| Project/Area Number |
19H02246
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Single-year Grants |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 22040:Hydroengineering-related
|
|---|
| Research Institution | University of Yamanashi |
|---|
Principal Investigator |
Souma Kazuyoshi 山梨大学, 大学院総合研究部, 准教授 (40452320)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
古屋 貴彦 山梨大学, 大学院総合研究部, 准教授 (00770835)
宮本 崇 山梨大学, 大学院総合研究部, 准教授 (30637989)
馬籠 純 山梨大学, 大学院総合研究部, 准教授 (70377597)
石平 博 山梨大学, 大学院総合研究部, 教授 (80293439)
|
|---|
| Project Period (FY) |
2019-04-01 – 2023-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥17,550,000 (Direct Cost: ¥13,500,000、Indirect Cost: ¥4,050,000)
Fiscal Year 2022: ¥2,730,000 (Direct Cost: ¥2,100,000、Indirect Cost: ¥630,000)
Fiscal Year 2021: ¥2,730,000 (Direct Cost: ¥2,100,000、Indirect Cost: ¥630,000)
Fiscal Year 2020: ¥2,730,000 (Direct Cost: ¥2,100,000、Indirect Cost: ¥630,000)
Fiscal Year 2019: ¥9,360,000 (Direct Cost: ¥7,200,000、Indirect Cost: ¥2,160,000)
|
|---|
| Keywords | 深層学習 / 機械学習 / 数値気象モデル / 降雨予測 |
|---|
| Outline of Research at the Start |
近年豪雨による土砂・浸水被害が多く，降水量分布の予測精度を向上させ土砂・浸水危険度予測へ活用することが急務である．それに対し研究代表者らは，詳細な都市活動（人工排熱や建物高さ等）を考慮した数値気象モデルを開発し予測精度向上に努めてきたが，上昇気流等降水の原因は予測できても降水の定量的予測には至らない事例が見られた．それを補う上で，近年ビッグデータ解析で成果の著しい深層学習を用いた数値気象モデル予測結果の補正が有効と期待される．そこで本研究では深層学習を活用し，数値気象モデル予測結果を補正して豪雨を定量的に予測する手法を新たに構築し，精度向上を図る．
|
| Outline of Final Research Achievements |
In this study, we developed a method to correct the prediction results from a numerical weather model (a computer program to predict the three-dimensional temperature and wind speed, etc., based on physical equations) using deep learning (artificial intelligence that imitates human neurons). The U-Net (an advanced artificial intelligence that imitates the optic nerve used in image analysis), a type of deep learning method, was introduced. In addition, we improved the data expansion method (a method to augment data to compensate for data shortage) when inputting numerical weather model output to the deep learning method. The results suggest that the combination of numerical weather model prediction and correction methods using U-Net can improve the prediction of heavy rainfall areas, which is important for disaster adaptation.
|
| Academic Significance and Societal Importance of the Research Achievements |
数時間から１日程度先までの降水量を予測するためには，数値気象モデル（物理式に基づき3次元の気温や風速等をコンピュータで予測するプログラム）による予測が重要となる．本研究で開発した手法を用いることで，数値気象モデルのみでは降水の予測には至らない豪雨でも，降水の原因となる上昇気流や水平風速の予測結果を深層学習（人間の神経細胞を模した人工知能）へ入力して自動的に降水量予測結果を補正できる．それによって定量的な豪雨予測の信頼性が向上し，土砂・浸水危険度予測の信頼性向上とその早期避難への活用が期待でき，災害に強い都市づくりに貢献できると期待される．
|
