| 研究課題/領域番号 |
21H04913
|
|---|
| 研究種目 |
基盤研究(A)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
中区分62:応用情報学およびその関連分野
|
|---|
| 研究機関 | 滋賀大学 |
|---|
研究代表者 |
飯山 将晃 滋賀大学, データサイエンス学系, 教授 (70362415)
|
|---|
| 研究期間 (年度) |
2021-04-05 – 2025-03-31
|
| 研究課題ステータス |
交付 (2024年度)
|
| 配分額 *注記 |
41,210千円 (直接経費: 31,700千円、間接経費: 9,510千円)
2024年度: 11,700千円 (直接経費: 9,000千円、間接経費: 2,700千円)
2023年度: 12,480千円 (直接経費: 9,600千円、間接経費: 2,880千円)
2022年度: 9,490千円 (直接経費: 7,300千円、間接経費: 2,190千円)
2021年度: 7,540千円 (直接経費: 5,800千円、間接経費: 1,740千円)
|
|---|
| キーワード | 深層学習 / 物理モデル / 海況データ / 時系列予測 / 海洋気象データ / 機械学習 / リモートセンシング / 気象データ |
|---|
| 研究開始時の研究の概要 |
物理モデルと機械学習を統合した精密で高精度な気象予測技術の開発を目的とする．本研究では対象として，海洋気象の短期予測を取り扱う．代表者らがこれまでに取り組んできた散乱モデルとコンピュータビジョンを統合した技術の研究で得られた知見に加え，海洋気象データと水産データを用いた機械学習手法の研究で得られた海洋気象に関する知見を用い，物理法則から逸脱せず高精細で高精度の短期気象予測を実現するアプローチを提案する．
|
| 研究実績の概要 |
物理モデルと機械学習を統合した精密で高精度な気象予測技術の開発という目標に向けて本年度は主に以下の3点について研究開発を行った．
(1) 機械学習によって衛星観測から海面水温を推定する手法について研究を行った．従来，気象衛星ひまわり9号から観測されるマルチバンドの情報より海面水温を物理モデルによって推定する手法が提案されてきたが，雲による散乱等によって精度低下や欠測が生じていた．これに対し，アンサンブル学習によって雲による影響を考慮しつつ高精度で海面水温が予測する手法を開発した．
(2) 海流による水塊の移動を考慮した深層学習による海面水温の短期予測手法を開発した．物理法則に基づいて予測される水温情報に対し，学習ベースオプティカルフローを用いた変位推定と衛星観測データとを統合することで，物理シミュレーションでは精度が低下する箇所について水温予測精度の向上を果たした．
(3) 昨年度に引き続き，深層deformationモデルによる水温予測について研究を行った．流速に基づくdeformationでは十分な精度が得られないことが判明したため，deformationのパラメータ自体も推定対象とする手法の開発を試みた．
(1)(2)についてはリモートセンシングの国際会議に採択され，2024年度に発表予定である．(3)についても基礎理論は開発を終えており，手法のチューニングと評価を行う段階にある．また，当初研究にはなかった副次的な研究成果として，面的な海面水温超解像技術を転用することで海底地形の超解像を実現する手法を開発し従来手法を上回る精度を達成した．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
海面水温の短期予測手法について，当初計画で予定してた項目のうちend-to-end学習部分以外の項目については一点の研究成果が得られた，もしくは得られる目処がついた．
本研究課題を進める過程で，副次的な成果として当初計画にはなかった海洋データの超解像についても成果が得られており，おおむね順調に研究が進展している．
|
| 今後の研究の推進方策 |
物理モデルと深層学習との関係については，研究計画立案時では着目されていなかったサロゲートモデルが，近年海外で盛んに研究されている．2023年度の成果(1)はそこで得られた知見を一部反映したものであるが，まだ精度向上の余地がある．
2024年度は国内外の研究成果も取り入れつつ，物理モデルと機械学習の互いの利点を取り入れた短期予測手法を確立させて行く予定である．
|
