[M-IS19] 大気電気学：大気電気分野の物理現象解明から防災への応用まで

[MIS19-06] 高時空間分解能降雨観測データとCNN及びLSTMによる豪雨予測手法

*花岡 智和¹、菊池 博史¹、芳原 容英¹、牛尾 知雄² (1.電気通信大学、2.大阪大学)

キーワード：フェーズドアレイレーダ、降雨予測、深層学習

近年，積乱雲が急速に発達し，突風や落雷を伴った豪雨をもたらすシビア現象は日本国内において増加傾向にあり，その被害も増加している．そのため，豪雨災害に対するリアルタイムでの予測が重要視されている．
そこで，より高密度な観測を30秒で行うことができる気象用二重偏波フェーズドアレイレーダ(Multi Parameter-Phased Array Weather Radar : MP-PAWR)が開発された．しかし，MP-PAWRによる莫大なデータを用いた降水量予測は計算量が膨大であり，リアルタイム性が損なわれる可能性がある．そこで，畳み込みニューラルネットワーク(Convolutional Neural Network : CNN)および長短期記憶(Long-Short Term Memory : LSTM)ネットワークを用いた豪雨予測手法が提案された．
本研究では，その手法を基にした複数の手法を提案し，それぞれの豪雨予測判別結果の比較及びおよびその有用性に関する検討を行う．