@article{oai:ipsj.ixsq.nii.ac.jp:02009105,
 author = {草山,雅斗 and 伊藤,寛祥 and 京谷,辰哉 and 金川,平志郎 and 鈴木,章央 and ジョーンス,智郎 and 友岡,誠一朗 and 小室,仁 and 横山,淑紀 and 森嶋,厚行 and Masato Kusayama and Hiroyoshi Ito and Tatsuya Kyoya and Heishiro Kanagawa and Akihiro Suzuki and Tomoro M. Jones and Seiichiro Tomooka and Jin Komuro and Toshiki Yokoyama and Atsuyuki Morishima},
 issue = {2},
 journal = {情報処理学会論文誌データベース（TOD）},
 month = {Apr},
 note = {地図上でのある定点が与えられたときに，その定点の風速を予測する定点風速予測は様々な領域において重要であり，風力発電予測や防災など用途は多岐に及ぶ．予測データには，気象庁の公開するGPV（Grid Point Value）データという気象予測データがある．GPVデータは，気象庁がスーパーコンピュータで地球の大気をモデル化し，世界の気象状況を解析・予測したものである．GPVデータにはLFM，MSM，GSM等の種類があり，これらはグリッドの細かさや予測可能な時間が異なる．しかし，これらを定点風速予測に利用するには，いずれのGPVデータもグリッドの解像度が大きく，定点予測は近似的なものとなることから，定点風速予測は必ずしも高精度にはならないという問題がある．本稿では，全国に設置されている地域気象観測システムであるアメダスの観測値と組み合わせることにより，定点風速予測の精度向上が可能かを検証する．具体的には(1)全体的にはグリッドが最も小さいLFMの予測性能が高いが，それが与えられた定点においてどの程度成立するのか．(2)これらのGPVデータをどのようにアメダスの観測値と組み合わせれば定点予測の精度が向上するのか，という2つの問いについて検証した．検証実験の結果，(1)地点ごとにGPVデータ間で予測精度の順位が異なること，(2)特に最近傍のGPVデータを説明変数として学習した予測モデルについて，GPVデータよりも高精度な予測が可能であることを示した．, Given a specific point on a map, point-based wind speed prediction is crucial in various fields, with applications ranging from wind power generation forecasting to disaster prevention. One source of prediction data is the Grid Point Value (GPV) data, a type of weather prediction data made public by the Japan Meteorological Agency (JMA). GPV data is generated by the JMA's supercomputer, which models the Earth's atmosphere to analyze and forecast global weather conditions. GPV data comes in different types, such as LFM, MSM, and GSM, which vary in grid resolution and the duration of their predictions. However, when used for point-based wind speed prediction, a problem arises: the grid resolution of all GPV data types is coarse. This means that point predictions are only approximations, and the accuracy of the wind speed predictions is not always high. This paper investigates whether combining GPV data with observational data from the Automated Meteorological Data Acquisition System (AMeDAS), a nationwide network of weather observation stations, can improve the accuracy of point-based wind speed prediction. Specifically, we address two questions:(1) While LFM, which has the finest grid resolution overall, generally shows the highest predictive performance, to what extent does this hold true for a given specific point? (2) How can these GPV data be combined with AMeDAS observational values to improve the accuracy of point-based predictions? Our experimental results show that (1) the ranking of predictive accuracy among different GPV data types varies depending on the specific location, and (2) it is possible to achieve more accurate predictions than with GPV data alone, especially with a prediction model trained using the nearest GPV data as an explanatory variable.},
 pages = {13--26},
 title = {センサー未設置地点における定点風速の予測精度向上},
 volume = {19},
 year = {2026}
}