タイにおけるディープラーニングによるS2S予測への挑戦

長谷川 青春; 鼎 信次郎

論文・著書情報

タイトル

和文:	タイにおけるディープラーニングによるS2S予測への挑戦
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:
英文:

巻, 号, ページ

出版年月

2021年5月

出版者

和文:
英文:

会議名称

和文:	日本地球惑星科学連合2021年大会
英文:	Japan Geoscience Union Meeting 2021

開催地

和文:	オンライン
英文:	Online

公式リンク

https://www.jpgu.org/meeting_j2021/

アブストラクト

Subseasonal to seasonal prediction(S2S予測)は未だ水文気象予測に残された難問の1つである． S2S予測とは1か月から数か月にわたるリードタイムを指し，予測精度が急激に低くなることが知られている. 強力な統計モデルの一つである深層学習は，時空間的局所領域に特化した予測が可能であり，S2S予測への適用が期待されている．本研究では洪水緩和のためにダム管理への長期降水予測導入が急務であるタイ，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1ヶ月降雨予測を行なった．深層学習モデルは，海面水温と潜在海水温の全球マップを入力値とし構築されている．この際，65程度しかない観測データを，CMIP5データセットを用いて2500程度まで拡張することで，モデルの適切な学習を実現可能にしている．深層学習モデルの予測精度を気候モデル，線形モデルそれぞれの精度と比較した．結果，深層学習モデルは現在最も精度の良い気候モデルにやや劣るものの，線形モデルよりも高い予測精度を示した．さらに，CMIP5データセットのみで学習した場合最も高い予測精度を示し，深層学習モデルが将来的に気候モデルを上回る可能性を示した．

受賞情報

学生優秀発表賞

Home

各種検索

サポート

T2R2について

関連リンク

論文・著書情報