機械学習を用いたニューラルネットワークにおいて扱うデータ量は精度に作用する重要な要素となっている。しかし十分なデータ量が全てのモデルで揃っているわけではない。そこで私は機械学習手法の１つである転移学習に注目した。これまでの研究では自然言語処理や画像認識の分野で発展してきた転移学習を最高気温予測に用いることで、少ないデータ量から精度が良い機械学習モデルを構築することができた。また、構築したモデルが気温変動の違う地域に対して利用可能かどうか検証したところターゲット地域によって予測精度が向上する地域に大きな差が見られたことを確認した。特に地域の距離などの影響ではなく、冬の地域間の最低気温の差から気温予測に対しての誤差が大きく生まれることがわかった。本研究では、次のステップとして転移学習を用いて少量のデータで学習したモデルが、どの月において高精度な最高気温を予測するかを検証することによって、あるターゲットデータがどの期間に対して有効か検討する。
