[論文レビュー] A Data-driven Approach to Detecting Precipitation from Meteorological Sensor Data

Shilpa Manandhar, Soumyabrata Dev+3 more|arXiv (Cornell University)|May 4, 2018

Precipitation Measurement and Analysis参考文献 8被引用数 3

ひとこと要約

本論文は、表面気象センサーとGPSで導出した水蒸気含量（PWV）を用いた機械学習的手法を提案し、クラス不均衡を解消するためのランダムダウンサンプリングを適用したSVMを用いることで、熱帯の降雨データにおいて87.4%の高い真陽性検出率と32.2%の中程度の誤報率を達成した。

ABSTRACT

Precipitation is dependent on a myriad of atmospheric conditions. In this paper, we study how certain atmospheric parameters impact the occurrence of rainfall. We propose a data-driven, machine-learning based methodology to detect precipitation using various meteorological sensor data. Our approach achieves a true detection rate of 87.4% and a moderately low false alarm rate of 32.2%.

研究の動機と目的

• 多様な気象センサーのデータを用いて熱帯気候における降雨検出の精度を向上させること。
• 降雨イベントがまれであるため、極度に不均衡な降雨データセットの課題に対処すること。
• 表面気象パラメータとGPSで導出した水蒸気含量（PWV）を組み合わせることで、降雨分類の有効性を評価すること。
• 機械学習とデータバランス化技術を用いて、降水検出における誤報を低減すること。

提案手法

• 1分間隔で収集された表面気象パラメータ（気温、相対湿度、露点温度、日射量、降雨量）を用いる。
• GPSで導出した水蒸気含量（PWV）は、天頂湿り遅延を用いた式により、緯度、日付、観測所の標高を変数に算出される。
• シンガポールのモンスーンおよび日周期の降雨パターンを捉えるために、季節的（日付）および日周期的（時刻）の特徴量を含める。
• ランダムダウンサンプリングを用いて降雨と非降雨のサンプル数を均等化したバランスの取れたデータセット上で、サポートベクターマシン（SVM）分類器を訓練する。
• モデルは2010年～2011年のデータの20%を学習データとして使用し、2012年の未学習データをテストデータとして用い、真陽性検出率と誤報率によって性能を評価する。
• 極度に不均衡なクラス比率（降雨点：非降雨点 = 1:70）を是正するため、データセットを1:1の少数クラス対多数クラス比に再サンプリングする。

実験結果

リサーチクエスチョン

• RQ1 表面気象パラメータとGPSで導出したPWVの組み合わせは、熱帯地域における降雨検出精度を向上させることができるか？
• RQ2 ランダムダウンサンプリングは、極度に不均衡な降雨検出タスクにおけるモデル性能にどのように影響するか？
• RQ3 日周期的および季節的特徴量の組み込みが、降雨分類精度に与える影響は何か？
• RQ4 PWVデータのみを用いた先行研究と比較して、真陽性検出率と誤報率はどのように異なるか？

主な発見

• 提案手法はテストデータで87.4%の真陽性検出率、2012年のデータで85.8%の真陽性検出率を達成し、従来手法に比べて顕著に優れた検出能力を示した。
• 誤報率はテストデータで32.2%、2012年のデータで28.5%に低下し、先行研究で報告された60%の誤報率と比較して顕著な改善が見られた。
• ランダムダウンサンプリングはモデル性能を顕著に向上させ、非ダウンサンプリングの学習に比べて真陽性検出率が5%向上し、誤報率は12%以上低下した。
• 日周期的および季節的特徴量の組み込みにより、特にモンスーン期における時間依存の降雨パターンへのモデルの感受性が向上した。
• 2012年の外部データに対して強い汎化性能を維持しており、年間をまたがる信頼性の高い性能が確認された。
• 表面センサーとGPSで導出したPWVをSVMを用いて統合することで、PWV単体の手法に比べ、より高精度で信頼性の高い降雨検出システムが実現可能であることが示された。