2022 Fiscal Year Research-status Report
新たな予測手法を基礎としたリアルタイム波浪予測モデルの開発
| Project/Area Number |
22K14331
|
|---|
| Research Institution | Kyushu University |
|---|
Principal Investigator |
井手 喜彦 九州大学, 工学研究院, 助教 (60866680)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Keywords | ガウス過程回帰 / 波浪 / リアルタイム予測 / 数値シミュレーション / ニューラルネットワーク |
|---|
| Outline of Annual Research Achievements |
新たなリアルタイム波浪予測モデルとして、ガウス過程回帰をベースとした予測モデルを構築した。使用したプログラミング言語はPythonであり、その中のライブラリを利用してモデルを構築した。
ガウス過程回帰から出力する予測値の滑らかさを表すカーネル関数には、既往文献の調査から選定した様々な関数（計7つ）を適用し、感度実験を行うとともに最も観測をよく表す関数を最終的に利用するカーネル関数として採用した。ガウス過程回帰による予測モデルを構築後、既往研究で作成されたニューラルネットワークモデルおよび数値シミュレーションモデルと精度の比較を行った。その結果、ニューラルネットワークモデルや数値シミュレーションモデルよりも全体的に高い精度で予測が行えることを確認した。ただし、予測精度には季節変化があり、ガウス過程回帰モデルでは比較的波高の低い夏季の精度は高いが波高の高い冬季ではニューラルネットワークモデルに比べて精度が低いことがわかった。また、ガウス過程回帰モデルから出力される予測値の信頼度（正確には不信頼度）を表す標準偏差と実際の誤差との関係を調べたところ、明確な相関が確認できた。これによって、標準偏差を予測値の精度を考える上での一つの指標とできることがわかった。さらに、ガウス過程回帰モデルとニューラルネットワークモデルから出力された予測値を合成し、一つのより精度の高い予測値を得ることにも取り組んだ。その際、ガウス過程回帰モデルから出力される標準偏差を重みとして付加し合成することで、予測値を最適化することができそれぞれのモデルの単独での予測よりも精度が向上することを確認した。以上の結果を2022年度海岸工学講演会で発表した。また、現在はここまでの成果を国際ジャーナルへの投稿へ向けて執筆中である。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
今年度は申請書に記載した研究計画（2022年度：ガウス過程回帰を基礎とした波浪予測モデルの構築）に沿って概ね研究が進行した。さらに、2023年に予定していた「従来モデルとの比較検討」についても一部2022年度中に行っており当初の計画を前倒して研究が進んでいる状況である。したがって、現在までの進捗状況は「区分：(1)当初の計画以上に進展している。」にあたる。
|
| Strategy for Future Research Activity |
2022年度は計画を前倒しして順調に研究を進めることができた。研究期間の2年目にあたる2023年度は、計画通り構築したガウス過程回帰モデルを従来のモデル（数値シミュレーションモデルとニューラルネットワークモデル）と比較して予測精度・予測速度を評価する。さらに、学習速度についてニューラルネットワークモデルとの比較を行い、更なる高速化の可能性についてプログラムコードを改良する。また、現在の予測モデルの入力値には予測対象地点一点の情報を使用しているが、入力値を空間的に広げることでより精度の高い予測を目指す。
|
| Causes of Carryover |
計算用ワークステーションの納品が遅れており、1年目には購入することができなかった。2年目でその分の計算用ワークステーションを購入予定である。
|
Research Products
(1 results)
