文献

J-GLOBAL ID：201702214381334146   整理番号：17A0884639

リアルタイム再解析データに基づく機械学習短時間予報法【Powered by NICT】

A machine learning nowcasting method based on real-time reanalysis data

著者 (8件)： Han Lei (College of Information Science and Engineering, Ocean University of China, Qingdao, China) ,  Han Lei (Institute of Urban Meteorology, China Meteorological Administration, Beijing, China) ,  Sun Juanzhen (National Center for Atmospheric Research, Mesoscale and Microscale Meteorology Laboratory, Boulder, Colorado, USA) ,  Zhang Wei (College of Information Science and Engineering, Ocean University of China, Qingdao, China) ,  Zhang Wei (Institute of Urban Meteorology, China Meteorological Administration, Beijing, China) ,  Xiu Yuanyuan (College of Information Science and Engineering, Ocean University of China, Qingdao, China) ,  Feng Hailei (College of Information Science and Engineering, Ocean University of China, Qingdao, China) ,  Lin Yinjing (National Meteorological Center, China Meteorological Administration, Beijing, China)
資料名： Journal of Geophysical Research: Atmospheres  (Journal of Geophysical Research: Atmospheres)
巻： 122  号： 7  ページ： 4038-4051  発行年： 2017年 
JST資料番号： C0294B  ISSN： 2169-897X  CODEN： JGREA2  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 過去数十年にわたる顕著な進歩にもかかわらず,最も短時間予報(nowcasting)システムは,他の気象場に考慮しないレーダ反射率の線形外挿に基づいているので対流性雷雨短時間予報は困難なままである。変分Dopplerレーダ解析システム(VDRAS)は,Dopplerレーダ観測の同化による3次元風,温度および湿度の解析を用意できる先端的対流規模解析システムである。潜在的に有用であるが,短時間予報を改善するためにこれらの場を使用するどのように未解決の問題である。本研究では,著者らはVDRAS分析データを用いた機械学習の枠組みの下でボックスベース短時間予報(SBOW)法をサポートベクトルマシン(SVM)を開発することを著者らの最初の試みの結果を示した。SBOWの重要な設計点は次の通りである:(1)研究ドメインは多くの位置固定小箱に分割し,短時間予報(nowcasting)問題は,一つの問題に変換した,すなわち,30分でボックスに現れるレーダエコー>35dBZ(2),時間的傾向と周辺環境情報を含むボックスベース時間的および空間的特徴を構築した。(3)またボックスベース構築特徴を最初にSVM分類器を訓練するために使用し,訓練された分類器を用いて予測を行った。複雑で高価なエキスパートシステムと比較して,SBOWの上記設計は系を小さく,コンパクト,簡単,低コストで維持し,拡張が容易であることを可能にした。実験結果は複雑な追跡アルゴリズムを使用しないが,SBOWは合理的な技能と豪雨移動傾向と低気圧の成長を予測することができることを示した。Copyright 2017 Wiley Publishing Japan K.K. All Rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： サポートベクトルマシン ,  変分法 ,  風 ,  外挿法 ,  Dopplerレーダ ,  湿度 ,  対流 ,  豪雨 ,  エキスパートシステム ,  雷雨 ,  *機械学習 ,  低気圧 ,  三次元 ,  線形性
準シソーラス用語： *短時間予報 , 【Automatic Indexing@JST】

著者キーワード (3件)： 短時間予報(nowcasting) ,  機械学習 ,  対流嵐

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： リアルタイム ,  再解析データ ,  機械学習 ,  短時間予報