T内

ゼブンアンドアイの「カリカリダブルコンソメ」

ステビアのせいで味が残念なことになってます。
合成甘味料苦手な方は気を付けてください。


もう誰にも同じ過ちを犯してほしくありません。

T内

会社でPC(IBMの750-P75)が故障

電源ONしても、電源とHDDのランプが同時点滅を繰り返すだけで電源が入らない。
でも電源スイッチを長ーく押ししたら入りました。よかった。

古いPCが壊れたらお試しください。
IBM本社の方向を向いてお祈りするのも効果的です。


制御用のPCって10年以上使われることがザラですからね
そのうちXPのPCが足りなくなるんだろうな。

ソフトだけならエミュレータがあればOKですけど、I/Oが変わるとねぇ。

T内

自民党圧勝でしたか


昔に戻るだけのような気が・・・
正直感心しません。

T内

大雪なう








今年は例年になく早かった。

こんなこともあろうかと、1年中スタッドレスタイヤ履いてます。
決して交換がめんどくさいとか、タイヤの置き場所がないとかではありません。
ええ。

Ｔ内

11月30日のつづき


では、どうすればカオス性の強弱を評価できるのか？
一つの方法として観測データにわざと誤差を乗せるというものがある。

ランダムに誤差を乗せてばらつかせた観測データを使い何度もシミュレーションを行う。
するとどうなるか？

シミュレーション結果はもちろんばらつくだろうが、
いろいろな日についてこのシミュレーションをしてみるとあることが分かるはずだ。


結果が大きくばらつく場合と小さくばらつく場合があるのである。


大きくばらつく場合というのはカオス性が強い局面だ。
予報の信頼度は低い。
逆に小さくばらつく場合はカオス性が弱い局面だ。
予報の信頼度は高い。

このようにして初期値依存性(=カオス性)の強弱を評価する方法を
アンサンブル分析という。
(気象庁がこのような方法で信頼度を出しているかどうかは知りません)


アンサンブル分析を大学時代に知っていたく感心した僕は、
いつか仕事で使う日を夢見ているわけです。