MSMGPVを用いた深層学習による降水量予測 ～空間範囲とリードタイムの基礎的検討～

抄録

　集中豪雨が頻発し，日本各地で甚大な被害をもたらしている中，ダム管理や適切な情報発信のために降水量予測の高精度化が必要不可欠である．本研究では，面的な気象データ（GPV）と，ある降雨観測地点の降水量との関係性を学習させ深層学習モデルを構築し，数時間先の降水量の予測を試みた．結果，AMeDASデータのみ用いて深層学習モデルを構築した藤森ら(2019)に比べて，一部の降水パターンを除き予測精度が向上することが確認された．さらに，面的な気象データによる学習が，リードタイムの長大化に伴う降水予測の精度低下を防ぐ可能性を示した．また，AMeDASデータと面的な気象データを合わせて学習させることによってそれぞれを単体で学習させた深層学習モデルより精度が高くなる可能性を示した．