる画像や映像などの気象情報を活用して, 天気の変わ り方を調べ, 天気の変化の規則性について考えさせていく また,1 日の天気の様子 や気温の変化を調べ, 天気によって 1

More information

第3章 アプリケーション

第3章 アプリケーション 第 3 章アプリケーション 3.1 ガイダンス類の概説 1 3.1.1 はじめに本節では 高解像度全球モデル ( 以下 20kmGSM という ) と メソ数値予報モデル ( 以下 MSM という )33 時間予報の運用開始以降に出力されているガイダンス等について その仕様と精度の概要を述べる MSM の予報結果を用いた降水系ガイダンスと気温ガイダンス 及び航空気象予報ガイダンスに変更や要素追加があった

More information

90 Shapiroの新しい前線 低気圧モデル 第7図 気象衛星で捉えられた a 雲分布 赤外画像 と b 水蒸気分布 a は第5図の1時間後 b は更に3時間後の観測で 地上低気圧の最盛期 推定中心示度約928hPa にあたる Neiman and Shapiro 1993より引用 がわかる 5 また レーダー観測からは 第6図c に沿う強い気圧傾度や温暖核付近の対流活動などに伴 温暖核とそのすぐ周辺では対流活動が活発であること

More information

PowerPoint プレゼンテーション

PowerPoint プレゼンテーション 資料 2 令和元年 7 月 4 日江の川上流水害タイムライン検討会第 1 回 防災気象情報の利活用について 気象庁広島地方気象台 Japan Meteorological Agency Hiroshima Local Meteorological Office 危険度を色分けした時系列 気象警報 注意報には 警報級の現象が予想される期間 注意報級の現象が予想される期間 雨量や潮位の 予想値 等が記述されているが

More information

はじめに 東京の観測値 として使われる気温などは 千代田区大手町 ( 気象庁本庁の構内 ) で観測 気象庁本庁の移転計画に伴い 今年 12 月に露場 ( 観測施設 ) を北の丸公園へ移転予定 天気予報で目にする 東京 の気温などの傾 向が変わるため 利 者へ 分な解説が必要 北の丸公園露場 大手町露

はじめに 東京の観測値 として使われる気温などは 千代田区大手町 ( 気象庁本庁の構内 ) で観測 気象庁本庁の移転計画に伴い 今年 12 月に露場 ( 観測施設 ) を北の丸公園へ移転予定 天気予報で目にする 東京 の気温などの傾 向が変わるため 利 者へ 分な解説が必要 北の丸公園露場 大手町露 東京 の観測地点の 移転について 2014 年 11 月 14 日 気象庁 観測部 はじめに 東京の観測値 として使われる気温などは 千代田区大手町 ( 気象庁本庁の構内 ) で観測 気象庁本庁の移転計画に伴い 今年 12 月に露場 ( 観測施設 ) を北の丸公園へ移転予定 天気予報で目にする 東京 の気温などの傾 向が変わるため 利 者へ 分な解説が必要 北の丸公園露場 大手町露場 ( 気象庁本庁

More information

Microsoft Word - 0_0_表紙.doc

Microsoft Word - 0_0_表紙.doc 2km Local Forecast Model; LFM Local Analysis; LA 2010 11 2.1.1 2010a LFM 2.1.1 2011 3 11 2.1.1 2011 5 2010 6 1 8 3 1 LFM LFM MSM LFM FT=2 2009; 2010 MSM RMSE RMSE MSM RMSE 2010 1 8 3 2010 6 2010 6 8 2010

More information

PowerPoint プレゼンテーション

PowerPoint プレゼンテーション CEE ワークショップ再生可能エネルギー発電導入のための気象データ活用 気象庁による発電予測に関する取り組み 山田芳則 気象庁気象研究所 気象データ活用ワークショップ東大 生産研 2014 年 3 月 25 日 13:00 17:30 施設等機関 気象研究所 ( つくば ) 札幌管区気象台仙台管区気象台東京管区気象台大阪管区気象台福岡管区気象台沖縄気象台 気象測器検定センター 高層気象台 ( つくば

More information

改版履歴 発行年月日版数適用 平成 29 年 2 月 24 日初版初版として発行

改版履歴 発行年月日版数適用 平成 29 年 2 月 24 日初版初版として発行 航空気象実況データ収集処理システム ALIS (AirportLiveInfomationSystem) 利用者向け操作説明書 改版履歴 発行年月日版数適用 平成 29 年 2 月 24 日初版初版として発行 目次 1. 画面遷移図....1 2. ログイン画面.......2 3. 全国空港選択画面....4 4. 地域表示画面.......5 5. 空港別表示画面.......6 6. 滑走路別表示画面....7

More information

平成 2 7 年度第 1 回気象予報士試験 ( 実技 1 ) 2 XX 年 5 月 15 日から 17 日にかけての日本付近における気象の解析と予想に関する以下の問いに答えよ 予想図の初期時刻は図 12 を除き, いずれも 5 月 15 日 9 時 (00UTC) である 問 1 図 1 は地上天気

平成 2 7 年度第 1 回気象予報士試験 ( 実技 1 ) 2 XX 年 5 月 15 日から 17 日にかけての日本付近における気象の解析と予想に関する以下の問いに答えよ 予想図の初期時刻は図 12 を除き, いずれも 5 月 15 日 9 時 (00UTC) である 問 1 図 1 は地上天気 実技試験 1 次の資料を基に以下の問題に答えよ ただし,UTC は協定世界時を意味し, 問題文中の時刻は特に断らない限り中央標準時 ( 日本時 ) である 中央標準時は協定世界時に対して 9 時間進んでいる なお, 解答における字数に関する指示は概ねの目安であり, それより若干多くても少なくてもよい 図 1 地上天気図 XX 年 5 月 15 日 9 時 (00UTC) 図 2 500hPa 天気図

More information

台風解析の技術 平成 21 年 10 月 29 日気象庁予報部

台風解析の技術 平成 21 年 10 月 29 日気象庁予報部 台風解析の技術 平成 21 年 10 月 29 日気象庁予報部 内 容 1 台風解析の概要とポイント 2 台風解析の実例 台風第 18 号の事例 3 まとめ 2 1 台風解析の概要とポイント 1-1 諸元の決定 中心位置 最大風速 中心気圧 暴風域半径 強風域半径などをまとめて 台風諸元と呼んでいる 台風が日本の責任海域に存在する時は 3 時間毎に諸元決定を行っている 台風が日本に接近した時は 1

More information

目次 1 降雨時に土砂災害の危険性を知りたい 土砂災害危険度メッシュ図を見る 5 スネークライン図を見る 6 土砂災害危険度判定図を見る 7 雨量解析値を見る 8 土砂災害警戒情報の発表状況を見る 9 2 土砂災害のおそれが高い地域 ( 土砂災害危険箇所 ) を調べたい 土砂災害危険箇所情報を見る

目次 1 降雨時に土砂災害の危険性を知りたい 土砂災害危険度メッシュ図を見る 5 スネークライン図を見る 6 土砂災害危険度判定図を見る 7 雨量解析値を見る 8 土砂災害警戒情報の発表状況を見る 9 2 土砂災害のおそれが高い地域 ( 土砂災害危険箇所 ) を調べたい 土砂災害危険箇所情報を見る 新潟県土砂災害警戒情報システム 操作説明書 目次 1 降雨時に土砂災害の危険性を知りたい 土砂災害危険度メッシュ図を見る 5 スネークライン図を見る 6 土砂災害危険度判定図を見る 7 雨量解析値を見る 8 土砂災害警戒情報の発表状況を見る 9 2 土砂災害のおそれが高い地域 ( 土砂災害危険箇所 ) を調べたい 土砂災害危険箇所情報を見る 10 3 雨量観測所の雨量記録を調べたい 雨量観測所の雨量データを見る

More information

Microsoft Word 年度気象分野テキスト.docx

Microsoft Word 年度気象分野テキスト.docx 2015 年度第 2 回教員のためのスキルアップ講座 < 地学 > 2015/11/23 テーマ天気の変化と日本の気象の指導法について ~ 気象データの活用 ~ 関東学院中学校高等学校相原延光渡邉雅人テーマ設定の理由地学教育では個別の事象を羅列的に学ぶ, 覚えるではなく, システムとしての地球, サブシステムの関係性, 相互作用, 因果関係を考察することが重要です 今回は 中学校 2 年 気象とその変化

More information

横浜市環境科学研究所

横浜市環境科学研究所 周期時系列の統計解析 単回帰分析 io 8 年 3 日 周期時系列に季節調整を行わないで単回帰分析を適用すると, 回帰係数には周期成分の影響が加わる. ここでは, 周期時系列をコサイン関数モデルで近似し単回帰分析によりモデルの回帰係数を求め, 周期成分の影響を検討した. また, その結果を気温時系列に当てはめ, 課題等について考察した. 気温時系列とコサイン関数モデル第 報の結果を利用するので, その一部を再掲する.

More information

<4D F736F F D2091E E8FDB C588ECE926E816A2E646F63>

<4D F736F F D2091E E8FDB C588ECE926E816A2E646F63> 第 13 地象 (1 傾斜地 ) 1 調査の手法 (1) 調査すべき情報ア土地利用の状況傾斜地の崩壊により影響を受ける地域の住宅等の分布状況 その他の土地利用の状況 ( 将来の土地利用も含む ) イ傾斜地の崩壊が危惧される土地の分布及び崩壊防止対策等の状況既に傾斜地の崩壊に係る危険性が認知 危惧されている土地の分布当該傾斜地の崩壊防止対策等の状況ウ降水量の状況当該地域の降雨特性の把握に必要な対象事業の実施区域等の降水量の状況エ地下水及び湧水の状況傾斜地の安定性に影響を与える地下水の水位及び湧水の分布

More information

Taro-40-11[15号p86-84]気候変動

Taro-40-11[15号p86-84]気候変動 資 料 鹿児島県における気候変動に関する考察 1 福田哲也仮屋園広幸肥後さより東小薗卓志四元聡美満留裕己 1 はじめに近年地球上では気候変動, とりわけ気温上昇が多くの地域で観測されている その現象は我が国においても例外ではなく, 具体的に取りまとめたレポートとして, 文部科学省 気象庁 環境省が, 日本における地球温暖化の影響について現在までの観測結果や将来予測を2013 年に, 日本の気候変動とその影響

More information

データサイエンス講座第 3 回機械学習その 2 ロジスティクス回帰 カーネル法とサポートベクターマシン アンサンブル学習

データサイエンス講座第 3 回機械学習その 2 ロジスティクス回帰 カーネル法とサポートベクターマシン アンサンブル学習 データサイエンス講座第 3 回機械学習その 2 ロジスティクス回帰 カーネル法とサポートベクターマシン アンサンブル学習 ロジスティクス回帰 基本的には重回帰分析のモデルと考え方は似ている = 1 1+ ( ) 目的変数 = 係数 説明変数 + 定数 この式をグラフ化すると y は 0 1 に収まる ( シグモイド関数 ) トレーニングデータから確率を最大となる地点をもとめ それぞれの係数を求める

More information

参考資料

参考資料 1-3. 紫外線量の変動要因 紫外線の量は 太陽の高度 オゾン全量 雲の状況 エアロゾルの量 地表面の反射率などの変化によって変動する 天気の変化は雲量の変化というかたちで紫外線量に影響を与える 海抜高度の高いところでは 大気の層の厚さが薄くなることにより 紫外線量が増加する (+10~12%/1,000m) また 大気汚染や霞といった現象は 地上における大気混濁度を地域的に増加させ 紫外線量を減少させる要因となる

More information

0 スペクトル 時系列データの前処理 法 平滑化 ( スムージング ) と微分 明治大学理 学部応用化学科 データ化学 学研究室 弘昌

0 スペクトル 時系列データの前処理 法 平滑化 ( スムージング ) と微分 明治大学理 学部応用化学科 データ化学 学研究室 弘昌 0 スペクトル 時系列データの前処理 法 平滑化 ( スムージング ) と微分 明治大学理 学部応用化学科 データ化学 学研究室 弘昌 スペクトルデータの特徴 1 波 ( 波数 ) が近いと 吸光度 ( 強度 ) の値も似ている ノイズが含まれる 吸光度 ( 強度 ) の極大値 ( ピーク ) 以外のデータも重要 時系列データの特徴 2 時刻が近いと プロセス変数の値も似ている ノイズが含まれる プロセス変数の極大値

More information

Rの基本操作

Rの基本操作 Microsoft Azure 高校生のための Azure Machine Learning By M. Takezawa 機械学習 (Machine Learning) とは 機械学習とは 機械にデータを学習させ データに潜むパターンや特性を発見し予測させることです Microsoft Azure Machine Learning とは Microsoft 社が提供する Azure の機能の一つであり

More information

0.0 Excelファイルの読み取り専用での立ち上げ手順 1) 開示 Excelファイルの知的所有権について開示する数値解析の説明用の Excel ファイルには 改変ができないようにパスワードが設定してあります しかし 読者の方には読み取り用のパスワードを開示しますので Excel ファイルを読み取

0.0 Excelファイルの読み取り専用での立ち上げ手順 1) 開示 Excelファイルの知的所有権について開示する数値解析の説明用の Excel ファイルには 改変ができないようにパスワードが設定してあります しかし 読者の方には読み取り用のパスワードを開示しますので Excel ファイルを読み取 第 1 回分 Excel ファイルの操作手順書 目次 Eexcel による数値解析準備事項 0.0 Excel ファイルの読み取り専用での立ち上げ手順 0.1 アドインのソルバーとデータ分析の有効化 ( 使えるようにする ) 第 1 回線形方程式 - 線形方程式 ( 実験式のつくり方 : 最小 2 乗法と多重回帰 )- 1.1 荷重とバネの長さの実験式 (Excelファイルのファイル名に同じ 以下同様)

More information

< B8C608EAE B835E947A904D88EA C2E786C7378>

< B8C608EAE B835E947A904D88EA C2E786C7378> 1/12 1 数値予報全球数値予報モデルGPV( 全球域 ) 1 日 4 回 (00,06,12,18UTC) Z C_RJTD_yyyymmddhh0000_GSM_GPV_Rgl_FD0000_grib2.bin 約 32.9MB 第 480 号 予報時間延長及び短い予報時間間隔での Z C_RJTD_yyyymmddhh0000_GSM_GPV_Rgl_FD0006_grib2.bin 配信開始

More information

鳥取県にかけて東西に分布している. また, ほぼ同じ領域で CONV が正 ( 収束域 ) となっており,dLFC と EL よりもシャープな線状の分布をしている.21 時には, 上記の dlfc EL CONV の領域が南下しており, 東側の一部が岡山県にかかっている.19 日 18 時と 21

鳥取県にかけて東西に分布している. また, ほぼ同じ領域で CONV が正 ( 収束域 ) となっており,dLFC と EL よりもシャープな線状の分布をしている.21 時には, 上記の dlfc EL CONV の領域が南下しており, 東側の一部が岡山県にかかっている.19 日 18 時と 21 2.8 岡山県における大雨発生の必要条件の抽出 妥当性の確認と十分条件の抽出 岡山地方気象台 要旨大雨となった事例と大雨とならなかった事例の解析を行い, それらを比較することで, 大雨が発生するための十分条件 ( 降水が組織化するための条件 ) を 4 つ抽出した. また, 大雨が発生するための必要条件について, メソ客観解析データを用いた統計解析を行うことで,5 つの要素で有効な閾値を求めた. さらに,

More information

羽田空港 WEATHER TOPICS 羽田空港に停滞したシアーラインについて 航空気象情報の気象庁ホームページでのインターネット提供について 春季号通巻第 70 号 2017 年 ( 平成 29 年 ) 5 月 25 日発行東京航空地方気象台 羽田空港に停滞したシアーラインについて 1. はじめに

羽田空港 WEATHER TOPICS 羽田空港に停滞したシアーラインについて 航空気象情報の気象庁ホームページでのインターネット提供について 春季号通巻第 70 号 2017 年 ( 平成 29 年 ) 5 月 25 日発行東京航空地方気象台 羽田空港に停滞したシアーラインについて 1. はじめに 羽田空港 WEATHER TOPICS 羽田空港に停滞したシアーラインについて 航空気象情報の気象庁ホームページでのインターネット提供について 春季号通巻第 70 号 2017 年 ( 平成 29 年 ) 5 月 25 日発行東京航空地方気象台 羽田空港に停滞したシアーラインについて 1. はじめに羽田空港では 一日あたり 1,200 便を越える航空機が発着するため 航空交通の円滑な流れを確保しつつ運用滑走路を変更するには時間的な余裕を持って行うことが必要です

More information

気象サービス ( 独自の予報など ) 民間の気象会社 ( 予報業務許可を受けた事業者など ) 国民 大雨特別警報大雨注意報 大雨警報発表なし 高解像度降水ナウキャスト 土砂災害警戒判定メッシュ情報大雨警報 ( 土砂災害 ) の危険度分布 高危険度低 極めて危険非常に危険警戒注意今後の情報等に留意 大雨警報 ( 浸水害 ) の危険度分布 洪水警報の危険度分布 高危険度低 高危険度低 極めて危険非常に危険警戒注意今後の情報等に留意

More information

様々なミクロ計量モデル†

様々なミクロ計量モデル† 担当 : 長倉大輔 ( ながくらだいすけ ) この資料は私の講義において使用するために作成した資料です WEB ページ上で公開しており 自由に参照して頂いて構いません ただし 内容について 一応検証してありますが もし間違いがあった場合でもそれによって生じるいかなる損害 不利益について責任を負いかねますのでご了承ください 間違いは発見次第 継続的に直していますが まだ存在する可能性があります 1 カウントデータモデル

More information

基礎地学II 気象学事始(3/3)

基礎地学II 気象学事始(3/3) 基礎地学 II 気象学事始 (3/3) 北海道大学 環境科学院 藤原正智 http://wwwoa.ees.hokudai.ac.jp/~fuji/ 気象学事始 ( 全 3 回 ) 第 1 回目 大気の概観 気候の形成 日本の四季 第 2 回目 大気大循環の様相 様々な気象現象 第 3 回目 大気の観測 大気運動の原理 数値予報の基礎参考文献 一般気象学 ( 第 2 版 ) 小倉義光 東京大学出版会

More information

PowerPoint プレゼンテーション

PowerPoint プレゼンテーション データ解析 第 7 回 : 時系列分析 渡辺澄夫 過去から未来を予測する 観測データ 回帰 判別分析 解析方法 主成分 因子 クラスタ分析 時系列予測 時系列を予測する 無限個の確率変数 ( 確率変数が作る無限数列 ){X(t) ; t は整数 } を生成する情報源を考える {X(t)} を確率過程という 確率過程に ついて過去の値から未来を予測するにはどうしたらよいだろうか X(t-K),X(t-K+1),,X(t-1)

More information

PowerPoint プレゼンテーション

PowerPoint プレゼンテーション 予報技術説明会 感測と観測による新しい天気予報 2018.02.17 安部 大介 本日の内容 1. 幕張天気街とグローバル予報センター 2. 気象予測ができるまで 3. 台風の予測 4. 火山 地震 津波 季節にまつわる情報 5. 東京 2020に向けて 1. 幕張天気街グローバル予報センター 3 1. 幕張天気街グローバル予報センター 宙象気象海象水象地象 Global Storm センター WACU2

More information

1. 多変量解析の基本的な概念 1. 多変量解析の基本的な概念 1.1 多変量解析の目的 人間のデータは多変量データが多いので多変量解析が有用 特性概括評価特性概括評価 症 例 主 治 医 の 主 観 症 例 主 治 医 の 主 観 単変量解析 客観的規準のある要約多変量解析 要約値 客観的規準のな

1. 多変量解析の基本的な概念 1. 多変量解析の基本的な概念 1.1 多変量解析の目的 人間のデータは多変量データが多いので多変量解析が有用 特性概括評価特性概括評価 症 例 主 治 医 の 主 観 症 例 主 治 医 の 主 観 単変量解析 客観的規準のある要約多変量解析 要約値 客観的規準のな 1.1 多変量解析の目的 人間のデータは多変量データが多いので多変量解析が有用 特性概括評価特性概括評価 症 例 治 医 の 観 症 例 治 医 の 観 単変量解析 客観的規準のある要約多変量解析 要約値 客観的規準のない要約知識 直感 知識 直感 総合的評価 考察 総合的評価 考察 単変量解析の場合 多変量解析の場合 < 表 1.1 脂質異常症患者の TC と TG と重症度 > 症例 No. TC

More information

平成 29 年度 融雪期の積雪分布推定と流入量予測の精度向上に向けた検討について 札幌開発建設部豊平川ダム統合管理事務所管理課 高橋和政窪田政浩宮原雅幸 融雪期のダム管理では 気象予報と積雪水量から流入量予測を行うことで融雪出水に備えているが 現状用いるデータは広範囲な気象予報と一部の地点での積雪観

平成 29 年度 融雪期の積雪分布推定と流入量予測の精度向上に向けた検討について 札幌開発建設部豊平川ダム統合管理事務所管理課 高橋和政窪田政浩宮原雅幸 融雪期のダム管理では 気象予報と積雪水量から流入量予測を行うことで融雪出水に備えているが 現状用いるデータは広範囲な気象予報と一部の地点での積雪観 平成 9 年度 融雪期の積雪分布推定と流入量予測の精度向上に向けた検討について 札幌開発建設部豊平川ダム統合管理事務所管理課 高橋和政窪田政浩宮原雅幸 融雪期のダム管理では 気象予報と積雪水量から流入量予測を行うことで融雪出水に備えているが 現状用いるデータは広範囲な気象予報と一部の地点での積雪観測によるため 的確な流入量予測が出来ない場合があり 管理上の課題となっている 本稿では 積雪分布を面的に把握するため

More information

PowerPoint プレゼンテーション

PowerPoint プレゼンテーション 広域マルチラテレーションの概要と 評価について 電子航法研究所 宮崎裕己 1 広域マルチラテレーションとは? (WAM: Wide Area Multilateration) 最終進入エリア 空港 航空路空域を覆域に持つ航空機監視システム 航空機からの信号を複数の受信局で検出受信局 A D 監視 B C 電子研では WAM 実験装置の試作 評価を進行中 2 講演内容 評価の背景 WAMの概要 実験装置の概要

More information

9 月号平成 27 年 (2015 年 ) ご利用の前にかんくうじまウェザートピックス関空島 WEATHER TOPICSEAの内容には 航空気象で利用する用語や 観測で使用する機器及びその設置場所等の略語がでてきます これらの解説を巻末に掲載していますので適宜ご利用ください 関空島の 8 月の気象

9 月号平成 27 年 (2015 年 ) ご利用の前にかんくうじまウェザートピックス関空島 WEATHER TOPICSEAの内容には 航空気象で利用する用語や 観測で使用する機器及びその設置場所等の略語がでてきます これらの解説を巻末に掲載していますので適宜ご利用ください 関空島の 8 月の気象 9 月号平成 27 年 (2015 年 ) ご利用の前にかんくうじまウェザートピックス関空島 WEATHER TOPICSEAの内容には 航空気象で利用する用語や 観測で使用する機器及びその設置場所等の略語がでてきます これらの解説を巻末に掲載していますので適宜ご利用ください 関空島の 8 月の気象 天気概況 8 月上旬は 高気圧に覆われ晴れる日が多くなりました 中旬以降は低気圧や前線の影響で雨となる日が多くなり

More information

Microsoft PowerPoint _H30_ALISお知らせ【Java】++

Microsoft PowerPoint _H30_ALISお知らせ【Java】++ 重要なお知らせ 航空気象実況データ収集処理システムの機能改善及び Java8 無償サポート終了に伴う利用について 平成 31 年 3 月 気象庁 はじめに 平素より当庁の航空気象業務にご理解とご協力を賜り 厚く御礼申し上げます 航空気象実況データ収集処理システム (ALIS) において お知らせ画面と Java を使用せずにリアルタイムデータ (6 秒値 ) を表示できる新規コンテンツ ( 空港実況表示画面

More information

Autodesk Inventor Skill Builders Autodesk Inventor 2010 構造解析の精度改良 メッシュリファインメントによる収束計算 予想作業時間:15 分 対象のバージョン:Inventor 2010 もしくはそれ以降のバージョン シミュレーションを設定する際

Autodesk Inventor Skill Builders Autodesk Inventor 2010 構造解析の精度改良 メッシュリファインメントによる収束計算 予想作業時間:15 分 対象のバージョン:Inventor 2010 もしくはそれ以降のバージョン シミュレーションを設定する際 Autodesk Inventor Skill Builders Autodesk Inventor 2010 構造解析の精度改良 メッシュリファインメントによる収束計算 予想作業時間:15 分 対象のバージョン:Inventor 2010 もしくはそれ以降のバージョン シミュレーションを設定する際に 収束判定に関するデフォルトの設定をそのまま使うか 修正をします 応力解析ソルバーでは計算の終了を判断するときにこの設定を使います

More information