2022 Fiscal Year Research-status Report
分岐図推定を応用した生態の動的システムのモデリング手法の開発とその予測への応用
| Project/Area Number |
22K17970
|
|---|
| Research Institution | Hokkaido University of Science |
|---|
Principal Investigator |
伊藤 佳卓 北海道科学大学, 工学部, 講師 (90849142)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Keywords | 分岐図推定 / レジームシフト / 系列モデリング / パラメータ空間推定 / ニューラルネットワーク |
|---|
| Outline of Annual Research Achievements |
本研究は，生態系の動的システムの時系列を予測するための新しいモデリング手法の確立を目指している．具体的には，パラメータが変化する動的システムをモデリングするための分岐図推定を応用し「安定」状態の時系列のみからレジームシフトが 「いつ」起こるかを予測することを試みる．本モデリング手法を実環境に応用可能な形で確立するため，多次元システムへの適用，強いノイズに対するロバスト性，アナログデータを計測したデータへの適用という課題を設定している．
本年度は，これまで１次元システムのみを対象にしていた分岐図推定によるレジームシフト予測を、２次元生態系の数理モデルを対象として予測を行った．本実験では，２次元システから生成された一方の時系列信号のみを用いてレジームシフトの予測を試みた．これは実問題を想定した場合，関連する時系列信号を全て得られるとは限らないという状況を想定したものである．この条件で数値実験を行った結果，ニューラルネットワークモデルの一つであるエクストリーム学習器のパラメータ調整により，予測に成功することが確認できた．
さらに，これまで弱いダイナミカルノイズを印加して生成した時系列信号を対象としていたが，ダイナミカルノイズを強くして生成した時系列信号を対象として本モデルのロバスト性の検証を行った．その結果，ダイナミカルノイズが強くなるにつれてレジームシフト予測の成功率が下がることが確認された．そこでエクストリーム学習器の学習方法としてリッジ回帰を試用し，強いノイズに対しても予測成功率が高くなることが確認された．しかし，リッジ回帰の正規化パラメータの調整が必要になることがわかったため，ノイズの強さに応じて正規化パラメータを調整する方法を検討する必要がある．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初の予定通り，今年度は２次元システムに対してレジームシフト予測が可能であること，強いノイズに対する本手法のロバスト性の検証を行い，それぞれの結果を論文にすることができた（ロバスト性の検証については掲載決定済未出版）．またパラメータ調整が必要でありその調整方法は確立していないが，強いノイズに対してリッジ回帰が有効であることも確認できた．
|
| Strategy for Future Research Activity |
今後の展望として，すでに提案されている５次元の生態系数理モデルへの適用を試みる予定であり，さらに高次元になった場合の結果への影響についても詳しく調査を行う．加えて，リッジ回帰の正規化パラメータを調整する方法についても詳細に検討する．
また，生態系の数理モデルを電子回路に再現し，アナログデータを生成することを試みる．このアナログデータに対して本研究で開発した手法を適用し，実環境におけるレジームシフト予測が可能なモデリング手法を確立することを目指す.
|
| Causes of Carryover |
想定したほどの計算コストをかけずに初年度の数値実験ができたため数値計算用PCが不要になったことが主な理由である．代わりに2023年度に取り組むアナログデータの取得のために必要な機器の購入，学会参加・論文投稿に要する諸費用に充てる予定である．
|
Research Products
(3 results)
