徳島大学 教育・研究者情報データベース(EDB)

Education and Research Database (EDB), Tokushima University

徳島大学ウェブサイトへのリンク

著作: Kashiwao Tomoaki/Nakayama Koichi/Ando Shin/[池田 建司]/Lee Moonyong/Bahadori Alireza/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局地的な降雨量予測システム/[Applied Soft Computing]

ヘルプを読む

「著作」(著作(著書,論文,レター,国際会議など))は,研究業績にかかる著作(著書,論文,レター,国際会議など)を登録するテーブルです. (この情報が属するテーブルの詳細な定義を見る)

  • 項目名の部分にマウスカーソルを置いて少し待つと,項目の簡単な説明がツールチップ表示されます.

この情報をEDB閲覧画面で開く

EID
331055
EOID
934686
Map
0
LastModified
2018年12月4日(火) 14:50:27
Operator
池田 建司
Avail
TRUE
Censor
0
Owner
池田 建司
Read
継承
Write
継承
Delete
継承
種別 必須 学術論文(審査論文)
言語 必須 英語
招待 推奨
審査 推奨 Peer Review
カテゴリ 推奨 研究
共著種別 推奨 国際共著(徳島大学内研究者と国外研究機関所属研究者との共同研究)
学究種別 推奨
組織 推奨
著者 必須
  1. (英) Kashiwao Tomoaki
    役割 任意
    貢献度 任意
    学籍番号 推奨
  2. (英) Nakayama Koichi
    役割 任意
    貢献度 任意
    学籍番号 推奨
  3. (英) Ando Shin
    役割 任意
    貢献度 任意
    学籍番号 推奨
  4. 池田 建司([徳島大学.大学院社会産業理工学研究部.理工学域.知能情報系.知能工学分野]/[徳島大学.理工学部.理工学科.情報光システムコース.知能工学講座])
    役割 任意
    貢献度 任意
    学籍番号 推奨
  5. (英) Lee Moonyong
    役割 任意
    貢献度 任意
    学籍番号 推奨
  6. (英) Bahadori Alireza
    役割 任意
    貢献度 任意
    学籍番号 推奨
題名 必須

(英) A neural network-based local rainfall prediction system using meteorological data on the Internet

(日) 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局地的な降雨量予測システム

副題 任意

(英) A case study using data from the Japan Meteorological Agency

(日) 日本気象庁のデータを用いたケーススタディ

要約 任意

(英) In this study, we develop and test a local rainfall (precipitation) prediction system based on arti cial neural networks (ANNs). Our system can automatically obtain meteorological data used for rainfall prediction from the Internet. Meteorological data from equipment installed at a local point is also shared among users in our system. The final goal of the study was the practical use of ``big data'' on the Internet as well as the sharing of data among users for accurate rainfall prediction. We predicted local rainfall in regions of Japan using data from the Japan Meteorological Agency (JMA). As neural network (NN) models for the system, we used a multi-layer perceptron (MLP) with a hybrid algorithm composed of back-propagation (BP) and random optimization (RO) methods, and radial basis function network (RBFN) with a least squares method (LSM), and compared the prediction performance of the two models. Precipitation (total amount of rainfall above 0.5 mm between 12:00 and 24:00 JST (Japan standard time))at Matsuyama, Sapporo, and Naha in 2012 was predicted by NNs using meteorological data for each city from 2011. The volume of precipitation was also predicted (total amount above 1.0 mm between 17:00 and 24:00 JST) at 16 points in Japan and compared with predictions by the JMA in order to verify the universality of the proposed system. The experimental results showed that precipitation in Japan can be predicted by the proposed method, and that the prediction performance of the MLP model was superior to that of the RBFN model for the rainfall prediction problem. However, the results were not better than those generated by the JMA. Finally, heavy rainfall (above 10 mm/h) in summer (Jun. Sep.) afternoons(12:00 24:00 JST) in Tokyo in 2011 and 2012 was predicted using data for Tokyo between 2000 and 2010.The results showed that the volume of precipitation could be accurately predicted and the caching rate of heavy rainfall was high. This suggests that the proposed system can predict unexpected local heavy rainfalls as ``guerrilla rainstorms."

(日) 本研究では,人口ニューラルネットワーク(ANN)に基づいて局地的な降雨(降水量)予測システムを構築し検証する.我々のシステムは降雨予測に用いられる気象データをインターネットから自動で取得する.我々のシステムでは,局所的な地点にインストールされた装置から得られる気象データはユーザーの間で共有される.本研究の最終的な目標は,インターネット上の"ビッグデータ"を活用することと,正確な降雨予測のためにユーザー間でデータを共有することである.我々は,日本の気象庁(JMA)のデータを用いて日本のいくつかの地域の降雨量を予測した.ニューラルネットワークモデルとしてバックプロパゲーションとランダム最適化からな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)と最小二乗法を用いたRBFN (radial basis function network)を用い,これら二つのモデルの予測性能を比較した.松山,札幌,那覇の2012年の降水量を2011年の各市の気象データに基づきニューラルネットワークにより予測した.提案手法の一般性を検証するために日本の16地点での降水量も予測し,JMAの予測と比較した.実験により日本における降水量は提案手法により予測可能であること,RBFNモデルよりもMLPモデルの方が予測性能が良いことがわかった.しかしながら,予測性能はJMAのものよりも良くはなかった.最後に東京における2011年と2012年の夏の大雨を2000年∼2010年のデータをもとに推定した.大雨の降水量は精度よく予測された.これより提案手法は不意なゲリラ豪雨を予測できるのではないかと期待される.

キーワード 推奨
  1. (英) local rainfall prediction
  2. (英) precipitation
  3. (英) meteorological data
  4. (英) neural networks
  5. (英) big data
発行所 推奨 Elsevier(->組織[Elsevier Science])
誌名 必須 Applied Soft Computing([Elsevier])
(pISSN: 1568-4946, eISSN: 1872-9681)
ISSN 任意 1568-4946
ISSN: 1568-4946 (pISSN: 1568-4946, eISSN: 1872-9681)
Title: Applied soft computing
Title(ISO): Appl Soft Comput
Publisher: Elsevier BV
 (NLM Catalog  (Scopus  (CrossRef (Scopus information is found. [need login])
必須 56
必須 ---
必須 317 330
都市 任意
年月日 必須 2017年 3月 15日
URL 任意
DOI 任意 10.1016/j.asoc.2017.03.015    (→Scopusで検索)
PMID 任意
NAID 任意
WOS 任意
Scopus 任意
評価値 任意
被引用数 任意
指導教員 推奨
備考 任意