2019 Fiscal Year Annual Research Report
Development of predictive models based on bigdata using statistical machine learning for red tide and fishery in the southern Kyushu
| Project/Area Number |
16K07847
|
|---|
| Research Institution | Hiroshima Institute of Technology |
|---|
Principal Investigator |
庄野 宏 広島工業大学, 工学部, 教授 (30344328)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
大富 潤 鹿児島大学, 農水産獣医学域水産学系, 教授 (10253915)
増田 育司 鹿児島大学, 農水産獣医学域水産学系, 教授 (70107861) [Withdrawn]
|
|---|
| Project Period (FY) |
2016-04-01 – 2020-03-31
|
| Keywords | 赤潮予測 / 統計的機械学習 / スパースモデリング / ディープラーニング / Elastic Net / 高次元母数推定 / 八代海 / 気象データ |
|---|
| Outline of Annual Research Achievements |
本年度は、鹿児島県や業界団体などの要請もあり、当初の予定を変更して、八代海における赤潮の発生日および終息日の予測を行い、予測モデルの開発および改良を実施した。
気象庁がリアルタイムに公表している2地点（八代および水俣）の気温、降水量、日照時間、風速を月毎に集計し、さらに南北方向および東西方向のベクトル風速、および南九州地方の梅雨入り日（5月1日からの経過日数）の情報を利用し、1988年から2018年までの各年における2-6月のデータに基づき、2019年夏季（7月1日～9月30日）に八代海で赤潮が発生すると仮定した場合の発生日、および終息日をピンポイントで予測した。
発生日は6月1日からの積算日数、終息日は9月30日からの逆算日数を教師付きモデルの出力変数に設定し、ディープラーニングおよびLp正則化とも呼ばれるスパースモデリングの一種であるElastic Net（Zou and Hastie, 2005）を利用して計算を実行した。
これらのモデルは、今回の条件設定にも該当する、標本数よりも未知母数の数が多い高次元母数推定問題に対して適用可能であり、Elastic Netはどの説明要因が赤潮の発生日や終息日にどのように影響を与えているか、という要因分析も可能である。予測の結果、2019年夏季は八代海の赤潮発生日、終息日ともに実際より7-10日程度の差異がみられた。
この原因として、発生日は未発生と6月1日に発生を同じと仮定し、終息日は未発生と9月30日に発生を同一とみなす出力変数の設定方法に問題があると考えられるため、さらなる検討が必要である。
今回の実績をふまえ、今後、①月別データの代わりに解像度が高い旬別データを利用する、②最初にElastic Netで出力変数に影響を与えていない説明要因を削除して次に深層学習で赤潮の発生日や終息日を予測する、という2段階モデルの適用を予定している。
|
| Remarks |
タイトルの研究者氏名を漢字で記述しているものは日本語のサイト、ローマ字で記載しているものは英語のサイトを表す。
|
Research Products
(8 results)
