JP2020513101A

JP2020513101A - 降雪確率分布を予測するためのシステムおよび方法

Info

Publication number: JP2020513101A
Application number: JP2019551474A
Authority: JP
Inventors: ダンディポウドウィン，; ジョナサンポーター，; マイケルアール．ルート，
Original assignee: Accuweather Inc
Current assignee: Accuweather Inc
Priority date: 2017-03-30
Filing date: 2018-03-30
Publication date: 2020-04-30
Also published as: EP3607363B1; WO2018183853A1; US20180284322A1; EP3607363A1; CN110603465A; EP3607363A4; TW201839712A; KR20200002871A; US10838109B2; CA3056928A1; CN110603465B; US20210026039A1; US11493666B2

Abstract

現在利用できる天気予報は、特定の積雪量又は積雪量範囲を含むが、降雪が予測された積雪量範囲内に収まる確率や他の積雪量となる確率、あるいは予測者の確信度を伝えない。本明細書で開示する降雪確率分布予測システムは、ルールベースのプロセスを使用してアンサンブル予測のメンバーを含む第三者気象予測を活用し、最も尤度の高い積雪量範囲と、積雪量が最も尤度の高い積雪量範囲内に収まる確率と、積雪量が最も尤度の高い積雪量範囲外になる確率とを予測する降雪確率分布を生成する。確定的予測との一貫性を確保するために、降雪確率予測は確定的予測に基づいてシフトされてもよい。第三者気象予測は積雪量予測の非正規分布を生成する可能性があるため、降雪確率分布は正規化されてもよい。

Description

関連出願の相互参照
本出願は、２０１７年３月３０日に出願された米国特許仮出願第６２／４７９，０６２号からの優先権を主張するものであり、この出願の全内容は参照により本明細書に組み入れられる。

積雪量予測は個人および組織にとって非常に大きな価値を有する。顧客および企業だけが計画を目的として積雪量予測を用いるのではなく、輸送システムおよび他の重要なシステムの構成要素が降雪および他の降水の予測を用いて運営を調整し、インフラに対する損傷を防止し、公衆に対して危険となりうる事象を回避している。

現在用いられている予測法は暴風雪の確定的予測を生成する。この確定的予測には特定の時間と場所での特定の雪積量（多くの場合範囲）が含まれるが、この積雪量は、数学的モデルから得られる情報と自身の訓練と経験に基づいて主観的な決定を行う気象学者（または気象学者のグループ）の最良の推測を表す。この確定的予測は非常に有益なものであるが、降雪が予測される積雪量範囲内に収まる確率や、他の積雪量となる確率などの追加情報を伝えない。また、確定的予測は予測者の確信度やその確信度が時間とともにどのように変化するかを伝えない。

確定的予測とは異なり、確率分布は、暴風雪がもたらし得る広範囲の結果とそれらの結果が現実となる可能性に対するより深い理解を伝える。

現代の予測者は多数の気象予測を参照することができるが、その中にはアンサンブル予報も含まれる。アンサンブル予報では、同じ数学モデルを使用して複数のシミュレーション（「メンバー」と呼ばれる）を実行することにより、予測モデルの不確実性の２つの通常の原因（不完全な初期条件の使用によって与えられた誤差およびモデルの定式化の不完全性によって与えられた誤差）を明らかにする。既存の気象予測では、積雪などの確率分布は提供されない。代わりに、各気象予測（またはメンバー）を使用して、単一の確定的な予報を生成している。

ＬｅＢｌａｎｃの米国特許出願公開第２０１４／３０３８９３号は、降雪の確率を全体的な降水量の確率分布と組み合わせることにより、降雪量の確率分布を生成するシステムを開示している。ただし、ＬｅＢｌａｎｃシステムでは、降雪の確率を計算することと、全体的な降水量の確率分布を生成することの両方が必要であり、これらは共に既存の気象予測法を用いて高精度に実施することが困難である。

暴風雪がもたらし得る広範囲の結果をより正確に評価したいという要望と、既存の気象予測と気象予測システムの両方の欠点を考えると、複数の積雪量範囲と積雪量がこれらの範囲の各々に収まる確率とを予測する降雪確率分布を生成するためのルールベースのプロセスが必要である。さらに、ユーザの混乱を避けるために、ルールベースのプロセスは、同じ場所と期間における確定的予測と一致する降雪確率分布を生成し、最も尤度の高い積雪量範囲から確率分布の尾部までの正規分布を反映することが重要である。

従来技術におけるこれらおよび他の欠点を克服するために、本明細書で開示する降雪確率分布予測システムは、ルールベースのプロセスを使用してアンサンブル予測のメンバーを含む第三者気象予測を活用し、最も尤度の高い積雪量範囲と、積雪量が最も尤度の高い積雪量範囲内に収まる確率と、積雪量が最も尤度の高い積雪量範囲外になる確率とを予測する降雪確率分布を生成する。

効率確率分布予測システムは、複数の気象予測を記憶し、暴風雪の予測位置と予測期間を特定し、前記複数の気象予測の各々に基づいて積雪量予測を決定し、連続しかつ重複しない一連の積雪量範囲を特定し、各積雪量範囲内の前記積雪量予測の数を決定することにより、アンサンブルヒストグラムを形成し、前記アンサンブルヒストグラムに基づいて、積雪量の相対尤度を表す確率密度関数を計算し、前記確率密度関数に基づいて降雪確率分布を形成し、（前記最も尤度の高い積雪量範囲と、前記予測期間中の前記予測位置における積雪量が当該最も尤度の高い積雪量範囲内に収まる前記確率と、を含む）降雪確率予測を生成し、前記降雪確率予測を出力する。

確定的予測と降雪確率分布によって示される最も尤度の高い積雪量範囲との間の一貫性を確保するために、降雪確率分布予測システムは、確定的予測における予測積雪量が降雪確率分布の最も尤度の高い積雪量範囲内に収まるように降雪確率分布をシフトしてもよい。さらに、第三者気象予測は積雪量予測の非正規分布を生成する可能性があるため、降雪確率分布予測システムは、各積雪量範囲の確率が降雪確率分布の最も尤度の高い積雪量範囲から降雪確率分布の尾部まで減少するようにデータを正規化してもよい。

例示的な実施形態の態様は添付の図面を参照することでより良く理解され得る。

本発明の例示的な実施形態に従う降雪確率分布予測システムのアーキテクチャを示す図である。

本発明の例示的な実施形態に従う降雪確率分布予測システムを示すブロック図である。

本発明の例示的な実施形態に従う降雪確率分布を生成するためのプロセスを示すフローチャートである。

例示的なアンサンブルヒストグラム、例示的な確率密度関数、および例示的な正規化された確率密度関数を示すグラフである。

本発明の例示的な実施形態に従う図４に示すヒストグラムを用いて生成された降雪確率予測を含む、グラフィカルユーザーインターフェースによって出力された表示画面である。

本発明の他の例示的な実施形態に従う降雪確率予測を含む、グラフィカルユーザーインターフェースによって出力された表示画面である。

以下、本発明の例示的な実施形態の様々な観察を示す図面を参照する。図面および本明細書における当該図面の説明において、一部の用語は単に便宜上用いられ、本発明の実施形態を限定するものと解釈されるべきではない。さらに、図面および以下の説明において、同一の番号は全体を通して同一の要素を示す。

図１は本発明の例示的な実施形態に従う降雪確率分布予測システム２００のアーキテクチャ１００を示す図である。

図１に示すように、アーキテクチャ１００は、インターネットなどの広域ネットワーク１３０を介して第三者データソース１１０から情報を受信し、リモートクライアントデバイス１８０と通信する１つ以上のサーバ１２０を含む。１つ以上のサーバ１２０はまた、非一時的なコンピュータ可読記憶媒体１２６にデータを記憶し、そこからデータを読み取ることができる。１つ以上のサーバ１２０は、直接（有線および／または無線通信経路を介して）またはローカルエリアネットワーク１３２を介して１つ以上のローカルクライアントデバイス１４０と通信することもできる。

第三者データソース１１０は、例えば、国立環境予測センター（ＮＣＥＰサーバ１１２）および欧州中期気象予報センター（ＥＣＭＷＦサーバ１１４）によって維持されるサーバを含むことができる。第三者データソース１１０にはさらに、国立気象局（ＮＷＳ）、国立ハリケーンセンター（ＮＨＣ）、カナダ環境省、その他の政府機関（英国気象局、日本国気象庁など）、民間企業（ＡｃｃｕＷｅａｔｈｅｒ，Ｉｎｃ．、ＡｃｃｕＷｅａｔｈｅｒＥｎｔｅｒｐｒｉｓｅＳｏｌｕｔｉｏｎｓ，Ｉｎｃ．、ヴァイセーリア（Ｖａｉｓａｌｉａ）の全米雷検知ネットワーク、ＷｅａｔｈｅｒＤｅｃｉｓｉｏｎＴｅｃｈｎｏｌｏｇｉｅｓ，Ｉｎｃ．など）、個人（スポッターネットワークのメンバーなど）などが含まれ得る。

１つ以上のサーバ１２０の各々は、ネットワーク１３０および１３２を介してデータを送信および／または受信するように構成された任意の好適なハードウェアコンピューティングデバイスであり得る。１つ以上のサーバ１２０の各々は、内部の非一時的記憶媒体および少なくとも１つのハードウェアコンピュータプロセッサを含む。１つ以上のサーバ１２０は、例えば、アプリケーションサーバと、ウェブブラウザを含むリモートクライアントデバイス１８０のいずれかからアクセス可能なウェブサイトをホストするウェブサーバとを含み得る。

非一時的コンピュータ可読記憶媒体１２６は、ハードディスク、ソリッドステートメモリなどを含むことができる。非一時的コンピュータ可読記憶媒体１２６は、サーバ１２０のうちの１つの内部、あるいは１つ以上のサーバ１２０の外部にあってよい。１つ以上のサーバ１２０は、有線および／または無線通信経路を介して、および／またはネットワーク１３２を介して、非一時的なコンピュータ可読記憶媒体１２６と通信することができる。

ネットワーク１３０および１３２は、インターネット、セルラーネットワーク、広域ネットワーク（ＷＡＮ）、ローカルエリアネットワーク（ＬＡＮ）などの任意の組み合わせを含むことができる。ネットワーク１３０および１３２を介した通信は、有線および／または無線通信経路を用いて実現できる。

１つ以上のローカルクライアントデバイス１４０の各々は、ネットワーク１３２を介してデータを送受信するように構成された任意の好適なハードウェアコンピューティングデバイスであり得る。１つ以上のローカルクライアントデバイス１４０の各々は、内部の非一時的記憶媒体および少なくとも１つのハードウェアコンピュータプロセッサを含む。１つ以上のローカルクライアントデバイス１４０の各々は、例えば、パーソナルコンピューティングデバイス（例えば、デスクトップコンピュータ、ノートブックコンピュータ、タブレット、スマートフォンなど）であり得る。

リモートクライアントデバイス１８０の各々は、ネットワーク１３０を介してデータを受信するように構成された任意の好適なハードウェアコンピューティングデバイスであり得る。リモートクライアントデバイス１８０の各々は、内部の非一時的記憶媒体および少なくとも１つのハードウェアコンピュータプロセッサを含む。リモートクライアントデバイス１８０は、ウェブブラウザやローカルまたはリモート（たとえば、サーバ１２０上）にインストールされたソフトウェアアプリケーションを介してネットワーク１３０から受信した情報を受信および表示するパーソナルコンピューティングデバイス（例えば、デスクトップコンピュータ１８２、ノートブックコンピュータ、タブレット１８６、スマートフォン１８４など）を含み得る。リモートクライアントデバイス１８０は、モバイルアプリケーションなどを介してネットワーク１３０から受信した情報を受信および表示するスマートフォン１８４および／またはタブレット１８６を含むことができる。最も単純な実施形態では、リモートクライアントデバイス１８０は、降雪確率分布予測システム２００によって生成された降雪確率分布を受信し、それらの降雪確率分布を（例えば、ウェブブラウザ、モバイルアプリケーションなどを介して）ユーザに対して表示する。以下により詳細に説明するように、リモートクライアントデバイス１８０は、降雪確率分布予測システム２００によって生成された降雪確率分布を受け取り、それらの降雪確率分布をユーザに対して表示することに加えて、またはその代わりに、降雪確率分布に含まれる情報に応じてハードウェアまたはソフトウェアデバイスを制御する、他の好適なハードウェアコンピューティングデバイス１８８を含むこともできる。

図２は本発明の例示的な実施形態に従う降雪確率分布予測システム２００を示すブロック図である。

図２に示すように、降雪確率分布予測システム２００は、予測データベース２４０、分析ユニット２６０、およびグラフィカルユーザーインターフェース２８０を含む。降雪確率分布予測システム２００は、履歴気象データベース２５０および履歴気象予測データベース２５５をさらに含むことができる。

予測データベース２４０は、単一の有形デバイスまたは複数の有形デバイス（例えば、非一時的なコンピュータ可読記憶媒体１２６）に記憶された、任意の組織化された情報のコレクションであり得る。予測データベース２４０は、第三者データソース１１０から受信した第三者気象予測２４２と、１つ以上のサーバ１２０および／または１つ以上のローカルクライアントデバイス１４０を使用して生成された確定的予測２４８とを記憶する。予測データベース２４０はまた、政府機関（例えば、ＮＷＳ、地元のＮＷＳ事務局など）によって発表された冬期気象通報２４６を記憶してもよい。

第三者気象予測２４２は、現在の気象条件の推定に基づいて将来の気象条件を予測する大気および海洋の数学モデルを使用して生成される。第三者気象予測２４２は、例えば、定量的な降水予測、ならびに気温、鉛直流、および相対湿度の予測を含み得る。第三者気象予測２４２は、いくつかの別個の予測（「メンバー」と呼ばれる）を含むアンサンブル予測であり得る。アンサンブル予測では、同じ数学モデルを使用して複数のシミュレーションを実行することにより、予測モデルの不確実性の２つの通常の原因、すなわち不完全な初期条件の使用によって与えられた誤差およびモデルの定式化の不完全性によって与えられた誤差を明らかにする。したがって、以下で用いられるように、第三者気象予測２４２はアンサンブル予測の各メンバーを指す。

第三者気象予測２４２は、例えば、国立環境予測センター（ＮＣＥＰ）グローバル予測システム（ＧＦＳ）の１回の確定的予測、グローバルアンサンブル予測システム（ＧＥＦＳ）のメンバー（例えば、２０件のメンバー）、暴風雨予報センター（ＳＰＣ）短時間アンサンブル予報（ＳＲＥＦ）のメンバー（例えば、２６件のメンバー）、および欧州中期気象予報センター（ＥＣＭＷＦ）アンサンブル予測システムのメンバー（例、２６件のメンバー）を含むことができる。ＮＣＥＰのＧＦＳ予測、ＧＥＦＳメンバー、およびＳＲＥＦメンバーは、ＮＣＥＰサーバ１１２から受信できる。ＥＣＭＷＦメンバーは、ＥＣＭＷＦサーバ１１４から受信できる。

冬期気象通報２４６は、予測される冬の天候の前にＮＷＳ（および／または地元の事務局）によって発表される。冬期気象通報には、冬期暴風雪警報、冬期暴風雪注意報、および冬期気象注意報が含まれる。

確定的予測２４８は、１つ以上の数学的モデルを使用して生成することもできる。ただし、確定的予測２４８は、この１つ以上の数学的モデルから得られる情報および自身の訓練および経験に基づいて主観的な決定を行う気象学者によって生成または修正され得る。「確定的予測」とは、予測期間中の予測位置における特定の規模（または特定の範囲の規模）の事象の予測である（例えば、２０１８年３月２０日から２０１８年３月２２日までのフィラデルフィアの８インチの降雪）。確定的予測２４８は、ＡｃｃｕＷｅａｔｈｅｒ，Ｉｎｃ．、ＡｃｃｕＷｅａｔｈｅｒＥｎｔｅｒｐｒｉｓｅＳｏｌｕｔｉｏｎｓ，Ｉｎｃ．などの１人以上の気象学者によって生成され得る。

任意で設けられる履歴気象データベース２５０は、単一の有形デバイスまたは複数の有形デバイス（例えば、非一時的なコンピュータ可読記憶媒体１２６）に記憶された、任意の組織化された情報のコレクションであり得る。履歴気象データベース２５０は、過去の積雪量２５２を示す地理的に位置付けられた時間指標付きの情報を記憶することができる。

任意で設けられる履歴気象予測データベース２５５は、単一の有形デバイスまたは複数の有形デバイス（例えば、非一時的なコンピュータ可読記憶媒体１２６）に記憶された、任意の組織化された情報のコレクションであり得る。履歴気象予測データベース２５５は、過去の積雪量の位置および期間についての第三者気象予測２４２および確定的予測２４８を記憶することができる。

分析ユニット２６０は、ハードウェアコンピュータプロセッサと、ハードウェアコンピュータプロセッサによりアクセスおよび実行されるソフトウェア命令とを含む。分析ユニット２６０は、第三者気象予測２４２および確定的予測２４８を受信し、以下で詳細に説明するように、第三者気象予測２４２および確定的予測２４８に基づいて降雪確率分布を生成し、それらの降雪確率分布をリモートクライアントデバイス１８０に出力するように構成されるハードウェアおよびソフトウェアの任意の好適な組み合わせであり得る。分析ユニット２６０は、例えば、地球科学データの容易なアクセス、操作、および視覚化に使用される対話型デスクトップツールであるグリッド分析および表示システム（ＧｒＡＤＳ）を含むことができる。分析ユニットは、例えば、１つ以上のサーバ１２０および／または１つ以上のサーバ１２０からダウンロードされたソフトウェア命令を実行するリモートクライアントデバイス１８０によって実現され得る。

グラフィカルユーザーインターフェース２８０は、ユーザに表示するための情報（後述の降雪確率分布を含む）を出力する任意のインターフェースであり得る。グラフィカルユーザーインターフェース２８０は、ウェブサーバ（例えば、サーバ１２０の１つ）によって生成され、ウェブブラウザを介してリモートクライアントデバイス１８０のユーザに表示されてもよい。付加的または代替的に、グラフィカルユーザーインターフェース２８０は、リモートクライアントデバイス１８０に記憶されたローカルソフトウェア（例えば、モバイルアプリケーション）によって生成されてもよい。

上述のように、現在用いられている予測方法は、数学的モデルから得られる情報と自身の訓練と経験に基づいて主観的な決定を行う気象学者（または気象学者のグループ）の最良の推測を表す特定の積雪量（多くの場合範囲）を含む確定的予測２４８を生成する。しかしながら、この確定的予測２４８は、降雪が予測された積雪量範囲内に収まる確率や、他の積雪量となる確率などの追加情報を伝えない。後に詳述するように、降雪確率分布予測システム２００は、ルールベースのプロセスを使用してアンサンブル予測のメンバーを含む第三者気象予測２４２を活用し、最も尤度の高い積雪量範囲と、積雪量が最も尤度の高い積雪量範囲内に収まる確率と、積雪量が最も尤度の高い積雪量範囲外になる確率とを予測する降雪確率分布を生成する。

確定的予測２４８と降雪確率分布によって示される最も尤度の高い積雪量範囲との間の一貫性を確保するために、降雪確率分布予測システム２００は、確定的予測２４８における予測積雪量が降雪確率分布の最も尤度の高い積雪量範囲内に収まるように降雪確率分布をシフトしてもよい。さらに、第三者気象予測２４２は積雪量予測の非正規分布を生成する可能性があるため、降雪確率分布予測システム２００は、各積雪量範囲の確率が降雪確率分布の最も尤度の高い積雪量範囲から降雪確率分布の尾部まで減少するようにデータを正規化してもよい。

図３は本発明の例示的な実施形態に従う降雪確率分布を生成するためのプロセス３００を示すフローチャートである。降雪確率分布プロセス３００は分析ユニット２６０によって（例えば、サーバ１２０によって）実行される。

プロセス３００は降雪確率分布を生成するものとして以下で説明されるが、当業者は、同様のプロセスを使用して、降雨量、液体相当量、氷の蓄積量、風速、気温などを含む他の予測される気象条件の確率分布を生成できることを認識するであろう。

工程３０２で、第三者気象予測２４２が受信される。第三者気象予測２４２は、例えば、ＮＣＥＰＧＦＳから得た確定的予測、ＧＥＦＳアンサンブルの２０件のメンバー、ＳＲＥＦアンサンブルの２６件のメンバー、およびＥＣＭＷＦアンサンブル予測システムの２６件のメンバーを含むことができる。ＮＣＥＰのＧＦＳ予測、ＧＥＦＳメンバー、およびＳＲＥＦメンバーは、ＮＣＥＰサーバ１１２から受信できる。ＥＣＭＷＦメンバーは、ＥＣＭＷＦサーバ１１４から受信できる。

第三者気象予測２４２は、工程３０４で均一な地理的グリッドに適合するように補間される。

工程３０６で暴風雪が特定される。暴風雪は、例えば、冬期気象通報２４６に予測される積雪量が含まれている場合に特定され得る。あるいは、確定的予測２４８が予測された暴風雪または予測された積雪量の大きさを示すときに暴風雪が特定されてもよい。

工程３０８で予測位置が特定される。予測位置は、例えば、冬期気象通報２４６で特定された位置であってもよい。あるいは、暴風雪の予測位置は、例えば、予測された暴風雪または予測された積雪量の大きさを示す確定的予測２４８によって示される位置であってもよい。

工程３１０で予測期間が特定される。予測期間は、例えば、冬期気象通報２４６で特定された期間であってもよい。あるいは、予測期間は、例えば、確定的予測２４８の予測暴風雪の予測期間であってもよい。

工程３１２で、各第三者気象予測２４２について、予測期間中の予測位置における予測積雪量が決定される。予測積雪量はコブ法を用いて決定できる。コブ法では、（予測気温、予測鉛直流、予測相対湿度に基づいて）雪水比が計算され、定量的降水予測にこの計算された雪水比が乗算される。場合によっては、第三者気象予測２４２は、特定の期間の降水量を分類する（例えば、雪、雨、みぞれ、またはそれらの混合）ことを含み得る。これらの例では、雪として分類された定量的降水予測を出力することにより、予測積雪量を決定できる。

工程３１４において、工程３１２で決定された積雪量予測に基づいて降雪確率分布が生成される。降雪確率分布を生成するには、連続しかつ重複しない一連の積雪量範囲を特定し、各積雪量範囲内の積雪量予測の数を決定することにより、アンサンブルヒストグラムを形成し、アンサンブルヒストグラムに基づいて確率密度関数を計算し、確率密度関数に基づいて降雪確率分布を形成する。

降雪確率分布を生成するプロセスを、シナリオ例を参照して以下で説明する。このシナリオ例では、１０件の第三者気象予測２４２において予測期間中の予測位置における予測積雪量は以下の通りである。
メンバー１：２インチ
メンバー２：１インチ
メンバー３：３．５インチ
メンバー４：３．５インチ
メンバー５：４インチ
メンバー６：８インチ
メンバー７：７．５インチ
メンバー８：２インチ
メンバー９：５インチ
メンバー１０：１インチ

次いで、第三者気象予測２４２から得た積雪量予測は、特定された積雪量範囲に分類される。例えば、１インチ間隔の積雪量範囲を用いると、積雪量予測の例は次のように分類される。
０〜１インチ：０件（０パーセント）
１〜２インチ：２件（２０パーセント）
２〜３インチ：２件（２０パーセント）
３〜４インチ：２件（２０パーセント）
４〜５インチ：１件（１０パーセント）
５〜６インチ：１件（１０パーセント）
６〜７インチ：０件（０パーセント）
７〜８インチ：１件（１０パーセント）
８〜９インチ：１件（１０パーセント）

積雪量範囲はあらかじめ決められていてもよい。あるいは、積雪量範囲は積雪量予測に基づいて特定されてもよい。例示的な実施形態では、最も低い積雪量、低い積雪量、最も尤度の高い積雪量、比較的高い積雪量、および最も高い積雪量を表す５つの積雪量範囲が特定される。ただし、積雪量は任意の数の積雪量範囲に分割できる。例えば、３つの積雪量範囲が識別された場合、積雪量予測の例は次のように分類される。
０〜３インチ：４０パーセント
３〜６インチ：４０パーセント
６〜９インチ：２０パーセント

本質的に、降雪確率分布予測システム２００は降雪確率分布を生成し、その際、予測期間中の予測位置における予測積雪量が各積雪量範囲内に収まる確率は、積雪量予測が各積雪量範囲内に収まる第三者気象予測２４２の割合である。

工程３１４で生成された降雪確率分布は、工程３１６で確定的予測３４８に基づいてシフトされてもよい。例えば、（工程３１４で生成された）元の降雪確率分布は、シフトされた降雪確率分布のモードが確定的予測３４８の予測積雪量に等しくなるようにシフトされ得る。（確定的予測３４８における予測積雪量は、例えば、上述のコブ法を用いて計算され得る。）元の降雪確率分布の平均とシフトされた降雪確率分布の差は、元の降雪確率分布のすべての点をシフトするための重みとして使用される。したがって、降雪確率分布予測システム２００は、すべての点が確定的予測３４８によって影響されるシフトされた降雪確率分布を作成する。

（元のまたはシフトされた）降雪確率分布は、工程３１８で正規化されてもよい。例えば、降雪確率分布予測システム２００は、各積雪量範囲の確率が降雪確率分布のモード（または中央値もしくは平均値）から降雪確率分布の尾部まで低下するまで、尾部先端側のデータ点を確率分布の平均値（またはモードもしくは中央値）に向けて移動する反復的プロセスを実行する。

図４は例示的なアンサンブルヒストグラム、例示的な確率密度関数、および例示的な正規化された確率密度関数を示すグラフ４００である。（なお、図４に示す例は上述の例と一致しない。）

上述の実施形態では、降雪確率分布を生成するときに、各第三者気象予測２４２は等しく重み付けされる。しかしながら、他の実施形態では、過去の積雪量予測の精度に基づいて第三者気象予測２４２に重み付けをすることができる。例えば、降雪確率分布予測システム２００は、過去の積雪量２５２および第三者気象予測２４２（および、オプションとして確定的予測２４８）を積雪量２５２の位置および期間について使用することにより、各第三者気象予測２４２を重み付けして過去の積雪量２５２を最も正確に予測する降雪確率分布を形成する統計モデルを構築してもよい。したがって、（気候条件または第三者気象予測２４２の変化により）第三者気象予測２４２の一部またはすべての精度が時間とともに変化しても、降雪確率分布予測システム２００は将来の積雪量を最も正確に予測する降雪確率分布を生成することができる。

工程３２０では降雪確率予測が生成される。降雪確率予測には、最も尤度の高い積雪量範囲と、降雪確率分布に基づいて予測期間中の予測位置における積雪量が当該最も尤度の高い積雪量範囲内に収まる確率とが含まれる。また、降雪確率予測には、比較的高い積雪量範囲（および降雪確率分布に基づいて積雪量が当該比較的高い積雪量範囲内に収まる確率）、および比較的低い積雪量範囲（および降雪確率分布に基づいて積雪量が当該比較的低い積雪量範囲内に収まる確率）が含まれてもよい。

工程３２２では降雪確率予測が出力される。最も単純な実施形態では、降雪確率予測はリモートクライアントデバイス１８０に出力されてグラフィカルユーザーインターフェース２８０を介してユーザに対して表示される。例えば、降雪確率予測はＷｅｂページまたはモバイルアプリケーションの一部として表示されてもよい。他の実施形態では、降雪確率予測をリモートクライアントデバイス１８０に出力することによって、降雪確率予測に含まれる情報に応答してハードウェアまたはソフトウェアデバイスを制御してもよい。一例を挙げると、降雪確率予測を鉄道システムに出力して、積雪閾値以上の積雪の確率が確率閾値以上である場合には、鉄道ルートを迂回またはキャンセルするように構成するしてもよい。

図５は本発明の例示的な実施形態に従う図４に示すヒストグラムを用いて生成された降雪確率予測を含む、グラフィカルユーザーインターフェース２８０によって出力された表示画面５００を示す。

図５に示すように、表示画面５００はテキスト表示５５０および／または棒グラフ５１０を含んでもよい。例えば、棒グラフ５１０は、最も尤度の高い積雪量範囲５１５、積雪量が当該最も尤度の高い積雪量範囲５１５内に収まる確率５２５、および積雪量が当該最も尤度の高い積雪量範囲５１５内に収まる確率５２５の視覚的表現５３５；比較的高い積雪量範囲５１３、積雪量が当該比較的高い積雪量範囲５１３内に収まる確率５２３、および積雪量が当該比較定高い積雪量範囲５１３内に収まる確率５２３の視覚的表現５３３；比較的低い積雪量範囲５１７、積雪量が当該比較的低い積雪量範囲５１７内に収まる確率５２７、および積雪量が当該比較的低い積雪量範囲５１７内に収まる確率５２７の視覚的表現５３７；最も高い積雪量範囲５１１、積雪量が当該最も高い積雪量範囲５１１内に収まる確率５２１、および積雪量が当該最も高い積雪量範囲５１１内に収まる確率５２１の視覚的表現５３１；および最も低い積雪量範囲５１９、積雪量が当該最も低い積雪量範囲５１９内に収まる確率５２９、および積雪量が当該最も低い積雪量範囲５１９内に収まる確率５２９の視覚的表現５３９を含んでもよい。

テキスト表示５５０は、最も尤度の高い積雪量範囲５１５、積雪量が当該最も尤度の高い積雪量範囲５１５より低くなる確率５４８、および積雪量が当該最も尤度の高い積雪量範囲５１５より高くなる確率５４２を含んでもよい。

また、表示画面５００は予測期間５５２を含んでもよい。

図６は本発明の他の例示的な実施形態に従う降雪確率予測を含む、グラフィカルユーザーインターフェース２８０によって出力された表示画面６００を示す。

図６に示されるように、表示画面６００は、テキスト表示５５０および棒グラフ５１０を含むという点で表示画面５００に類似している。さらに、表示画面６００は、（ｘ軸に沿う）積雪量の関数として（ｙ軸に沿う）確率を示す線グラフ６２０を含む。線グラフ６２０は、確率分布のモード、中央値、および平均値の視覚的表現を含んでもよい。線グラフ６２０は、特定の間隔でラベル付けされてもよい。例えば、図６に示すように、線グラフ６２０は、平均、平均から１．５標準偏差、および平均から２．５標準偏差で、ｘ軸に沿ってラベル付けされてもよい。

グラフィカルユーザーインターフェース２８０は、異なるユーザに対して異なる表示画面を出力してもよい。例えば、個々のＷｅｂサイト訪問者、モバイルアプリケーションユーザ、商業ユーザ、政府機関などに異なる表示画面が出力されてもよい。

図７は本発明の他の例示的な実施形態に従う降雪確率予測を含む、グラフィカルユーザーインターフェース２８０によって出力された表示画面７００示す。

図７に示すように、表示画面７００は、最も尤度の高い積雪量範囲７１５、積雪量が当該最も尤度の高い積雪量範囲７１５内に収まる確率７２５、および積雪量が当該最も尤度の高い積雪量範囲７１５内に収まる確率７２５の視覚的表現７３５を含む。表示画面７００はまた、積雪量が最も尤度の高い積雪量範囲７１５より高い確率７２８、および積雪量が最も尤度の高い積雪量範囲７１５より高い確率７２８の視覚的表現７３８を含む。表示画面７００はまた、積雪量が最も尤度の高い積雪量範囲７１５より低い確率７２２、および積雪量が最も尤度の高い積雪量範囲７１５より低い確率７２２の視覚的表現７３２を含む。表示画面７００はまた、予測期間と当該予測期間中の様々な降水種類の確率の視覚的表現を含む。

図８は本発明の他の例示的な実施形態に従う降雪確率予測を含む、グラフィカルユーザーインターフェース２８０によって出力された表示画面８００示す。

図８に示すように、表示画面８００は、最も尤度の高い積雪量範囲８１５と、当該最も尤度の高い積雪量範囲８１５の視覚的表現８４５とを含む。表示画面８００はまた、最も高い積雪量予測８１８および最も低い積雪量予測８１２、ならびに最も高い積雪量予測８１８および最も低い積雪量予測８１２からの視覚的表現８４２も含む。最も高い積雪量予測８１８は、例えば、単一の第三者予測２４２によって予測される最大積雪量であり、最も低い積雪量予測８１２は、単一の第三者予測２４２によって予測される最小積雪量であってもよい。あるいは、最も高い積雪量予測８１８および最も低い積雪量予測８１２は、所定の数または割合の第三者予測２４２によって予測される最大積雪量および最小積雪量であってもよい。

図９は本発明の他の例示的な実施形態に従う降雪確率予測を含む、グラフィカルユーザーインターフェース２８０によって出力された表示画面９００示す。

図９に示すように、表示画面９００は、最も尤度の高い積雪量範囲９１５と、、積雪量が当該最も尤度の高い積雪量範囲９１５内に収まる確率の視覚的表現９３５とを含む。表示画面９００はまた、積雪量が最も尤度の高い積雪量範囲９１５より高くなる確率の視覚的表現９３８、および積雪量が最も尤度の高い積雪量範囲９１５より低くなる確率の視覚的表現９３２を含む。

図１０は本発明の他の例示的な実施形態に従う降雪確率予測を含む、グラフィカルユーザーインターフェース２８０によって出力された表示画面１０００示す。

図１０に示すように、表示画面１００は、最も尤度の高い積雪量範囲１０１５、積雪量が当該最も尤度の高い積雪量範囲１０１５内に収まる確率１０２５、および積雪量が当該最も尤度の高い積雪量範囲１０１５内に収まる確率１０２５の視覚的表現１０３５；比較的高い積雪量範囲１０１３、積雪量が当該比較的高い積雪量範囲１０１３内に収まる確率１０２３、および積雪量が当該比較定高い積雪量範囲１０１３内に収まる確率１０２３の視覚的表現１０３３；比較的低い積雪量範囲１０１７、積雪量が当該比較的低い積雪量範囲１０１７内に収まる確率１０２７、および積雪量が当該比較的低い積雪量範囲１０１７内に収まる確率１０２７の視覚的表現１０３７；最も高い積雪量範囲１０１１、積雪量が当該最も高い積雪量範囲１０１１内に収まる確率１０２１、および積雪量が当該最も高い積雪量範囲１０１１内に収まる確率１０２１の視覚的表現１０３１；および最も低い積雪量範囲１０１９、積雪量が当該最も低い積雪量範囲１０１９内に収まる確率１０２９、および積雪量が当該最も低い積雪量範囲１０１９内に収まる確率１０２９の視覚的表現１０３９を含んでもよい。

好ましい実施形態が上記で明らかにされたが、本明細書の開示にふれた当業者は、他の実施形態が本発明の範囲内で実現され得ることを容易に理解するであろう。ハードウエアコンポーネントおよびソフトウエアモジュールの特定の数の開示は、限定というよりも例示である。従って、本発明は、添付の請求によってのみ限定されるものと解釈されるべきである。

Claims

積雪量を予測する方法であって、
暴風雪の予測位置と予測期間を特定する工程と、
前記予測期間中の前記予測位置における複数の気象予測を受信する工程と、
前記複数の気象予測の各々について積雪量予測を決定する工程と、
連続しかつ重複しない一連の積雪量範囲を特定し、各積雪量範囲内の前記積雪量予測の数を決定することにより、アンサンブルヒストグラムを形成する工程と、
前記アンサンブルヒストグラムに基づいて、積雪量の相対尤度を表す確率密度関数を計算する工程と、
前記確率密度関数に基づいて降雪確率分布を形成する工程であって、当該降雪確率分布は、
最も尤度の高い積雪量範囲、および前記予測期間中の前記予測位置における積雪量が当該最も尤度の高い積雪量範囲内に収まる確率と、
少なくとも１つの比較的高い積雪量範囲、および前記予測期間中の前記予測位置における積雪量が当該比較的高い積雪量範囲内に収まる確率と、
少なくとも１つの比較的低い積雪量範囲、および前記予測期間中の前記予測位置における積雪量が当該比較的低い積雪量範囲内に収まる確率と、
を含む工程と、
前記最も尤度の高い積雪量範囲と、前記予測期間中の前記予測位置における積雪量が当該最も尤度の高い積雪量範囲内に収まる前記確率とを含む降雪確率予測を生成する工程と、
前記降雪確率予測を出力する工程と、
を備える方法。
前記予測期間中の前記予測位置における確定的な積雪量予測を特定する工程と、
調整された確率密度関数を生成する工程と、
をさらに備え、
前記調整された確率密度関数を生成する工程は、
前記調整された確率密度関数のモードを前記確定的な積雪量予測と等しくする工程と、
前記確率密度関数の平均値と前記確定的な積雪量予測との間の差異を計算する工程と、
前記確率密度関数の平均値と前記確定的な積雪量予測との間の差異に基づいて、前記確率密度関数をシフトする工程と、
によって実施され、
前記降雪確率予測は前記調整された確率密度関数に基づく、請求項１に記載の方法。
各積雪量範囲の確率が前記最も尤度の高い積雪量範囲から前記降雪確率分布の尾部まで低下するまで、前記確率密度関数の尾部先端側のデータ点を前記確率密度関数の平均値に向けて移動することによって、正規化された確率密度関数を生成する工程をさらに備え、
前記降雪確率予測は前記正規化された確率密度関数に基づく、請求項１に記載の方法。
前記降雪確率予測がさらに、
前記比較的高い積雪量範囲、および前記予測期間中の前記予測位置における積雪量が当該比較的高い積雪量範囲内に収まる確率と、
前記比較的低い積雪量範囲、および前記予測期間中の前記予測位置における積雪量が当該比較的低い積雪量範囲内に収まる確率と、
を含む、請求項１に記載の方法。
前記降雪確率予測がさらに、
最も高い積雪量範囲、および前記予測期間中の前記予測位置における積雪量が当該最も高い積雪量範囲内に収まる確率と、
最も低い積雪量範囲、および前記予測期間中の前記予測位置における積雪量が当該最も低い積雪量範囲内に収まる確率と、
を含む、請求項４に記載の方法。
前記積雪量予測はコブ法を用いて前記複数の気象予測に基づいて決定される、請求項１に記載の方法。
前記複数の気象予測の各々は予測降水量、予測気温、予測鉛直流、および予測相対湿度を含み、
前記積雪量予測は、
前記予測気温、前記予測鉛直流、および前記予測相対湿度に基づいて雪水比を計算する工程と、
前記予測降水量に前記雪水比を乗算する工程と、
によって決定される、請求項６に記載の方法。
前記降雪確率予測はリモートデバイスに出力され、グラフィカルユーザーインターフェースを介してユーザに対して表示される、請求項１に記載の方法。
前記降雪確率予測を出力することによってリモートデバイスを制御する、請求項１に記載の方法。
前記複数の気象予測は、国立環境予測センター（ＮＣＥＰ）グローバル予測システム（ＧＦＳ）、グローバルアンサンブル予測システム（ＧＥＦＳ）の１件以上のメンバー、国立環境予測センター（ＮＣＥＰ）短時間アンサンブル予報（ＳＲＥＦ）の１件以上のメンバー、および欧州中期気象予報センター（ＥＣＭＷＦ）アンサンブルの１件以上のメンバーのうち、少なくとも１つを含む、請求項１に記載の方法。
複数の気象予測を記憶する予測データベースと、
分析ユニットと、
を備えるシステムであって、前記分析ユニットは、
暴風雪の予測位置と予測期間を特定し、
前記複数の気象予測の各々について積雪量予測を決定し、
連続しかつ重複しない一連の積雪量範囲を特定し、各積雪量範囲内の前記積雪量予測の数を決定することにより、アンサンブルヒストグラムを形成し、
前記アンサンブルヒストグラムに基づいて、積雪量の相対尤度を表す確率密度関数を計算し、
前記確率密度関数に基づいて降雪確率分布を形成し、当該降雪確率分布は、
最も尤度の高い積雪量範囲、および前記予測期間中の前記予測位置における積雪量が当該最も尤度の高い積雪量範囲内に収まる確率と、
少なくとも１つの比較的高い積雪量範囲、および前記予測期間中の前記予測位置における積雪量が当該比較的高い積雪量範囲内に収まる確率と、
少なくとも１つの比較的低い積雪量範囲、および前記予測期間中の前記予測位置における積雪量が当該比較的低い積雪量範囲内に収まる確率と、
を含み、
前記最も尤度の高い積雪量範囲と、前記予測期間中の前記予測位置における積雪量が当該最も尤度の高い積雪量範囲内に収まる前記確率と、を含む降雪確率予測を生成し、
前記降雪確率予測を出力する、
システム。
前記予測データベースはさらに、前記予測期間中の前記予測位置における確定的な積雪量予測を含み、
前記分析ユニットはさらに、調整された確率密度関数を生成するように構成され、当該調整された確率密度関数の生成は、
前記調整された確率密度関数のモードを前記確定的な積雪量予測と等しくし、
前記確率密度関数の平均値と前記確定的な積雪量予測との間の差異を計算し、
前記確率密度関数の平均値と前記確定的な積雪量予測との間の差異に基づいて、前記確率密度関数をシフトする
ことによって実施され、
前記降雪確率予測は前記調整された確率密度関数に基づく、請求項１１に記載のシステム。
前記分析ユニットはさらに、各積雪量範囲の確率が前記最も尤度の高い積雪量範囲から前記降雪確率分布の尾部まで低下するまで、前記確率密度関数の尾部先端側のデータ点を前記確率密度関数の平均値に向けて移動することによって、正規化された確率密度関数を生成するように構成され、
前記降雪確率予測は前記正規化された確率密度関数に基づく、請求項１１に記載のシステム。
前記降雪確率予測がさらに、
前記比較的高い積雪量範囲、および前記予測期間中の前記予測位置における積雪量が当該比較的高い積雪量範囲内に収まる確率と、
前記比較的低い積雪量範囲、および前記予測期間中の前記予測位置における積雪量が当該比較的低い積雪量範囲内に収まる確率と、
を含む、請求項１１に記載のシステム。
前記降雪確率予測がさらに、
最も高い積雪量範囲、および前記予測期間中の前記予測位置における積雪量が当該最も高い積雪量範囲内に収まる確率と、
最も低い積雪量範囲、および前記予測期間中の前記予測位置における積雪量が当該最も低い積雪量範囲内に収まる確率と、
を含む、請求項１４に記載のシステム。
前記分析ユニットはさらに、コブ法を用いて前記複数の気象予測に基づいて前記積雪量予測を決定するように構成される、請求項１１に記載の方法。
前記複数の気象予測の各々は予測降水量、予測気温、予測鉛直流、および予測相対湿度を含み、
前記分析ユニットは、
前記予測気温、前記予測鉛直流、および前記予測相対湿度に基づいて雪水比を計算し、
前記予測降水量に前記雪水比を乗算する
ことによって前記積雪量予測を決定するように構成される、請求項１６に記載の方法。
前記分析ユニットは前記降雪確率予測をリモートデバイスに出力し、グラフィカルユーザーインターフェースを介してユーザに対して表示する、請求項１１に記載の方法。
前記分析ユニットは前記降雪確率予測を出力することによってリモートデバイスを制御する、請求項１１に記載の方法。
前記複数の気象予測は、国立環境予測センター（ＮＣＥＰ）グローバル予測システム（ＧＦＳ）、グローバルアンサンブル予測システム（ＧＥＦＳ）の１件以上のメンバー、国立環境予測センター（ＮＣＥＰ）短時間アンサンブル予報（ＳＲＥＦ）の１件以上のメンバー、および欧州中期気象予報センター（ＥＣＭＷＦ）アンサンブルの１件以上のメンバーのうち、少なくとも１つを含む、請求項１１に記載の方法。
コンピュータプロセッサにより実行される命令を記憶する非一時的コンピュータ可読記憶媒体であって、当該命令が実行されると、コンピューティングシステムは、
暴風雪の予測位置と予測期間を特定し、
前記予測期間中の前記予測位置における複数の気象予測を受信し、
前記複数の気象予測の各々について積雪量予測を決定し、
連続しかつ重複しない一連の積雪量範囲を特定し、各積雪量範囲内の前記積雪量予測の数を決定することにより、アンサンブルヒストグラムを形成し、
前記アンサンブルヒストグラムに基づいて、積雪量の相対尤度を表す確率密度関数を計算し、
前記確率密度関数に基づいて降雪確率分布を形成し、当該降雪確率分布は、
最も尤度の高い積雪量範囲、および前記予測期間中の前記予測位置における積雪量が当該最も尤度の高い積雪量範囲内に収まる確率と、
少なくとも１つの比較的高い積雪量範囲、および前記予測期間中の前記予測位置における積雪量が当該比較的高い積雪量範囲内に収まる確率と、
少なくとも１つの比較的低い積雪量範囲、および前記予測期間中の前記予測位置における積雪量が当該比較的低い積雪量範囲内に収まる確率と、
を含み、
前記最も尤度の高い積雪量範囲と、前記予測期間中の前記予測位置における積雪量が当該最も尤度の高い積雪量範囲内に収まる前記確率と、を含む降雪確率予測を生成し、
前記降雪確率予測を出力する、
非一時的コンピュータ可読記憶媒体。