OceanVision: Ocean Weather Forecasting by Integrating Physical Models and Machine Learning

OceanVision：通过集成物理模型和机器学习进行海洋天气预报

基本信息

批准号：
21H04913
负责人：
飯山将晃
金额：
$ 26.37万
依托单位：
Shiga University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (A)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-05 至 2025-03-31
项目状态：
未结题

项目摘要

本年度は，深層学習による水温予測の高精度化，特に「物理学的に妥当である」ことを予測モデルに組み込むことや散乱等の物理現象を予測モデルに取り入れることを目的に研究開発を進めた．また，研究開発に必要なデータについても継続的に取得・整理を行った．具体的には以下の項目について研究開発を行った．(1)敵対的学習による物理学的妥当性を反映した海面水温の予測手法の開発．昨年度取り組んだ敵対的学習による現在の海面水温推定手法を時系列予測に発展させた手法の開発に取り組んだ．東北沿岸エリアでの実験により一定の性能が得られることを確認した．(2) 散乱モデルを用いた衛星観測からの海面水温推定．昨年度取り組んだ敵対的学習による現在の海面水温推定手法に対して，さらに散乱による観測ノイズを考慮したモデルの開発に取り組んだ．(3) 複数のディスクリミネータを用いた海面水温観測・推定のdenoisingと高精細化．画像超解像と欠損修復を合わせたモデルを開発し，時間超解像と空間超解像を実現するモデルを開発した．いずれも，海洋環境の予測・高精細化に対してデータドリブンなアプローチ＋物理法則の組み合わせを試みたものであるが，現時点では従来の深層学習ベースの手法と比較して大きな性能改善には繋がっておらず，さらなる改良が必要である．また，水温予測以外のタスクとして海洋環境データから生態系の予測を行うモデルについても開発を行った．これは，時系列パターンである海洋環境データから同じく時系列パターンである生態系マップを生成する深層学習モデルであり，本研究の目的である海洋気象予測への拡張が可能なモデルである．

今年，我们进行了研发，目的是通过深度学习来提高水温预测的准确性，将“物理有效”纳入预测模型，并将诸如散射等物理现象纳入预测模型。此外，不断获得和组织研发所需的数据。具体而言，对以下项目进行了研发：（1）开发一种预测通过敌对学习反映物理有效性的海面温度的方法。我们致力于开发一种方法，该方法开发了当前的海面温度估计方法，该方法通过敌对学习到时间序列预测中，该方法通过敌对学习。我们确认可以通过在东北沿海地区的实验来实现某些表现。（2）使用散射模型从卫星观测中估算海面温度。我们还致力于开发一个模型，该模型考虑了散射引起的观察噪声，考虑到去年使用敌对学习进行的当前海面温度估计方法。（3）使用多个歧视因子对海面温度观察和估计的降解和高清晰度。我们开发了一个结合图像超分辨率和缺陷修复的模型，并开发了一种实现时间超分辨率和空间超分辨率的模型。两项尝试结合了数据驱动的方法和物理定律以预测和改善海洋环境，但是与传统的基于深度学习的方法相比，这两种尝试并未导致绩效的重大改进，并且需要进一步改进。此外，我们还开发了一个模型，该模型将海洋环境数据中的生态系统预测为水温预测以外的任务。这是一个深度学习模型，生成生态系统地图（也是时间序列模式），来自海洋环境数据，这些模式是时间序列模式，并且可以扩展到这项研究的目的，即海洋天气预测。