| 研究課題/領域番号 |
16K21585
|
|---|
| 研究機関 | 統計数理研究所 |
|---|
研究代表者 |
鈴木 香寿恵 統計数理研究所, 大学共同利用機関等の部局等, 研究員 (20455190)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2019-03-31
|
| キーワード | 機械学習 / 降雪 / イメージング解析 |
|---|
| 研究実績の概要 |
H29年度は，南極昭和基地周辺の雲画像をイベントの有無によって分類し，Convolution Neural Network(CNN)を用いた学習を行った。まず，解析領域をなるべく均一に得るために観測時間の近い複数の画像を用いて，合成画像の作成を行った。次に，イベントの有無によって雲の形状や面積が異なるか確認するために，背の高い雲の抽出および雲面積として該当ピクセルの算出を行った。抽出方法はいくつか試した結果，chain-based輪郭法を用いることで，概ね良好な抽出が得られている。また，雲ピクセル数を雪の有無で分類した結果，降雪時は背の高い雲が多く，降雪がない時と比較して1桁大きな値を持つ傾向が見られ，背の高い雲が降雪をもたらすメカニズムと関連が高いことを示唆していた。CNNによる学習は現在も引き続き行っており，結果の解釈をしている途中である。
また，Support Vector Machineを用いて降雪の有無による雲分類を行った。特微抽出過程を複数選んで比較したところ，今回の課題においてはSURF検出器を用いた方が真陽性率が向上し，イベント外の雲認識を8割程度の正答率で認識できるようになった。この認識方法を用いて，観測記録がないエリアについても降雪の有無を判別出来るようになると考えている。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
H29年度は，代表者は研究職から離れており研究に従事する時間は少なかったが，謝金アルバイト雇用を行い，画像解析や機械学習のモデル構築などを進めることが出来た。しかしながら，H28年度の遅れの影響もあり，予定であった降雪量の推定モデルの構築が終わっていない。
|
| 今後の研究の推進方策 |
H30年度では，引き続き降雪量の推定モデルの構築を行い，H29年度までに得られた研究成果をまとめた論文発表を行う予定である。場合によっては，南極域全体の降雪量推定モデルの構築が間に合わないことが考えられ，研究の延長も検討している。
|
| 次年度使用額が生じた理由 |
研究代表者のライフイベントが発生したため，円滑な研究促進を図るために謝金アルバイトの雇用を実施した．謝金が不足することを懸念し前倒し請求を行った結果，残額が発生したがすでに年度末で予算執行は不可能だったため．次年度使用額が発生した．
|
