実測・疑似拡張気象データの機械学習による新たな豪雨予測モデルの開発

利用测量和模拟的增强天气数据的机器学习开发新的暴雨预测模型

基本信息

批准号：
20J13777
负责人：
金子凌
金额：
$ 1.34万
依托单位：
Tokyo University of Science
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-24 至 2022-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20J13777/
关键词：
降水予測水文学深層学習機械学習

项目摘要

本研究では，深層学習を用いた降水予測に以下の二つの側面から取り組んだ．(1)時系列データの学習に特化した降水予測現象の時間的変化の学習に特化したLSTM (Long short-term memory)を用いてモデルを作成し，これに九州地方の地域気象観測システムAMeDASのデータを学習させた．過去12時間分の観測値を入力すると1時間後の降水量を予測するよう学習させ，評価も九州地方で行った．その結果，1時間先の予測であれば従来の物理モデルよりも同等かそれ以上の予測精度であった．また，降水の学習に重要な気象因子は降水量のみであり，水蒸気の収束などによる降水現象を学習するのにAMeDASの空間解像度17 kmでは不十分であることが考えられた．さらに，豪雨のような希な現象を学習するのも難しく，サンプルサイズを増やす必要があることが示唆された．(2)空間パターンの学習に特化した降水予測(1)の結果を受け，空間解像度の高い気象庁の解析雨量（1 km四方の空間解像度）を使用し領域を全国に広げた．これを効果的に学習するように画像認識の分野で成果を挙げているU-Netというモデルを使用した．さらに，豪雨などの希なデータに回転変形などを適用することで擬似的な豪雨データを作成しサンプルサイズを増やした．前6時間分の降水量を入力すると6時間先までの降水量を予測するよう学習させた．その結果，過大評価の傾向はあるが，豪雨を予測する例も増加した．例えば，平成29年7月九州北部豪雨では，豪雨が観測される6時間前の午前9時には二本の線上降水帯を予測することが可能であった．このモデルは降水のみを学習しているが，降水のみで降水の移流や水蒸気の収束・発散などの潜在的な情報を学習できた可能性が明らかとなった．また，擬似的なデータを用いることにより，豪雨などの希な事例を予測できるようになり，その必要性が示唆された．

在本研究中，我们从以下两个方面利用深度学习来解决降水预测问题。（1）使用LSTM（长短期记忆）创建一个模型，专门学习时间序列数据并学习降水预测现象的时间变化，并将其应用于九州地区的区域天气观测系统数据。训练有素。系统学会了通过输入过去12小时的观测值来预测一小时后的降水量，评估是在九州地区进行的。结果，提前一小时预测时，预测精度等于或高于传统物理模型。此外，对于学习降水来说唯一重要的气象因素是降水，而AMeDAS 17 km的空间分辨率被认为不足以学习水汽汇聚等降水现象。此外，很难学习诸如大雨之类的罕见现象，这表明需要增加样本量。 (2) 基于专门学习空间模式的降水预报(1)的结果，我们利用日本气象厅的高空间分辨率分析降雨量（1平方公里的空间分辨率）将范围扩大到覆盖全国。为了有效地学习这一点，我们使用了一种名为U-Net的模型，该模型在图像识别领域取得了成果。此外，通过对大雨等稀有数据应用旋转变形，我们创建了伪大雨数据并增加了样本量。系统通过输入前 6 小时的降水量学会了最多提前 6 小时预测降水量。结果，尽管存在高估的趋势，但预测大雨的情况却有所增加。例如，2017年7月九州北部的暴雨期间，可以在上午9点（即观测到暴雨前6小时）预测出两条线性降水带。尽管该模型仅学习降水，但很明显，它可能能够仅从降水中学习降水平流和水汽辐合/发散等潜在信息。此外，通过使用伪数据，可以预测大雨等罕见情况，这表明了这种方法的必要性。