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．

在这项研究中，我们使用来自两个方面的深度学习来解决降水预测：（1）使用LSTM（长期短期记忆）创建了一个模型，该模型专门研究随时间变化的降水预测现象，专门从事学习时间序列数据，以及来自Kyushu地区区域天气观察系统Amedas的数据。通过进入过去12个小时的观察结果，该组接受了一个小时后的培训，可以预测降水，并在九州地区进行评估。结果，如果预测准确性比常规物理模型可比性或更好，则如果预测一小时的路程。此外，降水是学习沉淀的唯一重要的气象因素，人们认为，17 km的AMEDA的空间分辨率不足以学习由水蒸气收敛等引起的降水现象等。此外，建议学习很难学习很难学习的罕见现象，例如大雨，并且需要增加样品大小。（2）遵循专门研究空间模式的降水预测结果（1），使用日本气象局的降雨分析（空间分辨率为1公里平方），在全国范围内扩展了该地区。为了有效地学习这一点，我们使用了一个名为U-NET的模型，该模型在图像识别领域中实现了结果。此外，通过将旋转变形应用于稀有数据（例如大雨），我们创建了伪到量的数据并增加了样本量。通过进入前六个小时的降水量，我们接受了培训，可以预测提前六个小时的降水量。结果，有高估的趋势，但是在预测大雨的情况下，也有所增加。例如，在2017年7月的九州北部的大雨中，可以预测上午9点的两个线降水区，距离观察到大雨前六个小时。尽管该模型只学会了降水，但已经表明，仅降水可能会学会潜在的信息，例如降水，收敛和水蒸气的差异。此外，通过使用伪数据，已经有可能预测少数情况，例如大雨，这表明需要这一点。