研究課題/領域番号 |
19H02246
|
研究種目 |
基盤研究(B)
|
配分区分 | 補助金 |
応募区分 | 一般 |
審査区分 |
小区分22040:水工学関連
|
研究機関 | 山梨大学 |
研究代表者 |
相馬 一義 山梨大学, 大学院総合研究部, 准教授 (40452320)
|
研究分担者 |
古屋 貴彦 山梨大学, 大学院総合研究部, 准教授 (00770835)
宮本 崇 山梨大学, 大学院総合研究部, 准教授 (30637989)
馬籠 純 山梨大学, 大学院総合研究部, 准教授 (70377597)
石平 博 山梨大学, 大学院総合研究部, 教授 (80293439)
|
研究期間 (年度) |
2019-04-01 – 2023-03-31
|
研究課題ステータス |
完了 (2023年度)
|
配分額 *注記 |
17,550千円 (直接経費: 13,500千円、間接経費: 4,050千円)
2022年度: 2,730千円 (直接経費: 2,100千円、間接経費: 630千円)
2021年度: 2,730千円 (直接経費: 2,100千円、間接経費: 630千円)
2020年度: 2,730千円 (直接経費: 2,100千円、間接経費: 630千円)
2019年度: 9,360千円 (直接経費: 7,200千円、間接経費: 2,160千円)
|
キーワード | 深層学習 / 機械学習 / 数値気象モデル / 降雨予測 |
研究開始時の研究の概要 |
近年豪雨による土砂・浸水被害が多く,降水量分布の予測精度を向上させ土砂・浸水危険度予測へ活用することが急務である.それに対し研究代表者らは,詳細な都市活動(人工排熱や建物高さ等)を考慮した数値気象モデルを開発し予測精度向上に努めてきたが,上昇気流等降水の原因は予測できても降水の定量的予測には至らない事例が見られた.それを補う上で,近年ビッグデータ解析で成果の著しい深層学習を用いた数値気象モデル予測結果の補正が有効と期待される.そこで本研究では深層学習を活用し,数値気象モデル予測結果を補正して豪雨を定量的に予測する手法を新たに構築し,精度向上を図る.
|
研究成果の概要 |
本研究では,数値気象モデル(物理式に基づき3次元の気温や風速等をコンピュータで予測するプログラム)による予測結果を深層学習(人間の神経細胞を模した人工知能)で補正して降水強度分布を出力する手法を開発した.深層学習として手法の一種であるU-Net(画像分析等で用いられる視神経を模した高度な人工知能)を導入し検討を行った.加えて,深層学習手法へ数値気象モデル出力を入力する際のデータ拡張手法(データ不足を補うために水増しを行う手法)についても改良を進めた.その結果,数値気象モデル予測とU-Netを導入した補正手法を組み合わせることで,減災で重要となる強雨域の予測を改善できる可能性が示唆された.
|
研究成果の学術的意義や社会的意義 |
数時間から1日程度先までの降水量を予測するためには,数値気象モデル(物理式に基づき3次元の気温や風速等をコンピュータで予測するプログラム)による予測が重要となる.本研究で開発した手法を用いることで,数値気象モデルのみでは降水の予測には至らない豪雨でも,降水の原因となる上昇気流や水平風速の予測結果を深層学習(人間の神経細胞を模した人工知能)へ入力して自動的に降水量予測結果を補正できる.それによって定量的な豪雨予測の信頼性が向上し,土砂・浸水危険度予測の信頼性向上とその早期避難への活用が期待でき,災害に強い都市づくりに貢献できると期待される.
|