ガイダンス・予報精度の評価・アンサンブル予報は、学科専門で合わせて毎回2問前後出る分野で、計算問題が出るのが特徴です。「分割表から適中率・捕捉率・空振り率・スレットスコアを計算する」「ブライアスコアを求める」「平均誤差と二乗平均平方根誤差の違い」「アンサンブルのスプレッドと信頼度」は、式さえ知っていれば確実に取れる得点源。逆に式を知らないと選択肢の数字がどれももっともらしく見えて落とします。この記事は出題傾向、3つの図解と計算例、オリジナル問題15問＋一問一答20問で構成しています。数値予報モデルそのものは前の記事で。
のぶ
やん
やん
予報官が毎朝見るのは、数値予報の生の出力ではなくガイダンスです。「MSMの最高気温はこの地点で夏に1℃高めに出る」といった癖を統計で直したものが手元に来る。試験のガイダンスの問題は「何を直せて、何を直せないか」がわかっていれば解けます。
出題傾向｜第55〜65回でどう出たか
直近11回でこの分野に分類できる出題はのべ21問（1回あたり2問前後）。
| 分野・論点 | 出題頻度 | 典型的な問われ方 |
|---|---|---|
| 分割表からの指標計算 | ◎ ほぼ毎回 | 適中率・捕捉率・空振り率・スレットスコア・バイアススコアの計算と意味 |
| ガイダンスの性質 | ○ 2回に1回 | 系統誤差は補正できるがランダム誤差は補正できない、手法（カルマンフィルタ・ニューラルネット）、地形効果 |
| アンサンブル予報 | ○ 2回に1回 | 初期値の摂動、スプレッドと信頼度、アンサンブル平均、確率予報への利用 |
| 確率予報の評価 | △ 3回に1回 | ブライアスコア、信頼度図、降水確率の意味 |
| 連続量の評価 | △ 3回に1回 | 平均誤差（バイアス）、二乗平均平方根誤差（RMSE）、相関 |
この分野の攻略ポイント
- 分割表の4マス（適中A・空振りB・見逃しC・なし適中D）を必ず書く。適中率＝(A＋D)/全体、捕捉率＝A/(A＋C)、空振り率＝B/(A＋B)、スレットスコア＝A/(A＋B＋C)、バイアス＝(A＋B)/(A＋C)
- 「なし」が圧倒的に多い現象では適中率は当てにならない（何も予報しなくても高い）→ スレットスコアで見る
- ガイダンスは系統誤差（毎回同じ向きのずれ）を直し、ランダム誤差は直せない
- アンサンブルはスプレッド大＝信頼度低、アンサンブル平均は1本の予報より高精度、確率は「メンバーのうち何本がその現象を予報したか」
ガイダンス｜数値予報を「天気予報の言葉」に翻訳する
| 論点 | 正しい理解 |
|---|---|
| 目的 | 数値予報の格子点値を、①系統誤差を補正し、②地点の値・天気予報の要素（最高最低気温・降水確率・天気・発雷確率・視程・風など）に翻訳する |
| 補正できるもの | 系統誤差（バイアス）：モデルが特定の地点・季節・条件で毎回同じ向きにずれる誤差。地形（谷・盆地・海岸）や地表面の効果、格子点と地点の高度差 |
| 補正できないもの | ランダム誤差：低気圧の位置・速度・発達のその日限りのずれ。これはアンサンブルなど別の手段で扱う |
| 手法 | カルマンフィルタ（最新の予報と観測で係数を逐次更新。モデルの変更に追随しやすい）、ニューラルネットワーク（非線形な関係、天気・発雷など）、ロジスティック回帰（確率）、頻度バイアス補正（降水量の出現頻度を合わせる） |
| 学習データ | 過去の数値予報と観測の対応。モデルを更新すると関係が変わるので、ガイダンスも再学習が必要 |
| 種類 | 気温・降水量・降水確率・天気・風・発雷確率・視程・湿度・最小湿度・降雪量・航空用（雲底・視程）など。それぞれ対象モデル（GSM・MSM・LFM・アンサンブル）別 |
| 限界 | 観測のない地点・要素は作れない。極端な現象（記録的な大雨）は学習データが少なく精度が落ちる |
カルマンフィルタガイダンスの利点は「係数が自動で更新される」こと。数値予報モデルが改良されて癖が変わっても、数週間で新しい癖に追随します。逆にニューラルネットなど大量の過去データで学習する手法は、モデル更新時に再学習が必要です。
精度評価の指標｜分割表と誤差の式
| 指標 | 式 | 意味・使いどころ |
|---|---|---|
| 適中率 | (A＋D)／(A＋B＋C＋D) | 全体のうち当たった割合。現象がまれなときはDが大きく、何も予報しなくても高くなるので大雨などの評価には不向き |
| 捕捉率（POD） | A／(A＋C) | 実際に起きたもののうち予報できた割合。「見逃さない」ことの指標。1に近いほどよい |
| 空振り率（FAR） | B／(A＋B) | 予報したもののうち起きなかった割合。0に近いほどよい。捕捉率を上げようと予報を増やすと空振り率も上がる |
| スレットスコア（TS） | A／(A＋B＋C) | Dを除いて評価。まれな現象（大雨・強風）の評価の定番。0〜1、1が完全。空振りも見逃しも減点 |
| バイアススコア | (A＋B)／(A＋C) | 予報回数÷実況回数。1より大きいと予報過多（空振り傾向）、小さいと予報過少（見逃し傾向）。1が理想だが精度ではなく「傾向」の指標 |
| 平均誤差（ME・バイアス） | Σ(予報−実況)／N | 正なら予報が高め、負なら低め。系統誤差の指標。0でも精度が高いとは限らない（正負が打ち消す） |
| 二乗平均平方根誤差（RMSE） | √[Σ(予報−実況)²／N] | 誤差の大きさ。大きな外れに敏感。小さいほどよい。MEが0でもRMSEは0にならない |
| 平均絶対誤差（MAE） | Σ|予報−実況|／N | 誤差の大きさ。RMSEより外れ値の影響が小さい |
計算例：大雨予報の評価
ある地域で100日間、「大雨あり／なし」を予報したところ、予報あり・実況ありが8日、予報あり・実況なしが6日、予報なし・実況ありが4日、予報なし・実況なしが82日でした。適中率＝(8＋82)/100＝90％と高く見えますが、大雨は12日しかなかったので毎日「なし」と予報しても88％です。捕捉率＝8/12＝67％、空振り率＝6/14＝43％、スレットスコア＝8/(8＋6＋4)＝0.44、バイアス＝14/12＝1.17（やや予報過多）。大雨の評価はTSと捕捉率・空振り率で見ます。
計算例：最高気温の評価
5日間の予報−実況が ＋2、−1、＋1、−2、0（℃）のとき、ME＝0/5＝0℃（系統誤差なし）、RMSE＝√[(4＋1＋1＋4＋0)/5]＝√2＝1.4℃、MAE＝6/5＝1.2℃。MEが0でも当たっているわけではない、という典型例です。
確率予報の評価｜ブライアスコアと信頼度図
| 論点 | 正しい理解 |
|---|---|
| 降水確率の意味 | 予報区内で1mm以上の降水が6時間以内にある確率を10％刻みで。「40％」は同じ予報を100回出したら約40回降る。降る時間や面積、雨の強さではない。0％は「5％未満」 |
| 信頼度（reliability） | 「30％」と予報したときに実際に30％の割合で起きれば信頼度が完全。信頼度図で対角線に乗る。対角線より下は過大予報、上は過小予報 |
| ブライアスコア | BS＝Σ(p−o)²／N。pは予報確率（0〜1）、oは実況（起きた1・起きない0）。0が完全、小さいほどよい。例：確率70％で降った→(0.7−1)²＝0.09、確率70％で降らなかった→0.49 |
| 分解能・鋭さ | 確率をいつも気候値（例：30％）で出せば信頼度は高いが役に立たない。0％や100％に近い予報をどれだけ出せて当たるか（鋭さ）も評価する |
| アンサンブル確率 | メンバー51本のうち20本が1mm以上の雨を予報→降水確率約40％。実際はさらにガイダンスで補正 |
アンサンブル予報｜不確実性を数で示す
| 論点 | 正しい理解 |
|---|---|
| 目的 | 初期値やモデルの不確実性を多数の予報で表し、予報の信頼度と確率を求める。決定論予報1本では「どれくらい確からしいか」が分からない |
| 初期値の摂動 | 観測誤差の範囲で初期値をわずかに変えたメンバーを作る。誤差が最も成長しやすい方向を選ぶ特異ベクトル法（SV法）、成長した誤差を利用するBGM法、アンサンブルカルマンフィルタ（LETKF）など |
| モデルの摂動 | パラメタリゼーションの不確実さを確率的に変える（確率的物理過程）。初期値だけではスプレッドが不足するため |
| アンサンブル平均 | メンバーの平均。予測しにくい細部が打ち消され、1本の予報より平均的に精度が高い。ただし極端な現象は弱まる |
| スプレッド | メンバーのばらつき（標準偏差）。大きい＝初期値に敏感＝信頼度が低い。スプレッドが小さいのに外れることもある（全メンバーが同じ方向に誤る） |
| スプレッド・スキル関係 | スプレッドと実際の誤差には相関がある（スプレッドが大きい日は誤差も大きい傾向）。これが信頼度A・B・Cの根拠 |
| 気象庁の運用 | 全球アンサンブル（GEPS）：週間予報・台風進路の予報円・2週間気温予報・早期天候情報・1か月予報。メソアンサンブル（MEPS）：警報級の可能性・大雨。季節アンサンブル：3か月予報 |
| 表示 | スパゲッティ図（各メンバーの等高度線）、確率分布図、ストライク確率（台風）、EPSグラム（地点の箱ひげ） |
週間予報の信頼度A・B・Cは、この理屈で決まります。アンサンブルのスプレッドが小さく降水の有無が確度高く予報できる日はA、ばらつきが大きい日はC。2週間先までの予報がどこまで信頼できるかは2週間予報・10日予報の当たり方で実例を検証しています。
ひっかけ10選
| 選択肢の言い方 | 正誤 | なぜ |
|---|---|---|
| ガイダンスは数値予報のランダム誤差を補正する | × | 補正できるのは系統誤差 |
| 数値予報モデルを更新してもガイダンスの係数は変える必要がない | × | 癖が変わるので再学習・係数更新が必要（カルマンフィルタは自動で追随） |
| 大雨のようにまれな現象の評価には適中率が最も適している | × | Dが大きく高く出る。スレットスコアなど |
| バイアススコアが1なら予報の精度は完全である | × | 予報回数と実況回数が同じというだけ。空振りと見逃しが同数でも1 |
| 平均誤差が0なら予報は実況と一致している | × | 正負が打ち消しているだけ。RMSEで大きさを見る |
| 降水確率50％は予報区の半分の面積で雨が降ることを表す | × | 1mm以上の降水がある確率 |
| ブライアスコアは大きいほどよい | × | 小さいほどよい（0が完全） |
| アンサンブルのスプレッドが小さければ予報は必ず当たる | × | 全メンバーが同じ方向に誤ることもある。信頼度が高いというだけ |
| アンサンブル平均は極端な現象を強調する | × | 平均するので極端な値は弱まる |
| スレットスコアは空振りと見逃しの両方で減点される | ○ | A/(A＋B＋C) |
オリジナル問題15問
分割表の問題は必ず4マスを書き、式に代入。過去問は気象業務支援センターで。
問1 【ガイダンス】 難易度：★ 択一
ガイダンスについて正しいものを選べ。
- ① 数値予報のランダム誤差を補正する
- ② 数値予報の系統誤差を統計的に補正し、地点の天気要素に翻訳する
- ③ 観測値を初期値に取り込む手法である
- ④ 数値予報モデルの格子間隔を細かくする手法である
- ⑤ 低気圧の位置のずれを修正できる
解答・解説を見る
正解：②
②。ランダム誤差（低気圧の位置など）は補正できない。
②。ランダム誤差（低気圧の位置など）は補正できない。
問2 【ガイダンス】 難易度：★★ 択一
カルマンフィルタを用いたガイダンスの特徴として正しいものを選べ。
- ① 大量の過去データで一度学習すると係数を変えない
- ② 最新の予報と観測を用いて係数を逐次更新するため、モデルの変更に追随しやすい
- ③ 確率予報には使えない
- ④ 地形の効果は補正できない
- ⑤ 観測のない地点でも作成できる
解答・解説を見る
正解：②
②。ニューラルネットなどは再学習が必要。観測がないと学習できない。
②。ニューラルネットなどは再学習が必要。観測がないと学習できない。
問3 【評価】 難易度：★ 択一
ある現象について、予報あり・実況あり20回、予報あり・実況なし10回、予報なし・実況あり5回、予報なし・実況なし65回であった。適中率として正しいものを選べ。
- ① 20％
- ② 65％
- ③ 80％
- ④ 85％
- ⑤ 90％
解答・解説を見る
正解：④
④。(20＋65)/100＝85％。
④。(20＋65)/100＝85％。
問4 【評価】 難易度：★ 択一
前問の分割表で、捕捉率と空振り率の組み合わせとして正しいものを選べ。
- ① 捕捉率80％・空振り率33％
- ② 捕捉率67％・空振り率20％
- ③ 捕捉率80％・空振り率20％
- ④ 捕捉率67％・空振り率33％
- ⑤ 捕捉率85％・空振り率10％
解答・解説を見る
正解：①
①。捕捉率＝20/(20＋5)＝80％、空振り率＝10/(20＋10)＝33％。
①。捕捉率＝20/(20＋5)＝80％、空振り率＝10/(20＋10)＝33％。
問5 【評価】 難易度：★★ 択一
前問の分割表で、スレットスコアとバイアススコアの組み合わせとして正しいものを選べ。
- ① TS＝0.57・バイアス1.20
- ② TS＝0.80・バイアス0.83
- ③ TS＝0.57・バイアス0.83
- ④ TS＝0.67・バイアス1.20
- ⑤ TS＝0.85・バイアス1.00
解答・解説を見る
正解：①
①。TS＝20/(20＋10＋5)＝0.571、バイアス＝30/25＝1.20（予報過多）。
①。TS＝20/(20＋10＋5)＝0.571、バイアス＝30/25＝1.20（予報過多）。
問6 【評価】 難易度：★ 択一
まれにしか起きない現象（大雨など）の予報の評価について正しいものを選べ。
- ① 適中率が最も適した指標である
- ② 「なし」の適中が多く適中率が高く出るため、スレットスコアや捕捉率・空振り率で評価する
- ③ バイアススコアだけで精度がわかる
- ④ 平均誤差で評価する
- ⑤ 評価はできない
解答・解説を見る
正解：②
②。毎日「なし」でも適中率は高くなる。
②。毎日「なし」でも適中率は高くなる。
問7 【評価】 難易度：★ 択一
バイアススコアについて正しいものを選べ。
- ① 1より大きいと予報回数が実況回数より少ない（見逃し傾向）
- ② 1より大きいと予報回数が実況回数より多い（空振り傾向）
- ③ 1なら予報は完全に当たっている
- ④ 0が最良である
- ⑤ 見逃しの回数だけで決まる
解答・解説を見る
正解：②
②。(A＋B)/(A＋C)。1でも空振りと見逃しが同数なら精度は低い。
②。(A＋B)/(A＋C)。1でも空振りと見逃しが同数なら精度は低い。
問8 【評価】 難易度：★★ 択一
最高気温の予報誤差（予報−実況）が5日間で＋3、−1、＋1、−3、0℃であった。平均誤差（ME）と二乗平均平方根誤差（RMSE）の組み合わせとして正しいものを選べ。
- ① ME＝0℃・RMSE＝0℃
- ② ME＝0℃・RMSE＝2.0℃
- ③ ME＝1.6℃・RMSE＝2.0℃
- ④ ME＝0℃・RMSE＝1.6℃
- ⑤ ME＝1.6℃・RMSE＝1.6℃
解答・解説を見る
正解：②
②。ME＝0/5＝0。RMSE＝√[(9＋1＋1＋9＋0)/5]＝√4＝2.0℃。MAEは1.6℃。
②。ME＝0/5＝0。RMSE＝√[(9＋1＋1＋9＋0)/5]＝√4＝2.0℃。MAEは1.6℃。
問9 【評価】 難易度：★ 択一
平均誤差と二乗平均平方根誤差について正しいものを選べ。
- ① 平均誤差が0なら二乗平均平方根誤差も0である
- ② 平均誤差は系統誤差の指標で、二乗平均平方根誤差は誤差の大きさの指標である
- ③ 二乗平均平方根誤差は負の値をとることがある
- ④ 二乗平均平方根誤差は平均絶対誤差より必ず小さい
- ⑤ 平均誤差は大きな外れ値に最も敏感である
解答・解説を見る
正解：②
②。RMSEは非負でMAE以上。外れ値に敏感なのはRMSE。
②。RMSEは非負でMAE以上。外れ値に敏感なのはRMSE。
問10 【確率予報】 難易度：★ 択一
降水確率について正しいものを選べ。
- ① 予報区内で雨が降る面積の割合を表す
- ② 予報期間のうち雨が降る時間の割合を表す
- ③ 予報区内で1mm以上の降水が予報期間内にある確率を10％刻みで表す
- ④ 降水確率が高いほど雨が強い
- ⑤ 降水確率0％は雨が絶対に降らないことを意味する
解答・解説を見る
正解：③
③。0％は5％未満。強さや時間・面積ではない。
③。0％は5％未満。強さや時間・面積ではない。
問11 【確率予報】 難易度：★★ 択一
確率予報の評価について正しいものを選べ。
- ① ブライアスコアは大きいほど予報がよい
- ② ブライアスコアは予報確率と実況（1または0）の差の二乗の平均で、0が完全である
- ③ 信頼度図で予報確率より実況の割合が低い場合は過小予報である
- ④ 常に気候値の確率を予報すれば最もよい予報になる
- ⑤ 確率予報は評価できない
解答・解説を見る
正解：②
②。信頼度図で対角線より下（実況の割合が低い）は過大予報。気候値だけでは鋭さがない。
②。信頼度図で対角線より下（実況の割合が低い）は過大予報。気候値だけでは鋭さがない。
問12 【確率予報】 難易度：★★ 択一
降水確率70％と予報して雨が降った場合と、30％と予報して雨が降った場合のブライアスコア（1回分）の組み合わせとして正しいものを選べ。
- ① 0.09と0.49
- ② 0.49と0.09
- ③ 0.3と0.7
- ④ 0.7と0.3
- ⑤ 0と1
解答・解説を見る
正解：①
①。(0.7−1)²＝0.09、(0.3−1)²＝0.49。降ったときは高い確率を出していたほうがよい。
①。(0.7−1)²＝0.09、(0.3−1)²＝0.49。降ったときは高い確率を出していたほうがよい。
問13 【アンサンブル】 難易度：★ 択一
アンサンブル予報について正しいものを選べ。
- ① 初期値をわずかに変えた複数の予報を行い、その平均やばらつきから信頼度や確率を求める
- ② スプレッドが大きいほど予報の信頼度が高い
- ③ アンサンブル平均は個々のメンバーより必ず精度が低い
- ④ メンバー数は多いほど計算量が減る
- ⑤ 初期値の摂動はすべて同じ大きさ・同じ方向で与える
解答・解説を見る
正解：①
①。スプレッド大＝信頼度低。平均は一般に高精度。摂動は誤差が成長しやすい方向（SV・BGM・LETKF）。
①。スプレッド大＝信頼度低。平均は一般に高精度。摂動は誤差が成長しやすい方向（SV・BGM・LETKF）。
問14 【アンサンブル】 難易度：★ 択一
アンサンブル予報のスプレッドについて正しいものを選べ。
- ① スプレッドが小さければ予報は必ず当たる
- ② スプレッドが小さい日は実際の誤差も小さい傾向があり、信頼度が高いと判断できる
- ③ スプレッドは予報時間とともに小さくなる
- ④ スプレッドは初期時刻で最大である
- ⑤ スプレッドは気温にのみ定義される
解答・解説を見る
正解：②
②（スプレッド・スキル関係）。全メンバーが同じ方向に誤ることはある。予報時間とともに大きくなる。
②（スプレッド・スキル関係）。全メンバーが同じ方向に誤ることはある。予報時間とともに大きくなる。
問15 【アンサンブル】 難易度：★ 択一
気象庁のアンサンブル予報の利用について正しいものを選べ。
- ① 全球アンサンブルは短時間予報にのみ用いられる
- ② 全球アンサンブルは週間予報の信頼度、台風進路の予報円、2週間気温予報、早期天候情報などに用いられる
- ③ メソアンサンブルは季節予報に用いられる
- ④ アンサンブル予報は府県天気予報には一切使われない
- ⑤ 台風の予報円はアンサンブルとは無関係に決められる
解答・解説を見る
正解：②
②。メソアンサンブルは大雨・警報級の可能性、季節アンサンブルは3か月予報。予報円はアンサンブルなどから統計的に決める。
②。メソアンサンブルは大雨・警報級の可能性、季節アンサンブルは3か月予報。予報円はアンサンブルなどから統計的に決める。
一問一答20問｜分野別の成績が出ます
ガイダンス・精度・アンサンブル 一問一答20問
式を紙に書いて計算してから。
この分野でよくある質問
Q. 分割表の計算問題は毎回出ますか？
A. ほぼ毎回、何らかの形で出ます。適中率・捕捉率・空振り率・スレットスコア・バイアススコアの5つの式は、4マスの表と一緒に手が覚えるまで練習してください。
Q. スレットスコアと適中率の使い分けは？
A. 「なし」が多い現象（大雨・強風・雷）はスレットスコア、「あり／なし」が半々に近い現象（明日の降水の有無）は適中率でも構いません。
Q. ガイダンスがあれば予報官は要らないのでは？
A. ガイダンスは系統誤差しか直せません。低気圧の位置や発達のずれのようなその日限りの誤差は、複数モデル・アンサンブル・実況を見て予報官が判断します。
Q. 降水確率が「当たった」とはどう評価しますか？
A. 1回では評価できません。同じ確率を出した多数の事例で実際に降った割合が確率と合っているか（信頼度）と、0％や100％に近い予報を出せているか（鋭さ）で評価し、まとめてブライアスコアで見ます。
Q. この分野は実技に出ますか？
A. 実技では直接の計算はまれですが、「予想図の信頼度」「アンサンブルの資料」の読み取りや、記述で「不確実性が大きい」ことを述べる場面があります。
まとめ
- ガイダンスは系統誤差を補正し天気要素に翻訳、ランダム誤差は直せない。カルマンフィルタは係数を逐次更新
- 分割表：適中率(A＋D)/全体、捕捉率A/(A＋C)、空振り率B/(A＋B)、TS A/(A＋B＋C)、バイアス(A＋B)/(A＋C)。まれな現象はTSで
- MEは偏り、RMSEは大きさ。MEが0でもRMSEは0でない
- 降水確率は1mm以上・10％刻み。ブライアスコアは(p−o)²の平均で0が最良、信頼度図は対角線
- アンサンブルはスプレッド大＝信頼度低、平均は高精度、GEPSは週間・台風・2週間、MEPSは大雨、季節アンサンブルは3か月
出典：気象庁「予報の精度検証」「ガイダンスの解説」「アンサンブル予報」「数値予報解説資料」、気象業務支援センター「気象予報士試験 過去の試験問題」。オリジナル問題の設問・選択肢・数値は当サイト作成です。
※記事内にはアフィリエイト広告（PR）を含みます。
