文献

J-GLOBAL ID：202102267001998511   整理番号：21A0084890

XCEPTIONを用いたディープラーニングによる波浪予測の1年間の検証

ONE YEAR VERIFICATION OF WAVE PREDICTIONS BY DEEP LEARNING USING XCEPTION

著者 (6件)： TOM Tracey H. A. (Hydro Technology Institute, Co., Ltd.) ,  IKEMOTO Ai (HOKUULA Co. Ltd.) ,  MASE Hajime (Disaster Prevention Research Institute, Kyoto University) ,  KIM Sooyoul (Social Systems and Civil Engineering, Tottori University) ,  TAKEDA Masahide (Research and Development Center, TOA Corporation) ,  KAWASAKI Koji (Hydro Technology Institute, Co., Ltd., Meijo University, Osaka University and Osaka City University)
資料名： 土木学会論文集 B2(海岸工学)(Web)  (海岸工学論文集(Web))
巻： 76  号： 2  ページ： I_1213-I_1218(J-STAGE)  発行年： 2020年 
JST資料番号： U0396A  ISSN： 1883-8944  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： 正確でタイムリーな波予測は,港湾保全と管理ならびに一般的な海洋安全にとって極めて重要である。現代の数値風波モデリングは,必要な計算をタイムリーに完了するために,大量の計算力を必要とする,波発生,相互作用,伝播,および散逸に関与する物理プロセスを計算する。畳込みニューラルネットワーク(CNN)は,より少ない計算コストと処理速度の観点から波動予測を改善することが示されている。本研究では,日本気象庁のグリッドポイント値メソスケールモデル(GPV-MSM)の入力特徴を持つ日本海沿岸に沿った波予測に対するXcep深学習アーキテクチャの適用を検討した。特に,本研究では,1年間の試験期間の予測スキルを検証し,深層学習モデルによる波動予測をいかに改良し,利用できるかを理解することを目指した。(翻訳著者抄録)【JST・京大機械翻訳】

シソーラス用語： *波浪予報 ,  機械学習 ,  ニューラルネットワーク ,  *数学モデル ,  評価 ,  *能力
準シソーラス用語： *ディープラーニング ,  畳込みニューラルネットワーク

著者キーワード (4件)： 深層学習 ,  畳込みニューラルネットワーク ,  波浪予測 ,  Xception

分類 (2件)： 海岸工学  (RC13000X) ,  波浪,潮流  (DC06040R)

引用文献 (9件)：

• 1) Booij, N, Ris, R. C. and Holthuijsen, L. H. : A third generation wave model for coastal regions: 1. 598 Model description and validation, Jour. Geophys. Res., Vol. 104, Issue C4, pp. 67649-7666, 599, 1999.
• 2) Mase, H., Sakamoto, M. and Sakai, T. : Neural network for stability analysis of rubble-mound breakwaters, J. Waterway, Port, Coastal, and Ocean Eng., ASCE, Vol. 121, No. 6, pp. 294-299, 1995.
• 3) Tom, H. A., Mase, H., Ikemoto, A., Saitoh, T., Kawasaki, K., Takeda, M. : Wave Prediction by Neural Network Using atmospheric Pressure and Wind Speeds, Journal of JSCE, Ser.B2, Coastal Eng., Vol. 74, No. 2, pp. I_691-I_696, 2018.
• 4) TensorFlow: Large-scale machine learning on heterogeneous systems, 2015. Software available from tensorflow.org.
• 5) Tom, H. A., Ikemoto, A., Mase, H., Kawasaki, K., Takeda, M., Kim, S. : Wave Prediction in the Sea of Japan by Deep Learning Using Meteorological Data, Journal of JSCE, Ser.B2, Coastal Eng., Vol. 75, No. 2, pp. I_145-I_150, 2019.

タイトルに関連する用語 (3件)： ディープラーニング ,  波浪予測 ,  検証