文献

J-GLOBAL ID：202002289689855620   整理番号：20A2465964

深層学習を用いた波浪予測手法の開発と日本沿岸域への適用性

Development of Deep-Learning Based Wave Prediction Model and Its Applicability to Japanese Coasts

著者 (6件)： 馬渡竜輝 (早稲田大) ,  高畠知行 (早稲田大) ,  KYAW Thit Oo (早稲田大) ,  柴山知也 (早稲田大) ,  澁谷容子 (東洋建設) ,  小竹康夫 (東洋建設)
資料名： 海洋工学シンポジウム(CD-ROM)  (Ocean Engineering Symposium (CD-ROM))
巻： 28th  ページ： ROMBUNNO.OES28-036  発行年： 2020年 
JST資料番号： S0108B  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 最近,機械学習または深層学習技術に基づく波浪予測モデルが活発に研究されている。しかしながら,既存のモデルの大部分は人工ニューラルネットワーク(ANN)または畳込みニューラルネットワーク(CNN)を使用し,リカレントニューラルネットワーク(RNN)を使用する波浪予測モデルにはほとんど注意が払われていない。本研究では,RNNの拡張モデルであるLong Short Term Memory(LSTM)に基づく波浪予測モデルを開発した。このモデルを用い,24時間前のデータを用いて,現在の波浪条件が海上工事の波浪条件を超えることを,このモデルが予測できるかどうかを検討した。全ての日本の海岸線(すなわち,NOWPHASの50の観測点)へのモデルの適用を通して,かなり高い精度(一般に90%以上)で,モデルはそれを予測できることが分かった。(翻訳著者抄録)

シソーラス用語： *機械学習 ,  波浪予報 ,  *予測モデル ,  ニューラルネットワーク ,  適応性 ,  評価 ,  沿岸 ,  *波浪 ,  リカレントニューラルネットワーク ,  畳込みニューラルネットワーク ,  *深層学習 ,  日本沿岸 ,  *モデル
準シソーラス用語： LSTM ,  沿岸域 ,  人工ニューラルネットワーク ,  精度評価 ,  適用性 ,  波浪予測 ,  予測手法

分類 (1件)： 波浪,潮流  (DC06040R)

引用文献 (10件)：

• Booij, N., L.H. Holthuijsen and R. C. Ris (1996): The “SWAN” wave model for shallow water, Proc. 25th Int. Conf. on Coastal Eng., pp. 668-676.
• WAMDI group (1988): The WAM model-a third generation ocean wave prediction model, Jour. Physical Oceanography, 18, pp. 1775-1810.
• Tolman, H.L. (2002): Testing of WAVEWATCH III version 2.22 in NCEP’s NWW3 ocean wave model suite, Tech Note 214, NOAA/NWS/NCEP/OMB, 99p.
• 五十嵐雄介・今井聡・伊東敦史・海津博行(2018):ニューラルネットワークによる簡易的な波浪推定方法についての検討,土木学会論文集 B2(海岸工学),第74巻,pp.I_679-I_684.
• 五十嵐雄介・田島芳満(2018):ニューラルネットワークによる日本沿岸の 波浪の推定に関する検討,土木学会論文集 B2(海岸工学),第74巻,pp. I_685-I_690.

タイトルに関連する用語 (7件)： 深層学習 ,  波浪 ,  予測手法 ,  開発 ,  日本 ,  沿岸域 ,  適用性