天気予報ガイダンス

天気予報ガイダンス

天気予報ガイダンスの特徴

数値予報の結果をもとに、実際の天気予報で発表される気象要素に翻訳した天気予報資料。単にガイダンスともいう。

MOS（Model Output Statisticsモデル出力統計）：PPMと対比されるガイダンスの作成方式の一つ。過去の数値予報結果の物理量と、雨量などの観測値との統計的関係を求めておき、これを数値予報の結果に適用してガイダンスを作成する方法。この計算方式には、重相関解析法、カルマンフィルターの手法とニューラルネットワーク法、ロジスティック回帰法がある。なお、重相関解析法には、数値予報結果と観測値の関係式を作るのに多くのデータが必要なうえに、数値予報モデルが変更されると関係式を作り直す必要があるといった制約がある。

PPM（Perfect Prognosis Method完全予想方式）：MOSと対比されるガイダンスの作成方式の一つ。実際の大気の状態と雨量などの観測値から重相関の統計的関係式を求め、これを数値予報の結果に適用してガイダンスを作成する方法。現在はほとんど使われていない。

カルマンフィルタ―の手法（KLM）：学習機能のあるガイダンスの作成手法の一つ。あらかじめ求めておいた予測式の係数を直近の観測値を用いて誤差が最小になるよう、自動的に逐次最適化する手法。

ニューラルネットワーク法（NRN）：学習機能のあるガイダンスの作成手法の一つ。人工のニューロン（神経細胞）をネットワーク化し、その結合の強さを学習させて予測誤差を最小化する手法。

ロジスティック回帰法（LOG）：目的変数が0と1の二値データに適した回帰分析法で、気象庁では発雷確率ガイダンスなどの作成に用いている。ただし、逐次学習ができないため、数値予報モデルの変更などに柔軟に対応することは難しい。