衛星観測値から地上の降水量を推定する機械学習手法の開発 ――回帰と分類のマルチタスク推論によって12.6%の精度向上を達成――

東京大学 生産技術研究所の金 炯俊 特任准教授と、東京大学大学院工学系研究科 修士課程の坂内 匠 大学院生らは、人工衛星に搭載された「マイクロ波放射計」の観測値を利用して地上の降水量を推定する、新たな機械学習手法を提案し、既存の方法と比べて12.6%の精度向上を達成しました。

これまでも、多くの機械学習手法が提案されてきましたが、データ駆動型モデルであり、大量の訓練データが必要・物理的な整合性が担保されない・ブラックボックスモデルなどの課題に悩まされてきました。そこで本研究では、衛星降水量推定における知識を明示的に組み込むことで、モデル内の相互依存的な知識交換を実現しました。具体的には、マルチタスク学習という深層学習の手法を用いることで、降水有無を識別する分類モデルと降水強度を推定する回帰モデルを統合し、同時学習させました。

本研究で提案した機械学習モデルには、今回組み込んだメカニズム以外にも様々な物理メカニズムを組み込むことが可能です。例えば、雨や雪、霙など降水種類の分類や、対流性や層状性といった降水をもたらす雲種類の分類を組み込むことで、今後、さらに推定の精度が向上することが期待できます。