| 講演名 | 2021-01-21 大気変数を用いた降水量推定の検討 伊藤 隆徳(熊本大), 尼崎 太樹(熊本大), 石田 桂(熊本大), 木山 真人(熊本大), 飯田 全広(熊本大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 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． |
| 抄録(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 |
| キーワード(英) | Precipitation / Super Resolution / Convolutional Neural Network / Long Short Term Memory |
| 資料番号 | NC2020-34 |
| 発行日 | 2021-01-14 (NC) |
| 研究会情報 | |
| 研究会 | NC / NLP |
|---|---|
| 開催期間 | 2021/1/21(から2日開催) |
| 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 |
| 委員長氏名（和） | 鮫島 和行(玉川大) / 夏目 季代久(九工大) |
| 委員長氏名（英） | Kazuyuki Samejima(Tamagawa Univ) / Kiyohisa Natsume(Kyushu Inst. of Tech.) |
| 副委員長氏名（和） | 大須 理英子(早大) / 高坂 拓司(中京大学) |
| 副委員長氏名（英） | Rieko Osu(Waseda Univ.) / Takuji Kosaka(Chukyo Univ.) |
| 幹事氏名（和） | 安部川 直稔(NTT) / 内部 英治(ATR) / 立野 勝巳(九工大) / 松下 春奈(香川大) |
| 幹事氏名（英） | Naotoshi Abekawa(NTT) / Eiji Uchibe(ATR) / Katsumi Tateno(Kyushu Inst. of Tech.) / Haruna Matsushita(Kagawa Univ.) |
| 幹事補佐氏名（和） | 瀧山 健(東京農工大) / 我妻 伸彦(東邦大) / 佐村 俊和(山口大) / 加藤 秀行(大分大) |
| 幹事補佐氏名（英） | Ken Takiyama(TUAT) / Nobuhiko Wagatsuma(Toho Univ.) / Toshikaza Samura(Yamaguchi Univ.) / Hideyuki Kato(Oita Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Neurocomputing / Technical Committee on Nonlinear Problems |
|---|---|
| 本文の言語 | JPN |
| 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（和） | |
| 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 |
| 第 1 著者 氏名（和/英） | 伊藤 隆徳 / Takanori Ito |
| 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） | 尼崎 太樹 / Motoki Amagasaki |
| 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） | 石田 桂 / Kei Ishida |
| 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） | 木山 真人 / Masato Kiyama |
| 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） | 飯田 全広 / Masahiro Iida |
| 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) |
| 発表年月日 | 2021-01-21 |
| 資料番号 | NC2020-34 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | NC-331 |
| ページ範囲 | pp.13-17(NC), |
| ページ数 | 5 |
| 発行日 | 2021-01-14 (NC) |