{{ $t("message.ADVERTISEMENT") }}
{{ $t("message.AD_EXPIRE_DATE") }}2024年03月
文献
J-GLOBAL ID:201802274208537929   整理番号:18A0289567

インターネット上の気象データを用いたニューラルネットワークに基づく地域降雨予測システム日本気象庁のデータを用いた事例研究【Powered by NICT】

A neural network-based local rainfall prediction system using meteorological data on the Internet: A case study using data from the Japan Meteorological Agency
著者 (7件):
資料名:
巻: 56  ページ: 317-330  発行年: 2017年 
JST資料番号: W2175A  ISSN: 1568-4946  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: オランダ (NLD)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本研究では,人工ニューラルネットワーク(ANN)に基づく局所降雨(降水量)予報システムを開発し試験した。著者らのシステムは,インターネットからの降雨予測に用いる気象データを自動的に得ることができる。局所点に設置された装置からの気象データもこのシステムにおけるユーザ間で共有される。研究の最終目標は,インターネット上の「ビッグデータ」の実用化と同様に正確な降雨予測のためのユーザ間のデータの共有した。日本気象庁(JMA)からのデータを用いた日本の領域における局所的降雨を予測した。システムのためのニューラルネットワーク(NN)モデルとして,最小二乗法(LSM)と逆伝搬(BP)とランダム最適化(RO)法,動径基底関数ネットワーク(RBFN)から成るハイブリッドアルゴリズムを用いた多層パーセプトロン(MLP)を用い,二つのモデルの予測性能を比較した。2012年に松山,札幌と那覇における降水(12:00及び24:00JST(日本標準時間)の間の0.5mm以上の降雨の総量)は2011から各都市の気象データを用いたニューラルネットワークによる予測した。提案システムの普遍性を検証するために,析出の体積は日本でも16点で予測された(総量17:00および24:00JST間の1.0mm以上)と気象庁による予測と比較した。実験の結果は,日本の降水量は提案した方法により予測できることを,MLPモデルの予測性能は降雨予測問題のためのRBFNモデルよりも優れていることを示した。しかし,結果はJMAにより発生したものより良くなかった。最後に,2011~2012年に東京で(Jun Sep.)夏の大雨(10mm/h以上)午後(12:00 24:00 JST)は2000と2010の間で東京のデータを用いて予測した。結果は,析出の体積を正確に予測でき,豪雨のキャッシング速度が高いことを示した。これは提案したシステムは,「ゲリラ豪雨」として予期しない局地的大雨を予測することができることを示唆する。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
脳・神経系モデル 

前のページに戻る