嵐の到来？気象予報士がディープラーニングでパターンを予測

気象学者たちは、深刻な気象パターンを予測するためにディープラーニング技術の実験を始めている。

米国立大気研究センター（NCAR）の博士研究員デビッド・ガニエ氏は、ひょう嵐の可能性を予測するためのシンプルな畳み込みニューラルネットワークモデルを開発した。

カリフォルニア州サンノゼで開催されたGPUテクノロジーカンファレンスでのプレゼンテーションでガニエ氏は、過去10年間で激しい嵐により年間約140億ドル相当の被害が発生し、94人が死亡したと述べた。

気象学者は雹が発生する前日から人々に悪天候の警告を発しますが、正確な予測は困難です。そこでガニエ氏は、ディープラーニングによって雹嵐につながる気象パターンを正確に特定し、誤報を減らせるかどうかを検証したいと考えました。

彼は、NCARのリアルタイム・アンサンブル予報から取得した、米国上空の嵐の活動を示す一連の画像をニューラルネットワークに入力しました。気温、風況、気圧レベルに関する詳細情報が追加され、各嵐のプロファイルが作成されました。

雹は、霰（あられ）の胚となる小さな氷の粒子である「あられ」から始まると、ガニエ氏はThe Register紙に語った。嵐の中で渦巻く中で、小さな水滴を集め、それが表面で凍る。時間が経つにつれて、それらは大きくなり、固い氷の塊となり、雹となって降り注ぐ。雹の直径が7.6cmに達すると、フロントガラスにひびが入り、壁や屋根に穴が開く可能性がある。

彼はニューラルネットワークを訓練し、訓練データ内の画像から嵐に関連する特徴を学習させました。雹の発生には嵐の存在が不可欠であるため、モデルは風のせん断、つまり風向や高度による風速の変化といった特性に注目するように訓練されました。これは嵐の発生を予測する優れた指標です。

目標は、リスクを監視する際に標準的な統計モデルが選択するのと同じ嵐の領域をレーダー画像上で強調表示することです。

ガニエ氏は、82,000種類の異なる嵐のプロフィールでトレーニングした後、32,000種類の嵐でニューラルネットワークをテストし、その精度が約88パーセントであることを確認した。

最先端の画像分類モデルが数百層にも及ぶのに対し、このモデルはわずか3層であることを考えると、これはかなり優秀な結果と言えるでしょう。このモデルの学習には、2013年に発売された旧モデルのNVIDIA Tesla K40 GPUチップ8個で15時間を要しました。

このモデルはまだ概念実証であり、実際の気象警報システムに使用できるほど複雑ではありません。気象学でディープラーニングが主流になるには、より優れたアルゴリズムと、より多くのGPUスーパーコンピュータクラスターへの投資のためのインフラの変革が必要となるため、まだしばらく時間がかかるでしょう。しかし、ガニエ氏は、これまで以上に多くの気象学者がAIとディープラーニングに興味を持っていると述べています。®