Development of a heavy rainfall prediction method combining numerical weather prediction models and deep learning methods
| 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 |
相馬 一義 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 2022)
|
| 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 Annual Research Achievements |
研究代表者らは，数値気象モデルCReSiBUCによる数時間から1日先予測結果を入力し，ショートカット接続を含む深層畳み込みニューラルネットワーク（U-Net）を用いて降水量分布を補正する豪雨予測手法を構築・改良してきた．
2022～2023年度には，開発した豪雨予測手法の汎用性に関して，インドネシア・ブラヴィジャヤ大学 DIAN SISINGGIH博士，SRI WAHYUNI博士を山梨大学へ招いて議論を行った．インドネシアを含む日本国内に留まらない手法適用と，その検証及び活用方策に関する議論を踏まえて，手法の汎用性確保へ向けたさらなる改良を検討した．
さらに，深層学習に数値気象モデル出力を入力する際のデータ拡張手法について検討した．これまでの手法では境界付近を除いた数値気象モデル出力（160セル×160セル）について40セル×40セルに分割し，ストライドを8セルとして平行移動するデータ拡張を適用していた．このストライドを20セル，40セルと変化させた実験を行った．汎用性確保へ向けた議論の結果も踏まえ，補正後の降水量について気象庁解析雨量と比較して，スレットスコア（観測・予測とも降水無しのセルを除いたセル総数）・捕捉率（観測・予測とも降水有のセル数／観測で降水有のセル数）・空振り率（観測で降水無・予測で降水有のセル数／予測で降水有のセル数）を算出した．降水の有無については閾値1mm/hr・3mm/hr・5mm/hrを用いた．その結果，台風に伴う水平規模の大きな降水（一つの降水域が直径数十km程度）に関して，これまでの手法と比較してストライドを40セルに設定した実験において高いスレットスコアが見られた．捕捉率，空振り率についても検討したところ，補正によって閾値5mm/hrでも捕捉率が向上し，強い雨域を表現可能になったことがスレットスコアの向上に寄与したと考えられる．
|
| Research Progress Status |
令和4年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和4年度が最終年度であるため、記入しない。
|
Report
(4 results)
Research Products
(47 results)
