読み込み中…
2週間ぴえん予報
過去7日（実測）＋ 今日 ＋ 7日先（予報）
今日のぴえん要因
4つの気象情報を点数化して、しんどさの内訳に分解。
このサイトについて
本サイトは気象データから体調の崩れやすさを推定する指数 ACI v0.4 を、 天気予報風の「ぴえんレベル」として表示するツールです。 体調が悪い時は無理せず休んでね🥺 作者: あまぎり
技術が気になる方へ
1. モデル概要
ACI（Atmospheric Comfort Index）v0.4 は、日次の気象観測値から当日の体調負荷を推定する指数です。 説明変数を気圧変動・気温変動・水分系ストレス・絶対暑熱寒冷の 4 系統に圧縮し、 各成分のスコアを訓練期間内の経験分布上の分位として算出します。 関東代表値として東京観測所（気象庁 47662）、訓練期間 2023-05-01〜2026-04-30 を基準とします。（ポイント: 気候変動の影響を鑑み、あえて過去3年に絞っている）
2. 日次スコア
ACI_day = 100 × (
0.35 · S_pressure
+ 0.35 · S_tempvar
+ 0.20 · S_hydro
+ 0.10 · S_thermal
)
各成分 S_* は [0, 1] の経験分位スコア、重みは固定値です。
3. 各成分の定義
S_pressure（気圧変動）
S_pressure = percentile_train( |SLP_t − SLP_t−1| )S_tempvar（気温変動）
DTR = T_max − T_min
ΔT_mean = | T_mean,t − T_mean,t−1 |
S_tempvar = max(
percentile_train(DTR),
percentile_train(ΔT_mean)
)S_hydro（水分系ストレス）
S_hydro = max(
percentile_train( precipitation ),
percentile_train( RH_mean ),
percentile_train( 100 − RH_min )
)雨・高湿・乾燥は相関しやすいため、合算ではなく最大値を採用します。
S_thermal（絶対暑熱寒冷）
S_thermal = max(
percentile_train( T_max ),
percentile_train( −T_min )
)4. 経験分位スコアリング
percentile_train(x) は、訓練期間における同一変数の経験分布に対する x の累積確率です。
訓練期間の値を昇順にソートし、評価値 v に対して rank(v) / N を返します。
固定閾値ではなく、分布上の希少性で評価します。
5. 判定スケール
東京の 2023-05-01〜2026-04-30 における 4要素 ACI 分布のパーセンタイルでクラス分けします。
Low : ACI < 69
Watch : 69 ≤ ACI < 79
Caution : 79 ≤ ACI < 90
High : 90 ≤ ACI < 96
Severe : 96 ≤ ACI