| 研究課題/領域番号 |
17K18903
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 研究分野 |
土木工学およびその関連分野
|
|---|
| 研究機関 | 京都大学 |
|---|
研究代表者 |
Kim Sunmin 京都大学, 工学研究科, 准教授 (10546013)
|
|---|
| 研究期間 (年度) |
2017-06-30 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019年度)
|
| 配分額 *注記 |
6,240千円 (直接経費: 4,800千円、間接経費: 1,440千円)
2019年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2018年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2017年度: 3,510千円 (直接経費: 2,700千円、間接経費: 810千円)
|
|---|
| キーワード | 降雨予測 / 深層学習 / CNN / 機械学習 / 気象データ / 衛星データ / 豪雨予測 / 気象観測データ / 畳み込みニューラルネットワーク / 人工知能 / 短期降雨予測 |
|---|
| 研究成果の概要 |
本研究では、人工神経回路網(ANN)の深層学習(Deep Learning)アルゴリズムを活用して気温、気圧、水蒸気量などの気象因子情報を縮約し、その特徴を結びつけることにより、都市地域を対象として数時間先の降雨予測が可能な新たな概念の短期降雨予測モデルを作成した。
画像処理の分野で高い成果を出しているCNNおよびConvEDアルゴリズムを利用し、アメダスの地点雨量とひまわり衛星観測情報を活用して30分先を目標とした短期降雨予測モデルの開発と実験を行なった。
|
| 研究成果の学術的意義や社会的意義 |
本研究は「ANNの深層学習のアルゴリズムは、物理モデルの代わりとして定量的な答えを精度よく出せるのか」の疑問に答えを探すために、そして「ANNの深層学習を物理モデルの代わりとして活用するためにはどのような構造や学習アルゴリズムが必要なのか」を一歩早く調べてその知識を活用するために企画された。
特に、理学・工学の中で最も難しいテーマの一つである短時間降雨予測を対象にCNNとConvEDアルゴリズムを活用して実験を行い、深層学習のアルゴリズムは複雑な自然現象を表現することが十分可能であることを確認した。深層学習のアルゴリズムを活用して、新たな概念の予測モデルを作成することができた。
|
