| Project/Area Number |
21K17803
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 61030:Intelligent informatics-related
|
|---|
| Research Institution | Nagoya Institute of Technology |
|---|
Principal Investigator |
Otsuka Takanobu 名古屋工業大学, 工学(系)研究科(研究院), 准教授 (30643324)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥3,770,000 (Direct Cost: ¥2,900,000、Indirect Cost: ¥870,000)
Fiscal Year 2023: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2022: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2021: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
|
|---|
| Keywords | 異常検知 / 海水温予測 / 深層学習 / 転移学習 / 機械学習 / センサネットワーク / 環境予測 / 海産養殖 |
|---|
| Outline of Research at the Start |
現在の養殖業の問題の1つに異常水温による被害が挙げられる．
通常，海産物は広大な海の中に生息しているため，水温等の環境の変化に合わせて移動することができる．
しかし，現状の水温予測は従事者自身の能力に依存する部分が大きく，筏を移動させるタイミングを勘で判断するなど，豊富な知識や長年の経験を必要とする作業である．
その一方で，高齢化に伴い熟練の従事者の数は年々減少しており，現状の方法で予測を続けることは困難である．
本研究では, 短期間の学習データによる高精度な海水温予測アルゴリズムを実装することで，経験に依らない水温予測方法を実現し，養殖業の更なる発展を支援する．
|
| Outline of Final Research Achievements |
Aquaculture is important industries worldwide, and most marine products are produced by aquaculture. The aquaculture farmers are faced on the challenge of damage to marine products due to abnormal seawater temperatures. Seawater temperature prediction have been conducted, but many of them require a large amount of training data. Seawater temperature data is not easy, and it takes an enormous time to introduce in new aquaculture farms. Therefore, to predict seawater temperature even with a small amount of training data for about one year.And seawater temperature prediction model using transition learning. The proposed model also attempts to improve the prediction accuracy by considering the difference in water depth between observation points. The results of the evaluation experiment showed that the prediction accuracy can be improved by transfer learning when learning with a small amount of data.
|
| Academic Significance and Societal Importance of the Research Achievements |
養殖業は世界的に重要な産業の一つであり、水産物の多くは養殖によって生産されている。一方、養殖業者は海水温の異常による水産物の被害という課題に直面している。海水温の収集は容易ではなく、新規養殖場への導入には膨大な時間を要する。本研究では、1年程度の少ない学習データでも海水温を予測することを目的とする。遷移学習を用いた海水温予測モデルを提案 し、観測点間の水深差を考慮することで、予測精度の向上も試みている。結果、少ないデータ量で学習する場合、転移学習により予測精度が向上することが示された。
|
