- このトピックは空です。
-
投稿
-
-
皆様
いつもこのサイトには大変お世話になっております。
1月31日に気象予報士試験を始めて受験する者です。今回一般と専門の合格を目指しておりますが、
降水量ガイダンスに関して自分の中でイマイチ理解できないところがあります。
何卒ご教示頂けませんでしょうか。第53回専門知識問5にて下記の正誤が問われております。
「降水量ガイダンスでは、頻度バイアス補正と呼ばれる手法により、予測降水量の頻度分布が実況降水量と同様の頻度分布になるように予測値を補正している。その効果が期待できるのは主に、激しい雨のような発生頻度の少ない現象に対する補正についてである」→正
一方で46回専門知識問６にて下記の正誤が問われております。
「１時間雨量50mm以上のようにまれな現象が数値予報モデルで再現される頻度が、実際の出現頻度より少ないときは、ガイダンスで頻度の偏りを補正することにより、予測における捕捉率を高めると同時に空振り率を下げることができる」→誤
『模範解答と解説』より：「ニューラルネットワークを用いた降水量ガイダンスは、数値予報モデルが予測していない大きな降水量が観測されると、その予測誤差を逐次学習し、それ以降のある機関にわたって実況の降水量に比べやや大きな降水量を予測する傾向があり、ガイダンスで頻度の偏りを補正し捕捉率を高めても、同人空振り率も高まってしまうため発生頻度の低い現象を予測するには不適」恐らく私が降水量ガイダンスについて完全に理解しきれていないことが問題と思うのですが、
どうしても自分の中で上記２つの文章の正誤の整合性が合いません…どなたか頭の悪い私にご教示頂けると幸いです。
-
こんにちは。
私の理解では、頻度バイアス補正は「発生頻度の少ない現象」に対する補正です。ニューラルネットワークは発生頻度の少ない現象の予測には不適です（46回専門知識問6）が、
それに対応するために頻度バイアス補正を用いる、という考え方です。
しかし、具体的には予測と実況の頻度分布が同じになるように補正をするので、
同時に空振り率も高めてしまうデメリットがあります。つまり、発生頻度が少なくても危険度が高い現象の場合には、
空振り率を高めてでも頻度バイアス補正を用いて対応したい、ということだと思います。 -
K様
早速ご教示頂き有難うございます。
後者の文章「～と同時に空振り率を下げることができる」の部分が大きく違うということと理解しました。同じ降水量ガイダンスの話をしているのに、
一方の文章で「発生頻度の少ない現象に効果がある」とし、もう一方で「発生頻度の少ない現象には不適」と書いてあるので、混乱してしまったのだと思います。北上大様
利用案内をよく読んでおらず、過去問のページに投稿すべき内容を
掲示板で聞いてしまいました。申し訳ございません。
今後ともよろしくお願い致します。 -
K様
だんだん分かってきたような気がします。
１．前提として、ニューラルネットワークを用いた降水量ガイダンスは、発生頻度の少ない現象には不適
（逐次学習型のニューラルネットワークは、大きな降水量が観測されると、その予測誤差を学習し、それ以降実況の降水量に比べやや大きな降水量を予測する傾向があるから）
↓
２．ここで発生頻度少ない現象（例え稀な降水現象）に対して頻度バイアス補正を用いることで、
予測と実況の頻度分布が同様になるように補正できる
↓
３．これにより、稀な降水現象の捕捉率を高めることができるが、
やはり空振り率も同時に上がってしまう。といったイメージですかね。。。
-
たつじ様
私もそのようなイメージで理解をしております。
こちらのページ（p.47〜）が参考になるかと思います。
https://www.jma.go.jp/jma/kishou/books/nwptext/45/1_chapter5.pdf頻度補正バイアスは空振り率も高まるので、すべての現象に用いることはできないが、
強風や大雨の補足率を上げたい場合には有効、との考え方です。 -
K様
頂いた資料を読んで更にクリアになりました。
カルマンフィルターやニューラルネットワークによる降水量ガイダンスは頻度の少ない事象に不適だが、
頻度バイアス補正は頻度の少ない事象に対して効果があるということついて矛盾なく理解できました。この度は真に有難うございました。
-
