講演情報
[PS-01-53]富山県を対象とした機械学習を用いた積雪深予測の基礎検討
*松原 えりな1、馬渕 慎也2、吉見 和紘1 (1. 富山県立大学 工学部、2. 富山県立大学大学院 工学研究科)
キーワード：
機械学習、畳み込みニューラルネットワーク、解析積雪深、予測、富山県
近年，大雪による被害が社会的問題となっており，被害を軽減するためには積雪深の空間分布を的確に把握し，交通規制や除雪対策の判断に活用することが重要である．気象庁が提供する解析積雪深は，1時間ごとに約5 km格子で積雪深を面的に推定した情報であり，広域的な積雪状況の把握に有用である．一方で実際の除雪作業や道路管理では，時空間的により高分解能を有するデータが求められていることが，著者らのヒアリング調査から明らかとなっている．そこで著者らは，日本有数の豪雪地帯である富山県を対象に，解析積雪深などの面的な気象データを用いた時空間高分解能データの作成及び機械学習を用いた積雪深予測を行うことを目標としている．解析積雪深の既往研究では，渡辺らが解析積雪深を用いた融雪量を考慮したダム流入量予測を行い，河川分野での活用可能性を示している．また，機械学習を応用した既往研究では，機鈴木らが畳み込みニューラルネットワーク（CNN）を用いた集中豪雨予測モデルを考案し，倉上らがCNNの一種であるU-Netを用いた降水量予測補正を行うなど，気象分野におけるCNNの有効性を示している．これらを踏まえ，本研究では基礎検討として解析積雪深を入力とする機械学習モデルを構築し，入力時間数および予測時間の違いが予測精度に与える影響を検証した．結果として，予測積雪深は概ね解析積雪深と同様の分布傾向を示したが，海域周辺で負の値が生じるなどの課題が確認された．指標結果では，入力時間数による大きな差はみられなかったものの，予測時間が長くなるほど精度が低下する傾向が示された．