[M-GI27] Data-driven approaches for weather and hydrological predictions

[MGI27-P03] Diffusionモデルを用いたMSMの確率的アンサンブル予測生成

*齋藤 成津美¹、塩尻 大也²、小槻 峻司² (1.千葉大学大学院　融合理工学府、2.千葉大学　国際高等研究基幹)

キーワード：拡散モデル、アンサンブル予測、MSM、MEPS

近年，豪雨災害の激甚化が顕著となっており，潜在的なハザード予測に関する確率的情報源としてアンサンブル予測システム(EPS)が有用である．EPSは，降雨の位置と強度を予測する際など，不確実性を定量化することが可能である．日本の気象庁はメソスケールアンサンブル予測システム (MEPS) と呼ばれる地域アンサンブル予測システムを運用している．MEPSは従来のメソ数値予報モデル(MSM) による決定論的な予測の不確実性を定量的に評価することも目的としている．しかしコンピュータリソースの制限のため，MSMと比較してMEPS予測の更新頻度は低い．またアンサンブルメンバー数を増やすには大きな計算コストがかかる．本研究では，これら頻度，アンサンブル数の問題に対処するため、高速でアンサンブル予測が可能な生成深層学習モデルの利用可能性について検討する．
本研究では，深層学習モデルの一種である拡散モデルを使用する．拡散モデルは，より安定した学習という点で，従来の生成深層学習モデルよりも優れている．MSMによる予測を模倣したアンサンブル予測を生成するために，MSMの予測状態量を使用して拡散モデルを訓練する．拡散モデルではどのようなアンサンブルが生成されるか，MEPSと比較した特徴を示す．本発表では，カンファレンス開催時点での最新の結果が提供される．