| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2021-01-21 12:05 大気変数を用いた降水量推定の検討 ○伊藤隆徳・尼崎太樹・石田 桂・木山真人・飯田全広（熊本大）  NC2020-34 |
|
| 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． |
| （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 / / / / |
| （英） | Precipitation / Super Resolution / Convolutional Neural Network / Long Short Term Memory / / / / | |
| 文献情報 | 信学技報, vol. 120, no. 331, NC2020-34, pp. 13-17, 2021年1月. | |
| 資料番号 | NC2020-34 | |
| 発行日 | 2021-01-14 (NC) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NC2020-34 |
|
[研究会発表申込システムのトップページに戻る]