Basic research on AI system for ocean float observation
Project/Area Number |
20K20634
|
Research Category |
Grant-in-Aid for Challenging Research (Pioneering)
|
Allocation Type | Multi-year Fund |
Review Section |
Medium-sized Section 63:Environmental analyses and evaluation and related fields
|
Research Institution | Tokyo University of Marine Science and Technology |
Principal Investigator |
北出 裕二郎 東京海洋大学, 学術研究院, 教授 (50281001)
|
Co-Investigator(Kenkyū-buntansha) |
溝端 浩平 東京海洋大学, 学術研究院, 准教授 (80586058)
長井 健容 東京海洋大学, 学術研究院, 准教授 (90452044)
|
Project Period (FY) |
2020-07-30 – 2024-03-31
|
Project Status |
Granted (Fiscal Year 2022)
|
Budget Amount *help |
¥25,740,000 (Direct Cost: ¥19,800,000、Indirect Cost: ¥5,940,000)
Fiscal Year 2023: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2022: ¥2,990,000 (Direct Cost: ¥2,300,000、Indirect Cost: ¥690,000)
Fiscal Year 2021: ¥15,600,000 (Direct Cost: ¥12,000,000、Indirect Cost: ¥3,600,000)
Fiscal Year 2020: ¥6,240,000 (Direct Cost: ¥4,800,000、Indirect Cost: ¥1,440,000)
|
Keywords | 海洋観測 / 昇降式フロート誘導実験 / 昇降式フロート / AI化基礎実験 / 海洋学 / 環境監視 / 海洋観測AI化基礎実験 / AI観測システム化 |
Outline of Research at the Start |
本研究は、海洋ビッグデータを活用し、流れで受動的に移動する昇降式フロートによる観測を、計画的に流れに乗せて移動させ、能動的に観測するためのアルゴリズムの開発を行う基礎研究である。予定通りにフロートを移動させるには、高分解能・高精度の3次元流速情報が必要である。そこでまず、海面漂流ブイの追跡実験から衛星海面高度生データの最適補完法を開発し、その高分解能海面高度データと海洋観測ビッグデータを組込んだ数値モデルにより3次元流速場を推定する。次に、昇降式フロートを用いた3次元漂流実験を行い、流れ場の検証と移動予測を行う。さらに、適切な深度にフロートを待機させて目的地に導くためのアルゴリズムを開発する。
|
Outline of Annual Research Achievements |
本研究は、海洋ビックデータと海洋モデルを組み合わせた高解像度モデルの開発し、実海洋における昇降式フロートの漂流実験結果をモデルで再現することにより海洋内部の流れの精度を向上させ、適切な深度にフロートを待機させて目的地へとフロートを導くようにするアルゴリズム開発を目指した基礎研究である。本年度はフロートの運用実験とアルゴリズムの開発を中心に実施した。 フロートの運用実験:R3年度に発注した昇降式フロートがR4年5月にようやく納品された。船舶の手配と機器の調整を経て12月に本研究費および当該所属機関経費で導入した2台のフロートを太平洋西部(北緯21.93度,東経131.88度)に投入した。その後、フロートの昇降スケジュール、待機深度の変更などの制御を行い、フロートの追跡実験を行った(現在も継続中)。 アルゴリズム開発:数値海洋予報モデルにおいてフロートの動きの再現性を確認した。数値海洋予報モデル内での長期間の漂流実験では、実際の位置と徐々にずれが生じるが、おおむね3か月以内の追跡においては、本数値海洋予報モデルが有効であることが確認できた。そこで、このモデル上でフロートを能動的に目的地まで移動させるアルゴリズムの開発を行った。その結果、亜熱帯循環の北太平洋赤道海流域を対象として、東西に1000㎞離れた地点に移動させるために骨子となる基本的なアルゴリズムを構築した。そのアルゴリズムによって、海流と同じ方向への移動だけでなく、逆方向へも移動させることができることが分かった。しかし、現アルゴリズムでは逆方向への移動にはかなり時間を要するため、改良に加え、さらに別のアルゴリズムの構築も必要である。
|
Current Status of Research Progress |
Current Status of Research Progress
4: Progress in research has been delayed.
Reason
基本的には、コロナ禍で、前年度発注した昇降式フロートの入荷が遅れたこと、予定していた現場観測ができなかったことにより遅れている。年度後半に、新たに導入した昇降式フロートの運用が始まり現場実験ができる段階となっている。 投入したフロートの動きをある程度再現できるモデルデータが使用できるようになったことから、昇降式フロートを能動的に目的地に移動させるためのアルゴリズムの開発研究を進めることはできている。機器の導入や航海計画など、現場観測の面で大幅に遅れていたが、観測およびアルゴリズムの開発とも、研究計画を随時見直すことで、予定していた結果へと近づきつつあり、計算結果が徐々に得られてきている。現場観測の全体的な遅れに伴う遅れはあるが、アルゴリズム開発はある程度進んでいると判断できる。しかし、関連する特許申請や論文発表などの成果公表の面で遅れていると言わざるを得ない。以上のことから、遅れていると判断した。
|
Strategy for Future Research Activity |
数値予報モデルによるフロートの漂流再現性については比較的良好ではあるが、本経費内で予報モデルを常時稼働させて日々の流れの予測値を計算しつつ、アルゴリズム開発やフロート制御を実施することが難しい。一方、本課題において、昇降式フロート運用のAI化の将来性を見通すためには、昇降アルゴリズムの制御だけで能動的に目的地に移動させることができるかどうかのアルゴリズム開発が最も重要である。このことから、本年度はまずモデル海内のバーチャル空間におけるフロートの動きの設定アルゴリズムの開発とそのアルゴリズムの最適化を行うことを第一優先として研究を進めることとした。現時点で、モデル内でフロートを移動させるための基本的なアルゴリズムの一つは構築できているが、より海洋物理学的な知見と力学を取りいれることにより、フロートの移動にかかる所要時間をできるだけ短くするための改良や新たなアルゴリズムの開発を行う。 また、本課題では、最終的には、漂流実証実験により計算通りにフロートを移動させる実験を行う必要があるが、フロートの納品が遅れたことから現場実験は遅れ気味である。実海洋における昇降式フロートの運用実験はバーチャルではなく、現実の時間であるため、モデルの再現性の確認実験は数か月以上の実時間が必要となる。コロナ禍による遅れた分を取り戻すように進める一方で、現場実験が長引いた場合でも実験を継続できるような経費配分できるように進めることを視野に入れて検討する。
|
Report
(3 results)
Research Products
(7 results)