持続可能な海産養殖のための環境情報予測アルゴリズムの実装
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 |
大塚 孝信 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 |
Granted (Fiscal Year 2022)
|
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 | 機械学習 / 異常検知 / センサネットワーク / 環境予測 / 海産養殖 / 転移学習 |
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 Annual Research Achievements |
本研究は, 短期間の学習データによる高精度な海水温予測を実現することにより, 安定した海産養殖 を広く実現することである. つまり, 養殖に用いる地域のため気象予報のようなフォーマットで提供 される高精度な海水温予測を行うことにより, 養殖事業の際にいけすや筏を事前に移動・避難可能な 予測アルゴリズムを構築することにある. 研究背景として, 世界的な海産物需要増加に伴い,養殖業 が世界的に注目されている.養殖業では養殖場内の適切な環境管理が重要であり,特に海水温の影 響は大きいため,安定して供給を行うためには海水温を高精度に予測する必要がある.我々は,実 データを用いた評価実験では翌日の 1 時間毎の海水温は平均誤差約 0.2~0.4 °C,1 週間先までの日平 均海水温は平均誤差約 0.2~0.5 °Cで予測可能なアルゴリズムを提供しており,水温被害の対策など 幅広く活用可能である. 今年度は新たに5地点の海水温データを取得でき, データを元に短期間の学習データで予測ができるよう転移学習に取り組んだ. 結果として, 従来5-10年分のデータで学習していたものを転移学習を活用することによって1年程度の学習データにより従来と同等の予測精度を実現できた. また, 研究結果を国際技にて発表し, 論文誌への投稿を進める. 転移学習については転移元と転移先の地形や水深等のパラメタによって予測精度が左右されるため, 最も重要なパラメタを実験を繰り返して進める.
|
Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
新規データ入手先の獲得が可能となり, 日本国内の6箇所のデータを用いて転移学習を行うことができた. さらに, 地形や海流の異なる地点での差異を確認することができ, 国際会議ICCTAに採択された. 転移学習を行うことによって従来の5分の1から10分の1の学習データで高精度な予測が可能であることが確認できたため.
|
Strategy for Future Research Activity |
転移学習について,転移元と転移先の地形や水深等のパラメタによって予測精度が左右されるため, 最も重要なパラメタを実験を繰り返して進める. また, 論文誌への投稿も進める.
|
Report
(2 results)
Research Products
(3 results)