JP5090954B2 - 発雷予測装置およびその方法、プログラム - Google Patents
発雷予測装置およびその方法、プログラム Download PDFInfo
- Publication number
- JP5090954B2 JP5090954B2 JP2008031984A JP2008031984A JP5090954B2 JP 5090954 B2 JP5090954 B2 JP 5090954B2 JP 2008031984 A JP2008031984 A JP 2008031984A JP 2008031984 A JP2008031984 A JP 2008031984A JP 5090954 B2 JP5090954 B2 JP 5090954B2
- Authority
- JP
- Japan
- Prior art keywords
- lightning
- data
- prediction
- value
- entries
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 45
- 238000010801 machine learning Methods 0.000 claims description 39
- 238000012706 support-vector machine Methods 0.000 claims description 17
- 230000002596 correlated effect Effects 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000001556 precipitation Methods 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
株式会社フランクリンジャパン:「Lightning Scope」(登録商標)http://www.fjc.co.jp/service/cs/ 木瀬若桜ほか「複数のセンサデータを用いた事例検索による発雷予測支援方式」信学論B.Vol.J83−B,No.11,pp.1598−1607(2000−11) 大野久雄 著「雷雨とメソ気象」(東京堂出版)第5章第4節
また、請求項8に記載の本発明は、メッシュ状に区切られた複数の領域ごとに発雷を直前にコンピュータを用いて予測させるための発雷予測プログラムであって、前記領域のそれぞれごとに過去の時系列に沿って気象状況を記録した気象データに基づいたエントリを生成するステップと、前記エントリの総数において積乱雲の発達の度合いと正相関のある値が所定の閾値未満のエントリを除外することにより足切りして訓練データを生成するステップと、前記訓練データを用いてコンピュータにより機械学習を実行して得た学習結果に基づいて、現在の気象データにおける前記積乱雲の発達の度合いと正相関のある値が前記閾値未満である場合には、発雷可能性無しと判断し、当該値が前記閾値以上である場合には、前記現在の気象データに対して、前記学習結果を用いて発雷を予測するための分類器を構成するステップと、をコンピュータに実行させ、現在の気象データの一部もしくは全部にパターン変化予測を適用し、その予測結果を前記分類器へ入力する。
本発明の実施の形態では、気象業務支援センタが提供している過去の一般的な気象データ(降水データおよび数値予報データなど)および、雷情報提供会社などが提供する過去の雷情報(発雷の位置、時刻、特性などが収録されている)を用いて、正解ラベル付き訓練データを作成し、「教師あり機械学習(Supervised learning)」の手法を適用して発雷を予測するための分類器を作成する。
第1の実施の形態にて説明した分類器7で構成された予測エンジンたる発雷予測部11が中心となっている。しかし実際のサービス運用においては、図11に示すように気象データ受信部10、発雷予測部11、予測結果解釈部12、予測結果変換部13、予測結果配信部14なども合わせて運用されることを想定している。
2…過去の雷データ
3…過去の気象データ
4…訓練データ
5…学習結果
6…気象データ
7…分類器
8…予測結果
Claims (8)
- メッシュ状に区切られた複数の領域ごとに発雷を直前に予測するための発雷予測装置において、
前記領域のそれぞれごとに過去の時系列に沿って気象状況を記録した気象データに基づいて生成されたエントリと、
前記エントリの総数において積乱雲の発達の度合いと正相関のある値が所定の閾値未満のエントリを除外することにより足切りして生成した訓練データと、
前記訓練データを用いてコンピュータにより機械学習を実行して得た学習結果に基づいて構成され、現在の気象データにおける前記積乱雲の発達の度合いと正相関のある値が前記閾値未満である場合には、発雷可能性無しと判断し、当該値が前記閾値以上である場合には、前記現在の気象データに対して、前記学習結果を用いて発雷を予測する分類器と、
を備え、
前記訓練データと正解データとの対応付けにおいて、
一つの前記領域に対して隣接する他の領域と、時間軸上で前後に隣接する他の領域の過去の気象データと、が共に前記正解データが多対1対応として前記対応付けされている
ことを特徴とする発雷予測装置。 - メッシュ状に区切られた複数の領域ごとに発雷を直前に予測するための発雷予測装置において、
前記領域のそれぞれごとに過去の時系列に沿って気象状況を記録した気象データに基づいて生成されたエントリと、
前記エントリの総数において積乱雲の発達の度合いと正相関のある値が所定の閾値未満のエントリを除外することにより足切りして生成した訓練データと、
前記訓練データを用いてコンピュータにより機械学習を実行して得た学習結果に基づいて構成され、現在の気象データにおける前記積乱雲の発達の度合いと正相関のある値が前記閾値未満である場合には、発雷可能性無しと判断し、当該値が前記閾値以上である場合には、前記現在の気象データに対して、前記学習結果を用いて発雷を予測する分類器と、
を備え、
現在の気象データの一部もしくは全部にパターン変化予測を適用し、その予測結果を前記分類器へ入力する
ことを特徴とする発雷予測装置。 - 前記機械学習の手法としてSVM(Support Vector Machine)を用いること
を特徴とする請求項1または2に記載の発雷予測装置。 - メッシュ状に区切られた複数の領域ごとに発雷を直前に予測するための発雷予測方法において、
前記領域のそれぞれごとに過去の時系列に沿って気象状況を記録した気象データに基づいたエントリを生成するステップと、
前記エントリの総数において積乱雲の発達の度合いと正相関のある値が所定の閾値未満のエントリを除外することにより足切りして訓練データを生成するステップと、
前記訓練データを用いてコンピュータにより機械学習を実行して得た学習結果に基づいて、現在の気象データにおける前記積乱雲の発達の度合いと正相関のある値が前記閾値未満である場合には、発雷可能性無しと判断し、当該値が前記閾値以上である場合には、前記現在の気象データに対して、前記学習結果を用いて発雷を予測するための分類器を構成するステップと、
を有し、
前記訓練データと正解データとの対応付けにおいて、
一つの前記領域に対して隣接する他の領域と、時間軸上で前後に隣接する他の領域の過去の気象データと、が共に前記正解データが多対1対応として前記対応付けされている
ことを特徴とする発雷予測方法。 - メッシュ状に区切られた複数の領域ごとに発雷を直前に予測するための発雷予測方法において、
前記領域のそれぞれごとに過去の時系列に沿って気象状況を記録した気象データに基づいたエントリを生成するステップと、
前記エントリの総数において積乱雲の発達の度合いと正相関のある値が所定の閾値未満のエントリを除外することにより足切りして訓練データを生成するステップと、
前記訓練データを用いてコンピュータにより機械学習を実行して得た学習結果に基づいて、現在の気象データにおける前記積乱雲の発達の度合いと正相関のある値が前記閾値未満である場合には、発雷可能性無しと判断し、当該値が前記閾値以上である場合には、前記現在の気象データに対して、前記学習結果を用いて発雷を予測するための分類器を構成するステップと、
を有し、
現在の気象データの一部もしくは全部にパターン変化予測を適用し、その予測結果を前記分類器へ入力する
ことを特徴とする発雷予測方法。 - 前記機械学習の手法としてSVM(Support Vector Machine)を用いること
を特徴とする請求項4または5に記載の発雷予測方法。 - メッシュ状に区切られた複数の領域ごとに発雷を直前にコンピュータを用いて予測させるための発雷予測プログラムであって、
前記領域のそれぞれごとに過去の時系列に沿って気象状況を記録した気象データに基づいたエントリを生成するステップと、
前記エントリの総数において積乱雲の発達の度合いと正相関のある値が所定の閾値未満のエントリを除外することにより足切りして訓練データを生成するステップと、
前記訓練データを用いてコンピュータにより機械学習を実行して得た学習結果に基づいて、現在の気象データにおける前記積乱雲の発達の度合いと正相関のある値が前記閾値未満である場合には、発雷可能性無しと判断し、当該値が前記閾値以上である場合には、前記現在の気象データに対して、前記学習結果を用いて発雷を予測するための分類器を構成するステップと、
をコンピュータに実行させ、
前記訓練データと正解データとの対応付けにおいて、
一つの前記領域に対して隣接する他の領域と、時間軸上で前後に隣接する他の領域の過去の気象データと、が共に前記正解データが多対1対応として前記対応付けされている
ことを特徴とする発雷予測プログラム。 - メッシュ状に区切られた複数の領域ごとに発雷を直前にコンピュータを用いて予測させるための発雷予測プログラムであって、
前記領域のそれぞれごとに過去の時系列に沿って気象状況を記録した気象データに基づいたエントリを生成するステップと、
前記エントリの総数において積乱雲の発達の度合いと正相関のある値が所定の閾値未満のエントリを除外することにより足切りして訓練データを生成するステップと、
前記訓練データを用いてコンピュータにより機械学習を実行して得た学習結果に基づいて、現在の気象データにおける前記積乱雲の発達の度合いと正相関のある値が前記閾値未満である場合には、発雷可能性無しと判断し、当該値が前記閾値以上である場合には、前記現在の気象データに対して、前記学習結果を用いて発雷を予測するための分類器を構成するステップと、
をコンピュータに実行させ、
現在の気象データの一部もしくは全部にパターン変化予測を適用し、その予測結果を前記分類器へ入力する
ことを特徴とする発雷予測プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008031984A JP5090954B2 (ja) | 2008-02-13 | 2008-02-13 | 発雷予測装置およびその方法、プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008031984A JP5090954B2 (ja) | 2008-02-13 | 2008-02-13 | 発雷予測装置およびその方法、プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2009192311A JP2009192311A (ja) | 2009-08-27 |
JP5090954B2 true JP5090954B2 (ja) | 2012-12-05 |
Family
ID=41074468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008031984A Active JP5090954B2 (ja) | 2008-02-13 | 2008-02-13 | 発雷予測装置およびその方法、プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5090954B2 (ja) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6707016B2 (ja) * | 2016-11-25 | 2020-06-10 | 株式会社日立ビルシステム | エレベータ制御装置、及び制御情報生成装置 |
JP2019045403A (ja) * | 2017-09-06 | 2019-03-22 | 国立研究開発法人宇宙航空研究開発機構 | 雷脅威情報の提供装置、雷脅威情報の提供方法及びプログラム |
JP6994735B2 (ja) * | 2018-02-08 | 2022-01-14 | 国立研究開発法人防災科学技術研究所 | 雷危険度判定装置 |
JP6949332B2 (ja) * | 2018-02-08 | 2021-10-13 | 国立研究開発法人防災科学技術研究所 | 雷危険度判定装置 |
CN110717608A (zh) * | 2018-06-27 | 2020-01-21 | 阿里巴巴集团控股有限公司 | 数据预测方法和数据预测装置 |
JPWO2020183862A1 (ja) * | 2019-03-12 | 2021-03-18 | 株式会社東芝 | 発雷推定装置、システムおよび方法 |
CN110989040B (zh) * | 2019-11-29 | 2021-11-30 | 张烨方 | 一种基于切片处理的人工智能雷电临近预警方法及*** |
CN111913048B (zh) * | 2020-06-15 | 2023-04-28 | 宁波大学 | 一种自动告警的智能避雷*** |
CN113780377B (zh) * | 2021-08-26 | 2024-01-19 | 重庆理工大学 | 基于物联网数据在线学习的降雨等级预测方法及*** |
CN115294745B (zh) * | 2022-05-23 | 2023-09-29 | 电子科技大学 | 一种基于神经网络与数据差分的锂电池热失控分层预警方法 |
CN115494507B (zh) * | 2022-11-21 | 2023-02-14 | 南京气象科技创新研究院 | 基于星载双频降水雷达和微波成像仪的闪电识别方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001201576A (ja) * | 2000-01-18 | 2001-07-27 | Nippon Telegr & Teleph Corp <Ntt> | 気象画像検索方法および装置およびこの方法を記録した記録媒体 |
JP2003090887A (ja) * | 2001-09-20 | 2003-03-28 | Ffc:Kk | 落雷による瞬時電圧低下予測システムおよび予測方法 |
JP4723771B2 (ja) * | 2001-09-25 | 2011-07-13 | 日本無線株式会社 | 発雷判定システム及び発雷判定方法 |
JP2005181004A (ja) * | 2003-12-17 | 2005-07-07 | Tokyo Electric Power Co Inc:The | 雷事故予報通知方法及び装置 |
JP4480630B2 (ja) * | 2005-06-06 | 2010-06-16 | 日本電信電話株式会社 | 雷位置予測方法及び雷位置予測システム |
JP4431988B2 (ja) * | 2005-07-15 | 2010-03-17 | オムロン株式会社 | 知識作成装置および知識作成方法 |
JP4054046B2 (ja) * | 2006-03-10 | 2008-02-27 | 日本電信電話株式会社 | 意見性判定データベース作成方法及び装置及びプログラム及び意見性判定方法及び装置及びプログラム及びコンピュータ読み取り可能な記録媒体 |
-
2008
- 2008-02-13 JP JP2008031984A patent/JP5090954B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2009192311A (ja) | 2009-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5090954B2 (ja) | 発雷予測装置およびその方法、プログラム | |
JP5090955B2 (ja) | 発雷予測装置およびその方法、プログラム | |
Ohba et al. | Differences in climate change impacts between weather patterns: possible effects on spatial heterogeneous changes in future extreme rainfall | |
US11598900B2 (en) | Weather-driven multi-category infrastructure impact forecasting | |
Almeida et al. | PV power forecast using a nonparametric PV model | |
Thorarinsdottir et al. | Probabilistic forecasts of wind speed: Ensemble model output statistics by using heteroscedastic censored regression | |
Carneiro et al. | Review on photovoltaic power and solar resource forecasting: current status and trends | |
KR101761707B1 (ko) | 능동형 정보수집 스크립트 및 수치모형을 이용한 태풍해일 자동 예측 방법 | |
US9945980B2 (en) | System, method and program product for providing infrastructure centric weather forecasts | |
US20150253463A1 (en) | Generating an Ensemble of Forecasting Models | |
Chen et al. | A statistical downscaling model for forecasting summer rainfall in China from DEMETER hindcast datasets | |
US20130085673A1 (en) | System, method and program product for providing populace centric weather forecasts | |
Khan et al. | Prediction of heat waves over Pakistan using support vector machine algorithm in the context of climate change | |
CN113496310A (zh) | 基于深度学习模型的大气污染物预测方法和*** | |
Ganske et al. | Identification of extreme storm surges with high-impact potential along the German North Sea coastline | |
Chowdhury et al. | Evaluation of CMIP5 and CORDEX derived wave climate in Indian Ocean | |
Optis et al. | Quantifying sensitivity in numerical weather prediction‐modeled offshore wind speeds through an ensemble modeling approach | |
KR102477509B1 (ko) | 기상 예측 정보 생성 방법 및 이를 수행하기 위한 컴퓨팅 장치 | |
Pai et al. | Long range forecast on south west monsoon rainfall using artificial neural networks based on clustering approach | |
CN115391746B (zh) | 针对气象要素数据的插值方法、装置、电子设备及介质 | |
Yang et al. | Scenario-based hazard trees for depicting resolution of hurricane uncertainty over time | |
Okada et al. | Development of a wind power ramp forecasting system via meteorological pattern analysis | |
KR102168427B1 (ko) | 지역별 공간 특성이 반영되는 규모 상세화 방법 | |
Barthelmie et al. | Challenges in predicting power output from offshore wind farms | |
Dorji et al. | Predicting summer monsoon of Bhutan based on SST and teleconnection indices |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20100308 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20120118 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120214 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120412 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20120509 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20120511 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20120911 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20120913 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150921 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5090954 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |