Home >

news ヘルプ

論文・著書情報


タイトル
和文:全球気候ビッグデータと深層学習によるチャオプラヤー川流域S2S降雨予測 
英文: 
著者
和文: 長谷川 青春, 鼎 信次郎.  
英文: Kiyoharu Hasegawa, Shinjiro Kanae.  
言語 Japanese 
掲載誌/書名
和文:土木学会論文集B1（水工学） 
英文:Journal of Japan Society of Civil Engineers, Ser. B1 (Hydraulic Engineering) 
巻, 号, ページ Volume 77    Issue 2    p. I1207-I1212
出版年月 2021年12月 
出版者
和文:公益社団法人土木学会 
英文:Japan Society of Civil Engineers 
会議名称
和文:第66回水工学講演会 
英文:The 66th Conference on Hydraulic Engineering 
開催地
和文:オンライン 
英文:Online 
公式リンク https://www.jstage.jst.go.jp/article/jscejhe/77/2/77_I_1207/_article/-char/ja/
 
DOI https://doi.org/10.2208/jscejhe.77.2_I_1207
アブストラクト 　2週間以上の降雨予測は気候モデルの精度が急激に低くなることが知られており，深層学習モデルの適用が期待されている．本研究はタイ，チャオプラヤー川流域を対象に5~10月までの雨季にかけて深層学習による1~3か月降雨予測を行った．その際深刻な観測データ不足を，非観測データであるCMIP5データセットを用いることで解決可能であるか検証した．結果，CMIP5の訓練データへの適応可能性を示した．長い予測リードタイムであっても深層学習は気候モデルに比べ，不確実性が増大しない特徴が明らかとなった．雨季の終始においては気候モデルを上回る予測精度を示し，S2S予測手の適用可能性を示唆した．

©2007 Institute of Science Tokyo All rights reserved.