JP6740079B2 - Gust prediction device - Google Patents
Gust prediction device Download PDFInfo
- Publication number
- JP6740079B2 JP6740079B2 JP2016202636A JP2016202636A JP6740079B2 JP 6740079 B2 JP6740079 B2 JP 6740079B2 JP 2016202636 A JP2016202636 A JP 2016202636A JP 2016202636 A JP2016202636 A JP 2016202636A JP 6740079 B2 JP6740079 B2 JP 6740079B2
- Authority
- JP
- Japan
- Prior art keywords
- cumulonimbus
- gust
- area
- alert
- movement
- 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
- 239000013598 vector Substances 0.000 claims description 102
- 238000006073 displacement reaction Methods 0.000 claims description 46
- 238000000034 method Methods 0.000 claims description 26
- 238000001514 detection method Methods 0.000 claims description 10
- 230000007717 exclusion Effects 0.000 claims description 8
- ZRHANBBTXQZFSP-UHFFFAOYSA-M potassium;4-amino-3,5,6-trichloropyridine-2-carboxylate Chemical compound [K+].NC1=C(Cl)C(Cl)=NC(C([O-])=O)=C1Cl ZRHANBBTXQZFSP-UHFFFAOYSA-M 0.000 description 14
- 238000012935 Averaging Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000001556 precipitation Methods 0.000 description 6
- 230000000052 comparative effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、交通機関の防災のために突風発生の予測を行う突風予測装置に関する。 The present invention relates to a gust prediction device that predicts gust occurrence for disaster prevention of transportation facilities.
鉄道機関においては、竜巻、ダウンバースト、ガストフロントなど、発達した積乱雲に附随して生じる突風の警戒を適切に行うことが求められる。そのためには、突風の発生予測を正確に行う必要がある。
以前より、突風の予測技術に関して幾つか提案されている。例えば、特許文献1には、交通機関の防災のために、ドップラーレーダによって突風をピンポイントで探知する技術が記されている。また、特許文献2には、気象画像と地形データとを参照して竜巻の発生予測を行う技術が記されている。
Railroad organizations are required to properly guard against gusts associated with developed cumulonimbus such as tornadoes, downbursts, and gust fronts. For that purpose, it is necessary to accurately predict the occurrence of gusts.
There have been several proposals for gust prediction technology. For example, Patent Document 1 describes a technique for pinpointing a gust of wind with a Doppler radar for disaster prevention of transportation facilities. Further, Patent Document 2 describes a technique for predicting the occurrence of a tornado by referring to a weather image and topographical data.
日本の気象庁では、雷の放電の検知と雨雲のレーダ観測等に基づいて、発生した雷を1km格子単位で解析し、解析された雷の活動度の情報を外部に提供する雷ナウキャストと呼ばれるシステムを運用している。また、日本の気象庁では、竜巻をもたらす可能性のある発達した積乱雲や低気圧性の空気の回転(メソサイクロンと呼ばれる)をレーダ観測することにより、竜巻の発生確度を10km格子単位で解析し、解析された竜巻の発生確度の情報を外部に提供する竜巻発生確度ナウキャストと呼ばれるシステムを運用している。これらのナウキャストの情報には、現在の情報とともに、1時間後程度まで数分毎の予測の情報が含まれる。 The Japan Meteorological Agency analyzes the generated lightning in 1km grid units based on detection of lightning discharge and radar observations of rain clouds, and provides information on the analyzed lightning activity to the outside. Operates the system. In addition, the Japan Meteorological Agency analyzes the occurrence probability of tornadoes in 10-km grid units by radar observation of developed cumulonimbus clouds that can cause tornadoes and rotation of cyclonic air (called mesocyclones). We operate a system called Tornado Occurrence Accuracy Nowcast, which provides the analyzed tornado occurrence probability information to the outside world. The information of these nowcasts includes the current information as well as the prediction information every several minutes until about one hour later.
特許文献1には、ドップラーレーダにより突風をピンポイントで探知して交通機関の防災に役立てることが記されている。竜巻などの突風は空間スケールの小さい範囲で生じるため、これを風速計で補足することは困難であると考えられている。特許文献1の技術はドップラーレーダを設置するための免許や費用の観点から、ただちに実用化することは困難と考えられる。
また、気象庁のナウキャストの予測情報は、一般利用者向けの情報であり、交通機関の警戒情報として利用すると、警戒頻度が高く、警戒領域が広くなりすぎるという課題が生じる。交通機関の警戒領域では、例えば交通が停止されるなど利用者に不便が強いられるため、突風が生じないところに警戒領域が大きく広がることは好ましくない場合がある。
Patent Document 1 describes that a Doppler radar detects a gust at a pinpoint to be useful for disaster prevention of transportation. Gusts such as tornados occur in a small spatial scale, and it is considered difficult to supplement them with an anemometer. From the viewpoint of the license and cost for installing the Doppler radar, it is considered difficult to immediately put the technology of Patent Document 1 into practical use.
In addition, the forecast information of Nowcast by the Japan Meteorological Agency is information for general users, and when it is used as warning information for transportation, there is a problem that the warning frequency is high and the warning area becomes too wide. In the security area of the transportation facility, it is inconvenient for the user to stop the traffic, for example, and thus it may not be preferable to expand the security area to a place where no gust of wind occurs.
本発明は、突風が発生する可能性のある領域の予測を適切に行って、突風による交通機関の被害を回避しつつ、突風が生じないのに警戒領域に含まれてしまう範囲を小さくできる突風予測装置を提供することを目的とする。 INDUSTRIAL APPLICABILITY The present invention appropriately predicts a region in which a gust may occur and avoids damage to a transportation system due to the gust, and can reduce a range included in the warning area even when the gust does not occur. An object is to provide a prediction device.
上記目的を達成するため、本発明に係る突風予測装置は、
気象データに基づいて警戒対象の積乱雲を検出する検出手段と、
互いに時間を隔てた複数組の気象データに基づいて前記警戒対象の積乱雲の移動ベクトルを予測する予測手段と、
前記予測手段によって予測された移動ベクトルに基づいて突風の警戒領域を決定する警戒領域決定手段と、
を備え、
前記予測手段は、前記警戒対象の積乱雲が含まれるか或いは近接する複数の領域それぞれにおける所定の気象現象の分布の変位方向および変位距離を表わす複数の変位ベクトルを、前記時間を隔てた複数組の気象データの相互相関に基づいて計算し、前記複数の変位ベクトルを平均して前記警戒対象の積乱雲の移動ベクトルを求めることを特徴としている。
In order to achieve the above object, the gust prediction device according to the present invention,
Detection means for detecting cumulonimbus clouds that are to be watched based on meteorological data,
Prediction means for predicting the movement vector of the cumulonimbus cloud of the caution target based on a plurality of sets of meteorological data separated from each other,
An alert area determining unit that determines the alert area of a gust based on the movement vector predicted by the predicting unit,
Equipped with
The predicting means includes a plurality of displacement vectors representing a displacement direction and a displacement distance of a distribution of a predetermined meteorological phenomenon in each of a plurality of regions in which the cumulonimbus clouds of the alert target are included or are close to each other, It is characterized in that it is calculated based on the cross-correlation of the meteorological data, and the displacement vector of the cumulonimbus cloud of the caution target is obtained by averaging the plurality of displacement vectors.
なお、気象現象とは、例えば降水強度、雲の高さ(雲頂高度)、風速などである。
上記のような構成によれば、予測手段によって警戒対象の積乱雲の移動ベクトルが予測され、この予測結果に基づいて警戒領域が決定される。さらに、積乱雲の移動ベクトルは、気象データの相互相関に基づき計算された複数の変位ベクトルを平均して求められる。よって、警戒対象の積乱雲の移動を高い精度で予測できる。従って、上記決定された警戒領域によって、突風による交通機関の被害を回避しつつ、突風が生じないのに警戒領域に含まれてしまう範囲を小さくできる。
The meteorological phenomenon is, for example, precipitation intensity, cloud height (cloud top height), wind speed, or the like.
According to the above configuration, the movement vector of the cumulonimbus cloud to be watched is predicted by the prediction means, and the warning area is determined based on this prediction result. Furthermore, the movement vector of cumulonimbus is obtained by averaging a plurality of displacement vectors calculated based on the cross-correlation of meteorological data. Therefore, the movement of cumulonimbus clouds to be watched can be predicted with high accuracy. Therefore, the determined warning area can reduce the range included in the warning area even when no gust does not occur, while avoiding damage to the transportation system due to the gust.
ここで、好ましくは、
前記複数の領域は4つ以上の領域であり、
前記複数の変位ベクトルは4つ以上の変位ベクトルとしてもよい。
このような構成によれば、警戒対象の積乱雲を囲うように変位ベクトルを設定でき、移動ベクトルの予測精度を向上できる。
Here, preferably,
The plurality of regions is four or more regions,
The plurality of displacement vectors may be four or more displacement vectors.
With such a configuration, the displacement vector can be set so as to surround the cumulonimbus cloud to be watched, and the prediction accuracy of the movement vector can be improved.
さらに好ましくは、前記予測手段は、前記複数の変位ベクトルの方向のばらつきが予め定められた閾値を超えた場合に、前記複数の変位ベクトルから求められる前記移動ベクトルを不採用にするように構成され、
前記閾値は、前記予測手段の処理と同一の処理により過去の気象データから計算される過去複数の積乱雲の各々についての前記複数の変位ベクトルと、前記複数の変位ベクトルの平均ベクトルとの方向差の標準偏差に基づいて定められてもよい。
この構成によれば、複数の地点で気象現象の分布が近似していて、相互相関により変位ベクトルの誤差が大きくなった場合に、この変位ベクトルが使用されて移動ベクトルの誤差が大きくなることを回避できる。よって、誤った積乱雲の移動予測を排除して、移動予測の総合的な精度をより高めることができる。
More preferably, the prediction means is configured to reject the movement vector obtained from the plurality of displacement vectors when the variation in the direction of the plurality of displacement vectors exceeds a predetermined threshold value. ,
The threshold value is a plurality of displacement vectors for each of a plurality of past cumulonimbus clouds calculated from past meteorological data by the same processing as the processing of the predicting unit, and a directional difference between an average vector of the plurality of displacement vectors. It may be determined based on the standard deviation.
According to this configuration, when the distribution of the meteorological phenomenon is similar at multiple points and the error of the displacement vector becomes large due to the cross-correlation, this displacement vector is used to increase the error of the movement vector. It can be avoided. Therefore, it is possible to eliminate erroneous cumulonimbus movement prediction and further improve the overall accuracy of movement prediction.
また好ましくは、前記警戒領域決定手段は、前記予測手段によって予測された移動ベクトルに、予め定められた方向のばらつき量と距離のばらつき量とを加えて前記警戒領域を決定するように構成され、
前記方向のばらつき量と前記距離のばらつき量とは、前記予測手段の処理と同一の処理により過去の気象データから予測される複数の積乱雲の移動ベクトルと、前記複数の積乱雲の実際の移動ベクトルとの変化値(方向差、ベクトル差、ベクトルの大きさの差、ベクトルの大きさの比率など)の標準偏差に基づいて定められてもよい。
この構成によれば、適宜、予測した移動ベクトルにばらつきを加えて警戒領域が決定されるので、突風が生じる可能性が非常に低い箇所を警戒領域から除外して、それ以外の箇所を警戒領域に含めることができる。
Further preferably, the warning area determination unit is configured to determine the warning area by adding a variation amount in a predetermined direction and a variation amount in a distance to the movement vector predicted by the prediction unit,
The amount of variation in the direction and the amount of variation in the distance are movement vectors of a plurality of cumulonimbus clouds predicted from past meteorological data by the same processing as the processing of the prediction means, and actual movement vectors of the plurality of cumulonimbus clouds. May be determined based on the standard deviation of the change value (direction difference, vector difference, vector size difference, vector size ratio, etc.).
According to this configuration, since the warning area is appropriately determined by adding the variation to the predicted movement vector, the area where the possibility of gust is extremely low is excluded from the warning area, and the other areas are excluded from the warning area. Can be included in.
さらに、前記警戒領域決定手段は、前記移動ベクトルが不採用となった積乱雲に関する警戒領域を無しに決定するように構成するとよい。
変位ベクトルの計算に誤りが生じるときは、今後に突風が生じにくいことが、統計上、分かっている。従って、上記の構成によれば、今後に突風が生じない積乱雲の衰退時に、この積乱雲に関する警戒領域の設定を回避することができる。
Further, it is preferable that the alert area determining unit is configured to determine the alert area regarding the cumulonimbus in which the movement vector is not adopted, as none.
It has been statistically known that a gust is unlikely to occur in the future when an error occurs in the calculation of the displacement vector. Therefore, according to the above-mentioned composition, when a cumulonimbus which does not generate a gust in the future declines, it is possible to avoid setting a warning area regarding this cumulonimbus.
また、本発明に係る突風予測装置は、前記予測手段によって予測された前記移動ベクトルに対応する移動速度が上限値を超える、または下限値を下回る積乱雲を警戒対象から除外する対象除外手段を更に備えるとよい。
この構成によれば、気象現象の分布が近似する複数の地点の相互相関により積乱雲の移動ベクトルが誤って大きなベクトルに計算された場合に、この積乱雲を警戒対象から除外して、突風が生じないのに警戒領域に含まれてしまう範囲をより小さくできる。また、移動速度が大きいほど突風の最大風速が大きくなり被害が大きくなりやすいことから、下限値を設定することで、突風が生じる可能性が低い積乱雲を除外することができる。
Further, the gust prediction device according to the present invention further comprises a target exclusion unit that excludes cumulonimbus clouds whose moving speed corresponding to the movement vector predicted by the prediction unit exceeds an upper limit value or is lower than a lower limit value from a warning target. Good.
According to this configuration, when the movement vector of the cumulonimbus is erroneously calculated to be a large vector due to the cross-correlation of multiple points where the distribution of the meteorological phenomenon approximates, the cumulonimbus is excluded from the warning target and no gusts occur. The range included in the warning area can be made smaller. Further, the higher the moving speed, the higher the maximum wind speed of gusts and the more likely damage is. Therefore, by setting the lower limit value, cumulonimbus clouds that are unlikely to cause gusts can be excluded.
本発明によれば、突風が発生する可能性のある領域の予測を適切に行って、突風による交通機関の被害を回避しつつ、突風が生じないのに警戒領域に含まれてしまう範囲を小さくできる。 According to the present invention, by appropriately predicting a region in which a gust may occur, avoiding damage to a transportation system due to a gust, and reducing a range included in the warning region even when no gust occurs. it can.
以下、本発明の実施形態について図面を参照して詳細に説明する。
図1は、本発明の実施形態の突風警報システムの機能構成を示すブロック図である。
本発明の実施形態の突風警報システム1は、気象サーバ100から提供される気象データに基づいて、突風が生じる可能性のある警戒領域を決定し、これを鉄道運用サーバ200に送信するシステムである。突風警報システム1は、本発明に係る突風予測装置の一例に相当する。
Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings.
FIG. 1 is a block diagram showing a functional configuration of a gust warning system according to an embodiment of the present invention.
The gust warning system 1 according to the embodiment of the present invention is a system that determines a warning area in which a gust may occur based on meteorological data provided from the meteorological server 100, and transmits this to the railway operation server 200. .. The gust warning system 1 corresponds to an example of a gust prediction device according to the present invention.
気象サーバ100は、気象庁など気象観測機関のサーバ、或いは、これら気象観測機関から気象データを収集配信するサーバである。気象サーバ100は、各地の雷の活動度を解析する雷ナウキャストの情報、各地の竜巻の発生確度を解析する竜巻発生確度ナウキャストの情報をリアルタイムで配信する。また、気象サーバ100は、各地の雨雲の雲頂高度の観測データ、各地の雨雲の降水強度の観測データをリアルタイムで配信する。
鉄道運用サーバ200は、鉄道輸送を行っている列車の管理を行うサーバであり、突風の警戒領域の情報を受信し、警戒領域に路線が含まれる場合に、この路線に警戒情報を発報する。警戒情報は、警戒領域で輸送を行っている列車や担当区所に伝達され、これによって例えば列車停止等の措置が警戒情報の解除まで取られる。
The meteorological server 100 is a server of a meteorological observation organization such as the Meteorological Agency, or a server that collects and delivers meteorological data from these meteorological observation organizations. The meteorological server 100 delivers in real time the information of the lightning nowcast that analyzes the activity of lightning in each place and the information of the tornado occurrence probability nowcast that analyzes the occurrence probability of the tornado in each place. The meteorological server 100 also delivers in real time the observation data of the cloud top height of the rain clouds in each region and the observation data of the precipitation intensity of the rain clouds in each region.
The railroad operation server 200 is a server that manages trains that are transporting by rail, receives information on a gust warning area, and issues a warning information on this area when the area includes a line. .. The warning information is transmitted to the trains or ward offices that are transporting in the warning area, whereby measures such as train stop are taken until the warning information is released.
突風警報システム1は、図1に示すように、気象データ受信部11、警戒積乱雲検出部12、積乱雲移動予測部13、対象除外部14、警戒領域決定部15、警戒情報送信部16等の複数の機能ブロックを備えている。
突風警報システム1は、CPU(中央演算処理装置)、制御プログラムと制御データを格納した記憶装置、作業用のRAM(Random Access Memory)、並びに、ネットワークNを介して通信を行う通信装置等を備えたコンピュータである。突風警報システム1は、上記のハードウェアとソフトウェアとの協働により、図1の各機能ブロックを実現する。
As shown in FIG. 1, the gust warning system 1 includes a plurality of meteorological data receiving units 11, alert cumulonimbus cloud detecting units 12, cumulonimbus cloud movement predicting units 13, target exclusion units 14, alert area determining units 15, alert information transmitting units 16, and the like. It has the functional blocks of.
The gust warning system 1 includes a CPU (central processing unit), a storage device that stores a control program and control data, a work RAM (Random Access Memory), and a communication device that communicates via the network N. It is a computer. The gust warning system 1 realizes each functional block in FIG. 1 by the cooperation of the above hardware and software.
図2は、突風警報システムによる突風警戒処理の全体的な手順の流れを示すフローチャートである。
気象データ受信部11は、ネットワークNを介して気象サーバ100から必要な気象データを受信する。気象データは、例えば所定の時間間隔ごとにリアルタイムで受信される。
FIG. 2 is a flowchart showing the flow of the overall procedure of the gust warning process by the gust warning system.
The weather data receiving unit 11 receives necessary weather data from the weather server 100 via the network N. The meteorological data is received in real time at predetermined time intervals, for example.
警戒積乱雲検出部12は、所定条件に従って気象データから警戒対象の積乱雲(以下、「警戒積乱雲」と呼ぶ)の検出を行う。具体的には、先ず、警戒積乱雲検出部12は、竜巻発生確度ナウキャストの確度1以上で、且つ、雷ナウキャストの活動度3以上の地点を、前提条件として検出する(ステップS1)。前提条件が検出されたら、次に、警戒積乱雲検出部12は、例えば気象庁レーダ情報を読み込んで、この地点の積乱雲が、雲頂高度9km以上、降水強度100mm/h以上、降水強度80mm/h以上の領域が5km2以上、降水強度60mm/h以上の領域が10km2以上であるか判別する(ステップS2)。その結果、これらの条件を全て満たせば、警戒積乱雲検出部12は、この積乱雲を突風の発生の可能性がある警戒積乱雲として検出する。一方、これらの条件を満たさなければ、警戒積乱雲検出部12は、この積乱雲を警戒対象としない。なお、警戒積乱雲とする条件は、季節、時間又は地域に応じて変更されるように構成してもよい。 The alert cumulonimbus detection unit 12 detects a cumulonimbus cloud to be alerted (hereinafter, referred to as “alert cumulonimbus cloud”) from the meteorological data according to a predetermined condition. Specifically, first, the vigilant cumulonimbus detection unit 12 detects a point having a tornado occurrence probability Nowcast accuracy of 1 or more and a lightning Nowcast activity level of 3 or more as a precondition (step S1). When the precondition is detected, next, the vigilant cumulonimbus cloud detection unit 12 reads, for example, JMA radar information, and the cumulonimbus cloud at this point has a cloud top altitude of 9 km or more, a precipitation intensity of 100 mm/h or more, and a precipitation intensity of 80 mm/h or more. It is determined whether the area is 5 km 2 or more and the area having the precipitation intensity of 60 mm/h or more is 10 km 2 or more (step S2). As a result, if all of these conditions are satisfied, the alert cumulonimbus detection unit 12 detects this cumulonimbus as an alert cumulonimbus that may generate a gust of wind. On the other hand, if these conditions are not satisfied, the vigilant cumulonimbus detection unit 12 does not set this cumulonimbus as a vigilance target. In addition, you may comprise so that the condition used as a caution cumulonimbus may be changed according to a season, time, or a region.
積乱雲移動予測部13は、ステップS2で検出された警戒積乱雲を対象に、互いに時間を隔てた第1時点の気象データと第2時点の気象データとを比較して、警戒積乱雲の移動方向と移動距離との予測を表わす移動ベクトルを求める(ステップS3)。ここで、第1時点とは例えば現時点であり、第2時点とは例えば5分前など所定時間前の時点であり、第1時点の気象データと第2時点の気象データとは互いに時間を隔てた複数組の気象データに相当する。警戒積乱雲の移動予測処理については後に詳述する。
対象除外部14は、積乱雲移動予測部13の予測から得られる警戒積乱雲の移動速度が、例えば3km/5分〜10km/5分などの正常な範囲にあるか判別する(ステップS4)。そして、正常な範囲になければ、対象除外部14は、この警戒積乱雲を警戒対象から除外する。移動速度が下限値である3km/5分未満、或いは、上限値である10km/5分以上の場合、統計上、積乱雲移動予測部13の予測が誤りであると判定できるため、このような除外処理を行っている。
The cumulonimbus movement prediction unit 13 compares the meteorological data at the first time point and the meteorological data at the second time point, which are separated from each other, with respect to the vigilant cumulonimbus detected in step S2, and moves and moves the violent cumulonimbus cloud. A movement vector that represents the prediction of the distance is obtained (step S3). Here, the first time point is, for example, the current time point, and the second time point is, for example, a time point that is a predetermined time before, such as 5 minutes before. The meteorological data at the first time point and the meteorological data at the second time point are separated from each other by time. It corresponds to multiple sets of meteorological data. The movement prediction processing of the vigilant cumulonimbus will be described later in detail.
The target exclusion unit 14 determines whether the moving speed of the vigilant cumulonimbus obtained from the prediction of the cumulonimbus movement prediction unit 13 is within a normal range such as 3 km/5 minutes to 10 km/5 minutes (step S4). If it is not within the normal range, the target exclusion unit 14 excludes this alert cumulonimbus from the alert target. When the moving speed is lower than the lower limit value of 3 km/5 minutes or higher than the upper limit value of 10 km/5 minutes, it is statistically possible to determine that the cumulonimbus movement prediction unit 13 is erroneous. It is processing.
警戒領域決定部15は、積乱雲移動予測部13が移動ベクトルを予測し、且つ、対象除外部14が警戒対象から除外しなかった警戒積乱雲について、警戒領域を決定する(ステップS5)。警戒領域の決定処理については後に詳述する。
警戒情報送信部16は、警戒領域が決定されたら、ネットワークNを介してこの情報を鉄道運用サーバ200へ送信する。
The alert area determination unit 15 determines the alert area for the alert cumulonimbus clouds that the cumulonimbus movement prediction unit 13 predicts the movement vector and the target exclusion unit 14 did not exclude from the alert target (step S5). The process of determining the warning area will be described in detail later.
When the warning area is determined, the warning information transmitting unit 16 transmits this information to the railway operation server 200 via the network N.
続いて、積乱雲移動予測部13による警戒積乱雲の移動予測処理について詳細に説明する。
図3は、積乱雲移動予測処理の詳細を示すフローチャートである。図4は、移動ベクトルを得るために相互相関処理の対象となる領域を示す説明図である。図5は、警戒積乱雲の移動ベクトルを計算する処理の説明図である。
Subsequently, the movement prediction process of the caution cumulonimbus by the cumulonimbus movement prediction unit 13 will be described in detail.
FIG. 3 is a flowchart showing details of cumulonimbus movement prediction processing. FIG. 4 is an explanatory diagram showing a region that is a target of cross-correlation processing to obtain a movement vector. FIG. 5 is an explanatory diagram of a process of calculating the movement vector of the vigilant cumulonimbus.
移動予測処理が開始されると、先ず、積乱雲移動予測部13は、検出された警戒積乱雲TC(図4(a)を参照)の周囲4つの代表地点Pa〜Pdを決定する(ステップS11)。具体的には、警戒積乱雲を中心として東西方向と南北方向の周囲4点に予め定められた距離で格子点を設定し、代表地点Pa〜Pdとして選択する。格子点は、例えば東西方向に50kmごと、南北方向に80kmごとなど、南北方向の間隔が長くなるように設定するとよい。このような設定により、多くの積乱雲の気象現象に適応して、後述する相互相関処理により気象現象の分布の変位ベクトルを正確に計算できる。 When the movement prediction process is started, first, the cumulonimbus movement prediction unit 13 determines four representative points Pa to Pd around the detected vigilant cumulonimbus TC (see FIG. 4A) (step S11). Specifically, lattice points are set at four predetermined distances in the east-west direction and north-south direction around the alert cumulonimbus, and the representative points Pa to Pd are selected. The grid points may be set such that the intervals in the north-south direction are long, such as every 50 km in the east-west direction and every 80 km in the north-south direction. With such a setting, the displacement vector of the distribution of the meteorological phenomenon can be accurately calculated by adapting to the meteorological phenomenon of many cumulonimbus and the cross-correlation processing described later.
次に、積乱雲移動予測部13は、各代表地点Pa〜Pdについてのループ処理を行うため、4つの代表地点Pa〜Pdの中から順に1つの代表地点を処理対象に選択する(ステップS12)。
1つの代表地点を選択してステップS13〜S17のループ処理へ処理を移行すると、積乱雲移動予測部13は、先ず、選択した代表地点に対応する領域の現在画像を気象データから抽出し(ステップS13)、同様に、選択した代表地点に対応する領域の所定時間前(例えば5分前)の画像を比較画像として気象データから抽出する(ステップS14)。
Next, the cumulonimbus movement prediction unit 13 sequentially selects one representative point from the four representative points Pa to Pd as a processing target in order to perform a loop process for each of the representative points Pa to Pd (step S12).
When one representative point is selected and the process proceeds to the loop process of steps S13 to S17, the cumulonimbus cloud movement prediction unit 13 first extracts the current image of the area corresponding to the selected representative point from the meteorological data (step S13). ) Similarly, an image of a predetermined time (for example, 5 minutes before) of the area corresponding to the selected representative point is extracted from the weather data as a comparison image (step S14).
ここで、代表地点に対応する領域とは、各辺が東西方向又は南北方向に延びる矩形領域であって、代表地点を中心に1辺が格子点間隔の例えば2倍の長さを有する領域を意味する。図4(a)には、代表地点Pbに対応する領域Rbを示している。このように設定された領域は警戒積乱雲を含んだ領域となる。また、気象データの画像とは、例えば降水強度を色分けした画像など、領域内の各画素に対応する各地点と気象現象のパラメータ値とが紐づけられた画像を意味する。 Here, the area corresponding to the representative point is a rectangular area in which each side extends in the east-west direction or the north-south direction, and an area in which one side has a length of, for example, twice the lattice point interval around the representative point. means. FIG. 4A shows a region Rb corresponding to the representative point Pb. The area set in this way is an area that contains vigilant cumulonimbus. The image of weather data means an image in which each point corresponding to each pixel in the region is associated with the parameter value of the meteorological phenomenon, for example, an image in which the precipitation intensity is color-coded.
現在と所定時間前の気象データの画像を抽出したら、次に、積乱雲移動予測部13は、現在画像と比較画像との相互相関値が最大となる両者の重ね合わせ位置を計算する(ステップS15)。具体的には、積乱雲移動予測部13は、比較画像(5分前画像)に対して現在画像を東西方向と南北方向とに1段階ずつずらしながら、各ずらし位置ごとに両画像の相互相関係数を計算する。そして、積乱雲移動予測部13は、複数のずらし位置の相互相関係数を比較して、相互相関係数が最大となるずらし位置を求める。なお、相互相関係数の計算では、例えば、気象現象が弱いパラメータ値の相関よりも強いパラメータ値の相関に重みを加えて計算してもよい。 After extracting the images of the meteorological data of the present time and the time before a predetermined time, the cumulonimbus movement prediction unit 13 calculates the position where the current image and the comparative image have the maximum cross-correlation value (step S15). .. Specifically, the cumulonimbus movement prediction unit 13 shifts the current image relative to the comparison image (the image 5 minutes before) by one step in the east-west direction and the north-south direction, and the mutual correlation of both images for each shift position. Calculate the number. Then, the cumulonimbus movement prediction unit 13 compares the cross-correlation coefficients of the plurality of shift positions, and obtains the shift position having the maximum cross-correlation coefficient. In the calculation of the cross-correlation coefficient, for example, weighting may be added to the correlation of parameter values having a stronger meteorological phenomenon than the correlation of parameter values having a weak meteorological phenomenon.
相互相関係数が最大となる重ね合わせ位置が求まったら、積乱雲移動予測部13は、この重ね合わせ位置で、比較画像内の代表地点から現在画像の代表地点までの変位を表わすベクトルを、代表地点の変位ベクトルとして計算する(ステップS16)。この変位ベクトルは、気象現象の分布の変位距離と変位方向とを表わす。
続いて、積乱雲移動予測部13は、ループ処理の処理対象として4つの代表地点Pa〜Pdを全て選択完了したか判別し(ステップS17)、否であればステップS12に処理を戻し、完了していれば、次のステップS18に処理を進める。
上記のようなステップS12〜S17のループ処理により、図5(a)に示すように、4つの代表地点Pa〜Pdにそれぞれ対応する4つの変位ベクトルVa〜Vdが求められる。
When the superposition position where the cross-correlation coefficient is maximum is obtained, the cumulonimbus cloud movement prediction unit 13 sets a vector representing the displacement from the representative point in the comparative image to the representative point of the current image at the superposition position to the representative point. Is calculated as the displacement vector of (step S16). This displacement vector represents the displacement distance and the displacement direction of the distribution of the meteorological phenomenon.
Subsequently, the cumulonimbus movement prediction unit 13 determines whether or not all four representative points Pa to Pd have been selected as the processing targets of the loop processing (step S17). If no, the processing is returned to step S12 and completed. If so, the process proceeds to the next step S18.
By the loop processing of steps S12 to S17 as described above, as shown in FIG. 5A, four displacement vectors Va to Vd respectively corresponding to the four representative points Pa to Pd are obtained.
ステップS12〜S17のループ処理を抜けると、積乱雲移動予測部13は、4つの変位ベクトルVa〜Vdの平均ベクトル(Vtc)を計算する(ステップS18,図5(a)を参照)。平均の仕方は、単なる相加平均でもよいが、その他、方向と大きさとを個別に平均化するなど様々な平均方法が採用可能である。 After exiting the loop process of steps S12 to S17, the cumulonimbus movement prediction unit 13 calculates an average vector (Vtc) of the four displacement vectors Va to Vd (step S18, see FIG. 5A). The averaging method may be mere arithmetic averaging, but various averaging methods such as averaging directions and magnitudes individually can be adopted.
平均ベクトル(Vtc)を計算したら、次に、積乱雲移動予測部13は、平均ベクトル(Vtc)を中心に”3×σ”の方向範囲に、各変位ベクトルVa〜Vdが収まっているか判別する(ステップS19、図5(b)を参照)。”3×σ”の方向範囲は平均ベクトルを中心とした方向差の大きさが所定の閾値を超えない範囲と言い換えてもよい。ここで、σとは、過去の複数の警戒積乱雲の気象データをサンプルとして、これら気象データから上記と同じ方法で変位ベクトルを算出した場合に、各警戒積乱雲の4つの変位ベクトルの方向の散らばり度合を示す統計量を表わす。より具体的には、σは、各警戒積乱雲について計算された4つの変位ベクトルとこれらの平均ベクトルとの方向差を、複数の警戒積乱雲のサンプルについて求め、これらの標準偏差を計算した値である。 After calculating the average vector (Vtc), the cumulonimbus cloud movement prediction unit 13 next determines whether each of the displacement vectors Va to Vd is within the directional range of “3×σ” with the average vector (Vtc) as the center ( Step S19, see FIG. 5(b)). The directional range of “3×σ” may be restated as a range in which the magnitude of the directional difference around the average vector does not exceed the predetermined threshold value. Here, σ is the dispersion degree in the direction of the four displacement vectors of each alert cumulonimbus when the displacement vector is calculated from these meteorological data by the same method as above using the past weather data of multiple alert cumulonimbus as samples. Represents the statistic. More specifically, σ is a value obtained by obtaining the direction difference between the four displacement vectors calculated for each alert cumulonimbus cloud and their average vector for a plurality of alert cumulonimbus clouds, and calculating their standard deviations. ..
図5(b)、(c)にも示すように、ステップS19の判別の結果、4つの変位ベクトルVa〜Vdの全てが”3×σ”の方向範囲にあれば、積乱雲移動予測部13は、平均ベクトル(Vtc)を警戒積乱雲TCの移動ベクトルVtcとして採用する(ステップS20)。一方、4つの変位ベクトルVa〜Vdのうち1つ以上が”3×σ”の方向範囲から外れていれば、統計上異常なベクトルと判断してよいので、積乱雲移動予測部13は、平均ベクトルを警戒積乱雲TCの移動ベクトルとして不採用とする(ステップS21)。例えば、気象現象の分布が近似する複数の地点があると、これらの相互相関により誤差の大きな変位ベクトルが計算される場合があるため、このようなベクトルに基づく移動ベクトルの予測をここで除外する。
ステップS20またはステップS21の処理を行うと、積乱雲移動予測部13は、警戒積乱雲移動予測処理を終了する。
As shown in FIGS. 5B and 5C, as a result of the determination in step S19, if all of the four displacement vectors Va to Vd are within the directional range of “3×σ”, the cumulonimbus movement prediction unit 13 , The average vector (Vtc) is adopted as the movement vector Vtc of the alert cumulonimbus TC (step S20). On the other hand, if one or more of the four displacement vectors Va to Vd deviate from the directional range of “3×σ”, it may be determined that the vector is statistically abnormal. Therefore, the cumulonimbus movement prediction unit 13 uses the average vector. Is not adopted as the movement vector of the alert cumulonimbus TC (step S21). For example, if there are multiple points where the distribution of meteorological phenomena is similar, a displacement vector with a large error may be calculated due to their cross-correlation. Therefore, motion vector prediction based on such vector is excluded here. ..
When the process of step S20 or step S21 is performed, the cumulonimbus movement prediction unit 13 ends the caution cumulonimbus movement prediction process.
続いて、警戒領域決定部15により実行される警戒領域の決定処理(図2のステップS5)の詳細について説明する。図6は、警戒領域の一例を示す説明図である。
警戒領域決定部15は、先に説明したように、予測された移動ベクトルVtcに基づいて警戒領域を決定する。警戒領域は、警戒積乱雲が例えば20分以内に通過する予想領域として定義される。
Next, details of the warning area determination process (step S5 in FIG. 2) executed by the warning area determination unit 15 will be described. FIG. 6 is an explanatory diagram showing an example of the caution area.
The alert area determination unit 15 determines the alert area based on the predicted movement vector Vtc, as described above. The alert area is defined as an expected area where the alert cumulonimbus will pass within 20 minutes, for example.
警戒領域決定部15は、先ず、移動ベクトルVtcにより予測される移動の時間(5分)と、警戒領域に設定される時間(20分)との比”4”を移動ベクトルVtcに乗算してベクトルLを計算する。次いで、警戒領域決定部15は、現在の警戒積乱雲TCの全領域がベクトルLで移動した場合に軌跡となる領域を一次警戒領域Rk1として決定する。図6の幅Dは、ベクトルLに直交する方向の警戒積乱雲TCの幅である。一次警戒領域Rk1は、警戒積乱雲TCが移動ベクトルVtcに従って移動した場合に、警戒領域に設定される時間内(20分以内)に警戒積乱雲TCが通過する領域を表わす。
さらに、警戒領域決定部15は、ベクトルLに距離のばらつきΔLと方向のばらつきΔθとを加えた領域を二次警戒領域Rk2として決定する。距離のばらつきΔLは、距離の標準偏差σLと係数AとをベクトルLに乗算した大きさとして計算する。方向のばらつきΔθは、方向の標準偏差σDと係数Bとを乗算して計算する。
The caution area determination unit 15 first multiplies the move vector Vtc by a ratio “4” of the time of movement (5 minutes) predicted by the move vector Vtc and the time (20 minutes) set in the caution area. Compute the vector L. Next, the alert area determination unit 15 determines, as the primary alert area Rk1, an area that becomes a locus when the entire area of the current alert cumulonimbus TC moves by the vector L. The width D in FIG. 6 is the width of the caution cumulonimbus TC in the direction orthogonal to the vector L. The primary alert area Rk1 represents an area where the alert cumulonimbus TC passes within the time set within the alert area (within 20 minutes) when the alert cumulonimbus TC moves according to the movement vector Vtc.
Further, the alert area determination unit 15 determines the area obtained by adding the variation ΔL of the distance and the variation Δθ of the direction to the vector L as the secondary alert area Rk2. The variation ΔL of the distance is calculated as the magnitude obtained by multiplying the vector L by the standard deviation σ L of the distance and the coefficient A. The variation Δθ in the direction is calculated by multiplying the standard deviation σ D in the direction by the coefficient B.
ここで、距離の標準偏差σLとは、過去の警戒積乱雲の気象データをサンプルとして、上記と同様の方法で、複数の警戒積乱雲について計算されたベクトルLが表わす移動距離と、実際の警戒積乱雲の移動距離との比の標準偏差を意味する。また、方向の標準偏差σDとは、過去の警戒積乱雲の気象データをサンプルとして、上記と同様の方法で、複数の警戒積乱雲について計算されたベクトルLが表わす移動方向と、実際の警戒積乱雲の移動方向との差の標準偏差を意味する。
また、係数A、Bは、予測に含めるばらつきの度合を表わすパラメータである。係数A、Bを小さな値にすることで警戒領域を小さくできる。また、係数A、Bを大きな値にすることで警戒領域を大きくして余裕を持った警戒領域を設定できる。
Here, the standard deviation σ L of the distance is the movement distance represented by the vector L calculated for a plurality of warning cumulonimbuses and the actual warning cumulonimbus clouds in the same manner as described above by using the meteorological data of past warning cumulonimbus clouds as a sample. It means the standard deviation of the ratio to the moving distance of. In addition, the standard deviation σ D of the direction is the same as the above using the past meteorological cloud cloud data as a sample, and the moving direction represented by the vector L calculated for a plurality of viable cumulonimbus clouds and the actual violent cumulonimbus cloud It means the standard deviation of the difference from the moving direction.
The coefficients A and B are parameters that represent the degree of variation included in the prediction. By setting the coefficients A and B to small values, the warning area can be reduced. Further, by setting the coefficients A and B to large values, it is possible to enlarge the warning area and set a sufficient warning area.
本実施形態では、係数A=1、係数B=1と設定して、二次警戒領域Rk2を決定する。そして、上述した一次警戒領域Rk1と二次警戒領域Rk2とを合わせた領域が、警戒領域として決定される。なお、係数A、Bは、季節又は地域に応じて適宜変更するように構成してもよい。
なお、変位ベクトルの異常により警戒積乱雲の移動ベクトルが求められていない場合、今後に突風が生じにくいことが、統計上、分かっている。よって、このような場合には、警戒領域決定部15は、警戒積乱雲に関する警戒領域を無しと決定し、突風が生じない積乱雲に関する警戒領域の設定を回避する。
In the present embodiment, the coefficient A=1 and the coefficient B=1 are set to determine the secondary warning area Rk2. Then, an area obtained by combining the above-mentioned primary caution area Rk1 and secondary caution area Rk2 is determined as a caution area. The coefficients A and B may be appropriately changed depending on the season or the area.
It is statistically known that a gust is unlikely to occur in the future if the movement vector of the vigilant cumulonimbus is not obtained due to the abnormality of the displacement vector. Therefore, in such a case, the alert area determination unit 15 determines that there is no alert area regarding the alert cumulonimbus, and avoids setting the alert area regarding the cumulonimbus in which no gusts occur.
図7は、過去の統計に基づく警戒領域(a)と実施形態の警戒領域(b)との比較例を示す説明図である。
例えば、甲信越地方の或る季節では、発達したほとんどの積乱雲が、南西から北東の方向に所定速度内で進むことが過去の統計に示されている。そこで、この統計情報から警戒積乱雲の北方から南東まで一定距離(例えば38km)の範囲を警戒領域とすることが検討できる。図7(a)は、過去に生じた警戒積乱雲TCに対して、この方法で警戒領域Rkを設定した場合を示している。
一方、図7(b)は、過去に生じた警戒積乱雲TCに対して、当時の気象データから計算した本実施形態の警戒領域Rkを示している。
FIG. 7 is an explanatory diagram showing a comparative example of the warning area (a) based on past statistics and the warning area (b) of the embodiment.
For example, in a certain season in the Koshinetsu region, past statistics show that most cumulonimbus clouds that have developed progress from the southwest to the northeast within a predetermined speed. Therefore, from this statistical information, it can be considered to set a range of a certain distance (for example, 38 km) from the north to the southeast of the alert cumulonimbus as the alert area. FIG. 7A shows a case where the alert area Rk is set by this method for the alert cumulonimbus cloud TC that has occurred in the past.
On the other hand, FIG. 7B shows the caution area Rk of the present embodiment calculated from the meteorological data at that time for the caution cumulonimbus TC that has occurred in the past.
過去のサンプルにおいては、図7(a)および図7(b)の何れの警戒領域Rkが設定された場合にも、警戒積乱雲TCは警戒領域Rkに移動し、突風による被害を回避できることが確認された。一方、図7(a)の警戒領域Rkが設定された場合には、ここに含まれる路線の総距離が長く、突風の恐れがないのに警戒のために停車する列車数が多くなることが確認された。また、図7(b)の本実施形態の警戒領域Rkが設定された場合、図7(a)のものよりも、警戒領域Rkに含まれる路線の総距離を短くすることができ、突風の恐れがないのに警戒のために停車する列車数を少なくできることが確認された。 In the past sample, it was confirmed that the alarm cumulonimbus TC moves to the alarm region Rk and the damage due to the gust can be avoided regardless of which alarm region Rk of FIG. 7A and FIG. 7B is set. Was done. On the other hand, when the warning area Rk of FIG. 7A is set, the total distance of the routes included here is long, and the number of trains stopped for warning may increase although there is no fear of gusts. confirmed. Further, when the warning area Rk of the present embodiment of FIG. 7B is set, the total distance of the routes included in the warning area Rk can be made shorter than that of FIG. It was confirmed that it is possible to reduce the number of trains that stop due to vigilance without fear.
以上のように、この実施形態の突風警報システム1によれば、積乱雲移動予測部13によって警戒積乱雲TCの移動ベクトルVtcが予測され、この予測結果に基づいて警戒領域Rk1、Rk2が決定される。また、積乱雲移動予測部13は、警戒積乱雲TCの周囲の複数領域の気象データの相互相関処理により複数の変位ベクトルVa〜Vdを計算し、これら複数の変位ベクトルVa〜Vdを平均して警戒積乱雲TCの移動ベクトルVtcが求められる。従って、警戒積乱雲TCの移動予測の精度が向上し、上記の警戒領域Rk1、Rk2によって、突風による交通機関の被害を回避しつつ、突風が生じないのに警戒領域に含まれてしまう範囲を小さくすることができる。 As described above, according to the gust warning system 1 of this embodiment, the cumulonimbus movement prediction unit 13 predicts the movement vector Vtc of the caution cumulonimbus TC, and the caution areas Rk1 and Rk2 are determined based on the prediction result. The cumulonimbus movement prediction unit 13 calculates a plurality of displacement vectors Va to Vd by cross-correlation processing of meteorological data in a plurality of regions around the vigilant cumulonimbus TC, and averages the plurality of displacement vectors Va to Vd. The movement vector Vtc of TC is obtained. Therefore, the accuracy of the movement prediction of the caution cumulonimbus TC is improved, and the above-mentioned caution areas Rk1 and Rk2 prevent the damage of the transportation system due to the gust of wind, and reduce the range included in the caution area even when no gust of wind occurs. can do.
以上、本発明の実施形態について説明したが、本発明は上記の実施形態に限られるものではない。例えば、上記実施の形態で示した、相互相関処理の対象となる画像領域の決定方法は一例に過ぎない。また、相互相関処理の対象となる領域としては、4つに限られず、2つ又は3つとしてもよいし、5つ以上など、もっと多くの領域を設定してもよい。また、警戒積乱雲を含む領域を相互相関処理の対象とするほか、警戒積乱雲に近接する領域を相互相関処理の対象としてもよい。例えば相互相関処理を行う現在画像と過去画像の両者の面積は同一でなくてもよい。また、相互相関は画像データを用いて行う必要はなく、地点と気象現象のパラメータ値とが紐づけられた気象データであれば、同様の相互相関処理が可能である。
また、上記実施形態では、鉄道機関用に突風の警戒範囲を設定するシステムを示したが、本発明は高速道路など様々な交通機関の突風の警戒に利用することができる。
Although the embodiment of the present invention has been described above, the present invention is not limited to the above embodiment. For example, the method of determining the image area to be the target of the cross-correlation processing described in the above embodiment is merely an example. Further, the number of regions subject to the cross-correlation processing is not limited to four, and may be two or three, or more regions such as five or more may be set. Further, the area including the vigilant cumulonimbus may be the target of the cross-correlation processing, and the area close to the vigilant cumulonimbus may be the target of the cross-correlation processing. For example, the areas of both the current image and the past image on which the cross-correlation processing is performed need not be the same. The cross-correlation does not need to be performed using image data, and similar cross-correlation processing can be performed as long as it is meteorological data in which points and meteorological phenomenon parameter values are associated with each other.
Further, in the above-described embodiment, the system for setting the gust warning range for the railway engine is shown, but the present invention can be used for gust warning of various transportation systems such as highways.
1 突風警報システム(突風予測装置)
11 気象データ受信部
12 警戒積乱雲検出部(検出手段)
13 積乱雲移動予測部(予測手段)
14 対象除外部(対象除外手段)
15 警戒領域決定部(警戒領域決定手段)
16 警戒情報送信部
A〜D 変位ベクトル
Pa〜Pd 代表地点
Rb 相互相関処理の対象となる領域
TC 警戒積乱雲
Vtc 移動ベクトル
Rk、Rk1、Rk2 警戒領域
1 Gust warning system (Gust prediction device)
11 Meteorological Data Receiving Section 12 Vigilant Cumulonimbus Detection Section (Detection Means)
13 Cumulonimbus movement prediction unit (prediction means)
14 Target exclusion unit (target exclusion means)
15 Security area determination unit (security area determination means)
16 Warning information transmitting unit A to D Displacement vector Pa to Pd Representative point Rb Area targeted for cross-correlation processing TC Warning cumulonimbus Vtc Movement vector Rk, Rk1, Rk2 Warning area
Claims (6)
互いに時間を隔てた複数組の気象データに基づいて前記警戒対象の積乱雲の移動ベクトルを予測する予測手段と、
前記予測手段によって予測された移動ベクトルに基づいて突風の警戒領域を決定する警戒領域決定手段と、
を備え、
前記予測手段は、前記警戒対象の積乱雲が含まれるか或いは近接する複数の領域それぞれにおける所定の気象現象の分布の変位方向および変位距離を表わす複数の変位ベクトルを、前記時間を隔てた複数組の気象データの相互相関に基づいて計算し、前記複数の変位ベクトルを平均して前記警戒対象の積乱雲の移動ベクトルを求めることを特徴とする突風予測装置。 Detection means for detecting cumulonimbus clouds that are to be watched based on meteorological data,
Prediction means for predicting the movement vector of the cumulonimbus cloud of the caution target based on a plurality of sets of meteorological data separated from each other,
An alert area determining unit that determines the alert area of a gust based on the movement vector predicted by the predicting unit,
Equipped with
The predicting means includes a plurality of displacement vectors representing a displacement direction and a displacement distance of a distribution of a predetermined meteorological phenomenon in each of a plurality of regions in which the cumulonimbus clouds of the alert target are included or are close to each other, and a plurality of sets of the displacement vectors separated by the time. A gust prediction device, which is calculated based on a cross-correlation of meteorological data and averages the plurality of displacement vectors to obtain a movement vector of the cumulonimbus cloud to be watched.
前記複数の変位ベクトルは4つ以上の変位ベクトルであることを特徴とする請求項1記載の突風予測装置。 The plurality of regions is four or more regions,
The gust prediction device according to claim 1, wherein the plurality of displacement vectors are four or more displacement vectors.
前記閾値は、前記予測手段の処理と同一の処理により過去の気象データから計算される過去複数の積乱雲の各々についての前記複数の変位ベクトルと、前記複数の変位ベクトルの平均ベクトルとの方向差の標準偏差に基づいて定められることを特徴とする請求項1又は請求項2記載の突風予測装置。 The prediction means is configured to reject the movement vector obtained from the plurality of displacement vectors when the variation in the direction of the plurality of displacement vectors exceeds a predetermined threshold value,
The threshold value is the direction difference between the plurality of displacement vectors for each of the past cumulonimbus clouds calculated from past meteorological data by the same process as the process of the predicting means, and the average vector of the plurality of displacement vectors. The gust prediction device according to claim 1 or 2, wherein the gust prediction device is defined based on a standard deviation.
前記方向のばらつき量と前記距離のばらつき量とは、前記予測手段の処理と同一の処理により過去の気象データから予測される複数の積乱雲の移動ベクトルと、前記複数の積乱雲の実際の移動ベクトルとの変化値の標準偏差に基づいて定められることを特徴とする請求項1から請求項3の何れか一項に記載の突風予測装置。 The caution area determination unit is configured to determine the caution area by adding a variation amount in a predetermined direction and a variation amount in a distance to the movement vector predicted by the prediction unit,
The amount of variation in the direction and the amount of variation in the distance are movement vectors of a plurality of cumulonimbus clouds predicted from past meteorological data by the same processing as the processing of the prediction means, and actual movement vectors of the plurality of cumulonimbus clouds. The gust prediction device according to any one of claims 1 to 3, wherein the gust prediction device is determined based on a standard deviation of the change values of the.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016202636A JP6740079B2 (en) | 2016-10-14 | 2016-10-14 | Gust prediction device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016202636A JP6740079B2 (en) | 2016-10-14 | 2016-10-14 | Gust prediction device |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018063219A JP2018063219A (en) | 2018-04-19 |
JP6740079B2 true JP6740079B2 (en) | 2020-08-12 |
Family
ID=61967834
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016202636A Active JP6740079B2 (en) | 2016-10-14 | 2016-10-14 | Gust prediction device |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6740079B2 (en) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019135451A (en) * | 2018-02-05 | 2019-08-15 | 株式会社日立製作所 | Weather prediction correcting technique and weather prediction system |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10268065A (en) * | 1997-03-24 | 1998-10-09 | Nippon Hoso Kyokai <Nhk> | Rainfall prediction method and rainfall decrease alert device |
JP3063844B2 (en) * | 1998-02-13 | 2000-07-12 | 日本電気株式会社 | Cumulonimbus Cloud Warning System |
JP4095528B2 (en) * | 2003-09-30 | 2008-06-04 | 三菱電機株式会社 | Rainfall movement prediction apparatus and rainfall movement prediction method |
JP5565578B2 (en) * | 2010-10-04 | 2014-08-06 | セイコーエプソン株式会社 | Weather change prediction information providing system and weather change prediction information providing method |
-
2016
- 2016-10-14 JP JP2016202636A patent/JP6740079B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2018063219A (en) | 2018-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110770610B (en) | Self-learning immediate forecasting system for simulating, recording and predicting convective weather | |
US10330661B2 (en) | Disaster prediction system, moisture prediction device, disaster prediction method, and program recording medium | |
KR102233671B1 (en) | Real-time monitoring apparatus and method for water level, velocity and structure safety of river | |
US20230259798A1 (en) | Systems and methods for automatic environmental planning and decision support using artificial intelligence and data fusion techniques on distributed sensor network data | |
AU2017303947B2 (en) | Small radar-based thunder and lightning monitoring and warning method for electric transmission line, and storage medium | |
KR101541519B1 (en) | Rainfall estimation apparatus using 3-dimensional grid data establishing from radar observation data | |
US11105958B2 (en) | Systems and methods for distributed-solar power forecasting using parameter regularization | |
Robinson et al. | Near‐real‐time modeling of landslide impacts to inform rapid response: An example from the 2016 Kaikōura, New Zealand, earthquake | |
KR20160117766A (en) | Predicting and managing system of marine disasters thorugh analysing ocean information | |
US9658324B2 (en) | System and method for filling gaps in radar coverage | |
EP2818899B1 (en) | Meteorological forecasting device and meteorological forecasting method | |
KR101983938B1 (en) | System and method for warning lightning | |
KR101263121B1 (en) | Method for elimination of chaff echoes in reflectivity composite from an operational weather radar network using infrared satellite data | |
JP4480630B2 (en) | Lightning position prediction method and lightning position prediction system | |
CN107424078A (en) | Fiery point data based on satellite remote sensing causes the computational methods of transmission line of electricity flashover | |
CN104180801B (en) | Forecasting Methodology and system based on ADS B system track points | |
JP6740079B2 (en) | Gust prediction device | |
JP2009264943A (en) | Lightning strike prediction device and lightning strike prediction method | |
CN113313291B (en) | Power grid wind disaster ensemble forecasting and verifying method based on initial disturbance | |
Heron et al. | Application of HF radar in hazard management | |
JP6518992B2 (en) | Rainfall monitoring device, rainfall monitoring method, rainfall monitoring program | |
JP2004094641A (en) | Evacuation form determination system | |
JP2006220445A (en) | Sandstorm prediction system and its sandstorm alarm issuance method | |
KR102260990B1 (en) | Lightning Prediction Method | |
JP2021039017A (en) | Transit information presentation device and transit information presentation method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190913 |
|
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: 20200630 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200722 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6740079 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |