気象ビッグデータからの機械学習による災害前兆現象自動抽出システムの構築

利用气象大数据机器学习构建灾害前兆现象自动提取系统

• 批准号: 17K00158
• 负责人: 本田 理恵
• 金额: $ 2.83万
• 依托单位: Ehime University (2021-2022)Kochi University (2017-2020)
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2017
• 资助国家: 日本
• 起止时间: 2017-04-01 至 2023-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-17K00158/
• 关键词: 時空間データマイニング; オブジェクト抽出; CNN; 深層学習; フェーズドアレイ; 漏斗雲; オブジェクト追跡; 混合分布; 時空間データマイニング; ビッグデータ; データマイニング; 時空間; 機械学習; 災害前兆

本研究課題の目的は、気象に関する時空間のビッグデータから機械学習の手法を用いて時空間変動パターンを抽出し、これを基にした知識発見支援システムを構築することである。本年度は、フェーズドアレイデータからの降水コア検出に対して検討していた、Greedy EMによるモデリング手法において、グリッドデータの点群近似によって不自然な分裂が起こっていた問題に対する改良方法として、グリッドデータからの点群の再リサンプリングを利用する手法を考案し、これによって、不安定な挙動が改善されたことを確認した。この内容については、6月に開催予定の人工知能学会でポスター発表の予定である。また土佐湾沿岸の竜巻については、従来検討してきた監視カメラ画像にくわえて、対象をレーダ画像に広げ、竜巻親雲の早期発見を目指して、反射強度画像に現れるフック型の信号を深層学習のSSDを用いて検出することを検討した。その結果、竜巻親雲に注目した画像ではフックエコーを正確に検出でき、表示画像が広範囲になり、相対的に対流雲が小規模になる場合でも信頼度の閾値を調整することでフックエコーの検出ができることがわかった。この内容はJPGU2022で発表された。研究期間の全体を通しては、気象に関する時空間データをターゲットとして、　(1)強度データからのオブジェクト抽出技術手法の頑健化、(2)竜巻前兆現象としての漏斗雲の検出などに対する深層学習による抽出と追跡手法の開発、（３）アラーティングのためのプロトタイプシステムの開発、(４)並列分散化の検討が進められた。本来はこれらを融合したシステムの開発を目的としていたがそこまでは至らなかった。これについては現在実施中の後継の基盤Cの課題として引き続き検討したい。

The purpose of this study is to achieve the purpose of this study. In this study, the purpose of this study is to use both time and space motion to extract equipment, and to support knowledge and knowledge in order to support the use of time and space. In the current year, there are significant differences in the number of points between two groups of people. This year, in the current year, there are significant differences in the number of points in the current year. This year, in the current year, in the current year, in the year of the year, in the current year, in the year of the year, in the year of the year, in the current year, in the year of the year, in the first place of the year, this year, in the current year, and in the current year, in the current year, and in the wake of this year, the data of the year, please do not know how to improve the method of solving the problem. Make sure that you don't know how to make sure that you don't know how to make sure that you are in trouble. The contents of the report will be announced in June, and the artificial knowledge learning program will be announced in June. Along the coast of Tusuo Bay, there are many pictures, such as the portrait, the reflection strength, the reflection strength, the strength of the reflection, the shape of the signal, the SSD, the image, the image, the strength, the shape, the strength, the strength, the strength According to the results, you should pay close attention to the results of the portrait system. You can see that the image is correctly displayed, that the range of the portrait is correct, and that the small size of the corresponding image flow is in accordance with the degree of trustworthiness. Contents, JPGU2022, tables, tables, etc. During the period of the study, all the students are familiar with each other, such as the time, space and time, (1) the intensity of the extraction techniques, the enhancement of the techniques of extraction, and (2) the precursors, the funnel, the extraction, the tracking, the (3) there is a significant increase in the number of applications, and (4) there is a parallel list of decentralized activities. In this case, the purpose of this is to make sure that you do not have to go to school in the first place. Now, after the implementation of the project, we will introduce some basic information.

项目成果

深層学習を用いた漏斗雲の抽出と追跡

使用深度学习提取和跟踪漏斗云

• 发表时间: 2019
• 作者: 佐々浩司;藤井祐貴;本田理恵;有岡無敵
• 通讯作者: 有岡無敵

高知・五台山における雨滴粒度分布のEOF解析

高知县五台山雨滴粒径分布的 EOF 分析

• 发表时间: 2018
• 作者: K. Sassa，R. Honda;Y. Fujii;村田文絵，佐々浩司
• 通讯作者: 村田文絵，佐々浩司

NICTサイエンスクラウド ひまわり衛星プロジェクト

NICT科学云向日葵卫星项目

Super-Resolution of Asteroid Images using GAN

使用 GAN 超分辨率小行星图像

• DOI: 10.11517/pjsai.jsai2022.0_4yin229
• 发表时间: 2022
• 期刊: Proceedings of the Annual Conference of JSAI
• 作者: 岸 倫太朗;橋本 廉;棚瀬 旺和;本田 理恵;はやぶさ２ ONCチーム
• 通讯作者: はやぶさ２ ONCチーム

3次元オブジェクトの混合正規分布によるモデリングと追跡 - グリッド・点群データのハイブリッド利用 -（2023年6月予定)

使用混合正态分布对 3D 对象进行建模和跟踪 - 网格和点云数据的混合使用 -（计划于 2023 年 6 月）

• 发表时间: 2023
• 作者: 辻本 将之;本田 理恵;石川 勲
• 通讯作者: 石川 勲