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)： Kashiwao Tomoaki (Department of Electronics and Control Engineering, National Institute of Technology, Niihama College, 7-1 Yagumo-cho, Niihama, Ehime 792-8580, Japan) ,  Kashiwao Tomoaki (School of Environment, Science and Engineering, Southern Cross University, P.O. Box 157, Lismore, NSW 2480, Australia) ,  Nakayama Koichi (Department of Electronics and Control Engineering, National Institute of Technology, Niihama College, 7-1 Yagumo-cho, Niihama, Ehime 792-8580, Japan) ,  Ando Shin (Graduate School of Science and Engineering, Ehime University, 3, Bunkyo-cho, Matsuyama, Ehime 790-8577, Japan) ,  Ikeda Kenji (Graduate School of Institute of Technology and Science, Tokushima University, 2-1 Minamijosanjima-cho, Tokushima 770-8506, Japan) ,  Lee Moonyong (School of Chemical Engineering, Yeungnam University, Dae-dong 214-1, Gyeongsan 712-749, Republic of Korea) ,  Bahadori Alireza (School of Environment, Science and Engineering, Southern Cross University, P.O. Box 157, Lismore, NSW 2480, Australia)
資料名： Applied Soft Computing  (Applied Soft Computing)
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： 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： *ニューラルネットワーク ,  集中豪雨 ,  *インターネット ,  *降雨 ,  降水量 ,  *事例研究 ,  *日本 ,  最小二乗法 ,  夏 ,  都市 ,  東京都 ,  *気象データ ,  最適化 ,  *降雨予報 ,  改変
準シソーラス用語： *気象庁 ,  *降雨予測 , 【Automatic Indexing@JST】

著者キーワード (5件)： 地域降雨予測 ,  沈殿 ,  気象データ ,  ニューラルネットワーク ,  ビッグデータ

分類 (1件)： 脳・神経系モデル  (EL02050C)

タイトルに関連する用語 (8件)： インターネット ,  気象データ ,  ニューラルネットワーク ,  地域 ,  降雨予測 ,  日本 ,  気象庁 ,  研究