お知らせ 研究会の開催と会場に参加される皆様へのお願い(2020年10月開催~)
電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
[ログイン]
技報アーカイブ
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2021-01-21 12:05
大気変数を用いた降水量推定の検討
伊藤隆徳尼崎太樹石田 桂木山真人飯田全広熊本大NC2020-34
抄録 (和) 本論文では,ConvLSTMを使用したSR用モデルを作成し,降水量データの高解像度化を行った.
関連研究のSRCNNを用いたSISRでは,降水データを対象とした場合,局所的な値を復元することが難しい.
そこで本研究では,入力データである低解像度降水量に大気変数を加え,さらに時系列データとして扱う手法を提案する.
提案モデルは画像を時系列で扱うConvLSTMをベースとしたモデルを用いた.
本評価にて提案モデルと,SRCNNによって生成された高解像度降水量データを評価指標RMSE(Root Mean Square Error),相関係数(Correlation Coefficient)を用いて比較を行った.
結果,提案モデルの方が,降水量データの高解像度化においてRMSEで0.93倍,相関係数では13.25倍精度が良いことが分かった. 
(英) In this paper, we developed a model for SR using ConvLSTM to improve the resolution of precipitation data.
In the related work, SISR using SRCNN, it is difficult to recover local values for precipitation data.
In this study, we propose a method that adds atmospheric variables to the low-resolution precipitation data and treats it as a time series data.
The proposed model is based on ConvLSTM, which treats images as time series.
In this evaluation, we compared the proposed model with the high-resolution precipitation data generated by SRCNN using the evaluation indices RMSE (Root Mean Square Error) and CC (Correlation Coefficient).
The results show that the proposed model is 0.93 times more accurate in terms of RMSE and 13.25 times more accurate in terms of correlation coefficient for high-resolution precipitation data.
キーワード (和) 降水量 / 超解像 / Convolutional Neural Network / Long Short Term Memory / / / /  
(英) Precipitation / Super Resolution / Convolutional Neural Network / Long Short Term Memory / / / /  
文献情報 信学技報, vol. 120, no. 331, NC2020-34, pp. 13-17, 2021年1月.
資料番号 NC2020-34 
発行日 2021-01-14 (NC) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380
著作権に
ついて
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034)
PDFダウンロード NC2020-34

研究会情報
研究会 NC NLP  
開催期間 2021-01-21 - 2021-01-22 
開催地(和) オンライン開催 
開催地(英) Online 
テーマ(和) NC,NLP,一般 
テーマ(英) NC,NLP 
講演論文情報の詳細
申込み研究会 NC 
会議コード 2021-01-NC-NLP 
本文の言語 日本語 
タイトル(和) 大気変数を用いた降水量推定の検討 
サブタイトル(和)  
タイトル(英) Examination of precipitation estimation using atmospheric variables 
サブタイトル(英)  
キーワード(1)(和/英) 降水量 / Precipitation  
キーワード(2)(和/英) 超解像 / Super Resolution  
キーワード(3)(和/英) Convolutional Neural Network / Convolutional Neural Network  
キーワード(4)(和/英) Long Short Term Memory / Long Short Term Memory  
キーワード(5)(和/英) /  
キーワード(6)(和/英) /  
キーワード(7)(和/英) /  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) 伊藤 隆徳 / Takanori Ito / イトウ タカノリ
第1著者 所属(和/英) 熊本大学大学院自然科学教育部 (略称: 熊本大)
Graduate School of Science and Technology Kumamoto University (略称: GSST Kumamoto University)
第2著者 氏名(和/英/ヨミ) 尼崎 太樹 / Motoki Amagasaki / アマガサキ モトキ
第2著者 所属(和/英) 熊本大学大学院自然科学教育部 (略称: 熊本大)
Graduate School of Science and Technology Kumamoto University (略称: GSST Kumamoto University)
第3著者 氏名(和/英/ヨミ) 石田 桂 / Kei Ishida / イシダ ケイ
第3著者 所属(和/英) 熊本大学大学院自然科学教育部 (略称: 熊本大)
Graduate School of Science and Technology Kumamoto University (略称: GSST Kumamoto University)
第4著者 氏名(和/英/ヨミ) 木山 真人 / Masato Kiyama / キヤマ マサト
第4著者 所属(和/英) 熊本大学大学院自然科学教育部 (略称: 熊本大)
Graduate School of Science and Technology Kumamoto University (略称: GSST Kumamoto University)
第5著者 氏名(和/英/ヨミ) 飯田 全広 / Masahiro Iida / イイダ マサヒロ
第5著者 所属(和/英) 熊本大学大学院自然科学教育部 (略称: 熊本大)
Graduate School of Science and Technology Kumamoto University (略称: GSST Kumamoto University)
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者
発表日時 2021-01-21 12:05:00 
発表時間 25 
申込先研究会 NC 
資料番号 IEICE-NC2020-34 
巻番号(vol) IEICE-120 
号番号(no) no.331 
ページ範囲 pp.13-17 
ページ数 IEICE-5 
発行日 IEICE-NC-2021-01-14 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会