[3G1-OS-14a] 空間・系列データとAI

10:15 〜 10:30

[3G1-OS-14a-06] GNNによる全球気象再解析データのバイアス補正と高解像度化：アメダスへの応用

〇青山 勇輝¹、新 恭兵¹、鹿島 久嗣¹、竹内 孝¹ (1. 京都大学)

キーワード：

ニューラルネットワーク、空間・系列データ、機械学習

データ駆動型の全球気象予測モデルが飛躍的な発展を遂げている．しかし，このモデルが出力するのは数十km四方の粗い格子点データであり，観測地点における気象状況とは乖離が生じる代表性誤差が課題となっている．誤差を低減するための手法は存在するが，物理法則を扱わないため，風による情報の流入を適切に捉えられない．そこで本研究では，幾何学的変換に関する同変性を保持するE(n)-Equivariant Graph Neural Network (EGNN) をバイアス補正に適用する．さらに，気象データ特有の物理的性質を組み込んだ拡張モデルAdvective EGNN (AdvRGNN) を提案する．提案手法の有効性を検証するため，日本全域のデータを用いて実験を行った．具体的には，全球再解析データと過去のアメダス観測データを入力とし，未来のアメダス観測値を予測する．EGNNは総合的に高い精度を達成し，特に気温においてAdvEGNNはグラフ畳み込みネットワークと比較して誤差を約7.0%低減した．この結果は，物理法則の導入が，バイアス補正に有効であることを示している．