研究課題
本研究課題の目的は、気象に関する時空間のビックデータから、機械学習の手法を用いて時空間変動パターンを抽出し、これをベースとした知識発見支援システムを構築して、ひまわり8号画像や3次元レーダデータに展開し,webからの参照やアラーティングが可能なシステムを開発することである。この際、バックエンドでは分散処理システムを構築し、大規模データの効率の良い処理、アクセスを確保するものとしている。平成２９年度は、パターン抽出の基礎アルゴリズムの抽出と検討を行い、また研究会を設けて、手法やデータの特性についての意見交換を行なった。パターン抽出アルゴリズムとしては、レーダからの降水コアの自動抽出・追跡のために、これまでに開発した多変量正規分布の混合モデルを用いた抽出法を利用しつつ、さらに抽出したオブジェクトの時間連続性（新規発生、複数オブジェクトの融合、消滅など）をより正確に求める手法の検討を行った。この内容の一部はH30年6月の人工知能学会で発表予定である。また、竜巻発生時の漏斗雲など、監視カメラで検出可能な特徴をCNNによって学習、検知する手法の検討をおこなった。特に遠方に存在する微小な特徴を、早い段階から精度よく高速に検出する手法についての検討し, 学会（H30年3月DEIM2018など）で報告した。手法やデータの理解に関しては、分担者全員による全体会合をH29年11月20日に高知大学で実施し、開発中のアルゴリズムに対する気象学、分散処理それぞれの分野の専門家としてのコメントや、利用可能なデータのノイズ特性、その対策などについての情報交換を行った。
3: やや遅れている
当初計画していた基礎アルゴリズムの開発は、多変量正規分布の混合分布によるモデリングを使用したフェーズドアレイ気象レーダデータからの降水コアの抽出などに加え、新規に検討をはじめた深層学習(CNN)による監視カメラからの漏斗雲の検出も含めて順調に進展しているが、分散処理システムの仕様設計と構築、実装がやや遅れた。これは、深層学習などの検討を他の資金で購入したGPGPUマシンで先行して行い、その結果、分散処理、並列処理環境の両者について統合的なシステムの検討を行う必要を再認識しためである。
H30年度前半には、深層学習などの実施も視野に入れた並列・分散処理システムとしてのバックエンドシステムの仕様を決定し、導入、実装を開始する。引き続き、パターン抽出アルゴリズムの開発を、フェーズドアレイ気象レーダデータや監視カメラ画像、ひまわり8号の画像に実際に適用、検証しながら実施する。この際、パターンの誤検出の改善について、解の時間的連続性や変化を用いて後処理で簡易に行う手法や、モデルそのものに時間変化を組み込む手法についても検討する。また、監視カメラの場合、得られたオブジェクト（漏斗雲）の特徴から接近する危険な対象を識別することを試みる。また最終年度にむけて、リアルタイムで取得されるデータの配信、処理や、その結果をweb上から抽出結果などを視覚的に確認できるシステムの設計も同時に進めていく。
次年度使用分は、分散処理システムの設計に時間を要し、そのシステムの導入をH30年度に持ち越したためである。当該年度の前半に導入の方向で急ぎ検討する。
すべて 2018 2017
すべて 雑誌論文 (6件) (うち査読あり 2件) 学会発表 (12件) (うち国際学会 2件)
宇宙科学情報解析論文誌
巻: 7号 ページ: 33-42
DEIM Forum 2018
巻: - ページ: 1-8
JNICT季報／研究報告
巻: 64, 2 ページ: 167-176
NICT季報／研究報告
巻: 63, 2 ページ: 153-162
Earth Sci. Inform.
巻: 11, 2 ページ: 217-237
https://doi.org/10.1007/s12145-017-0316-4
日本気象学会機関誌「天気」
巻: 64, 12 ページ: 901-905
