Core Concepts
物理的理解を統合することで、深層学習モデルの降水予測精度を向上させ、都市部における短期的な降水予報の精度を高めることができる。
Abstract
本研究では、物理的理解に基づいた深層学習モデルであるConvLSTM2Dを用いて、インド・ムンバイ市における6時間先と12時間先の降水予報の精度向上を目指した。
まず、降水に影響を与える物理的要因として、気温、相対湿度、ポテンシャル渦度などの大気変数を選定した。これらの変数と降水量の相関関係を分析し、モデルの入力変数として活用した。
ConvLSTM2Dモデルは、空間的および時間的な依存関係を捉えることができる深層学習アーキテクチャである。モデルは4つの異なる格子点のデータを用いて学習・予測を行った。
その結果、6時間先の予報では訓練データでNSE値が0.49から0.66の範囲、テストデータでは0.41から0.59の範囲を示した。12時間先の予報では、訓練データでNSE値が0.53から0.69、テストデータでは0.41から0.61の範囲であった。これらの結果は、物理的理解に基づいた深層学習モデルが、都市部における短期的な降水予報の精度向上に寄与できることを示している。
Stats
最大降水量は、グリッド1で31.3mm、グリッド2で33.1mm、グリッド3で32.9mm、グリッド4で27.7mmであった。
最大降水量の予測値は、グリッド1で24.42mm~39.40mm、グリッド2で12.80mm~18.54mm、グリッド3で12.80mm~18.54mm、グリッド4で12.80mm~18.54mmであった。
Quotes
"物理的理解を統合することで、深層学習モデルの降水予測精度を向上させ、都市部における短期的な降水予報の精度を高めることができる。"
"ConvLSTM2Dモデルは、空間的および時間的な依存関係を捉えることができる深層学習アーキテクチャである。"