{"links":{},"metadata":{"_oai":{"id":"oai:ipsj.ixsq.nii.ac.jp:00240159","sets":["6164:6165:6640:11802"]},"path":["11802"],"owner":"44499","recid":"240159","title":["複数センサ間の関係に基づいた気象センサの異常検知手法"],"pubdate":{"attribute_name":"公開日","attribute_value":"2024-06-19"},"_buckets":{"deposit":"0628b0a2-347b-4d6e-b854-0b72167cc928"},"_deposit":{"id":"240159","pid":{"type":"depid","value":"240159","revision_id":0},"owners":[44499],"status":"published","created_by":44499},"item_title":"複数センサ間の関係に基づいた気象センサの異常検知手法","author_link":["658501","658502"],"item_titles":{"attribute_name":"タイトル","attribute_value_mlt":[{"subitem_title":"複数センサ間の関係に基づいた気象センサの異常検知手法"}]},"item_type_id":"18","publish_date":"2024-06-19","item_language":{"attribute_name":"言語","attribute_value_mlt":[{"subitem_language":"jpn"}]},"item_18_text_3":{"attribute_name":"著者所属","attribute_value_mlt":[{"subitem_text_value":"和歌山大学大学院システム工学研究科"},{"subitem_text_value":"和歌山大学システム工学部"}]},"item_publisher":{"attribute_name":"出版者","attribute_value_mlt":[{"subitem_publisher":"情報処理学会","subitem_publisher_language":"ja"}]},"publish_status":"0","weko_shared_id":-1,"item_file_price":{"attribute_name":"Billing file","attribute_type":"file","attribute_value_mlt":[{"url":{"url":"https://ipsj.ixsq.nii.ac.jp/record/240159/files/IPSJ-DICOMO2024043.pdf","label":"IPSJ-DICOMO2024043.pdf"},"date":[{"dateType":"Available","dateValue":"2026-06-19"}],"format":"application/pdf","billing":["billing_file"],"filename":"IPSJ-DICOMO2024043.pdf","filesize":[{"value":"1.9 MB"}],"mimetype":"application/pdf","priceinfo":[{"tax":["include_tax"],"price":"660","billingrole":"5"},{"tax":["include_tax"],"price":"330","billingrole":"6"},{"tax":["include_tax"],"price":"0","billingrole":"44"}],"accessrole":"open_date","version_id":"b6ce1d08-fd6e-4df4-becf-b7238f7c39d9","displaytype":"detail","licensetype":"license_note","license_note":"Copyright (c) 2024 by the Information Processing Society of Japan"}]},"item_18_creator_5":{"attribute_name":"著者名","attribute_type":"creator","attribute_value_mlt":[{"creatorNames":[{"creatorName":"木村, 聖人"}],"nameIdentifiers":[{}]},{"creatorNames":[{"creatorName":"吉廣, 卓哉"}],"nameIdentifiers":[{}]}]},"item_resource_type":{"attribute_name":"資源タイプ","attribute_value_mlt":[{"resourceuri":"http://purl.org/coar/resource_type/c_5794","resourcetype":"conference paper"}]},"item_18_description_7":{"attribute_name":"論文抄録","attribute_value_mlt":[{"subitem_description":"気象センサの測定値は，災害時の注意勧告や日常生活，農業等の産業において重要な意思決定の指標である．そのため，気象センサの測定値の信頼性を確保することは重要である．そこで，センサの測定値に異常検知手法を適用することで，異常値を迅速に検出し，信頼性を維持する必要がある．従来の異常検知手法では，異常検知の対象センサの過去のデータから，センサの測定値の生起確率などを確率分布でモデル化し，現在の測定値に対して適応することで異常検知を行う．しかし，この手法ではデータセットが不均衡データであるなどの要因により生成する確率分布に偏りが混入し，異常検知の精度が悪化するという問題がある．一方で，近年ではIoT（Internet of Things）が普及し，気象センサの測定値を，無線通信を通じて収集することで，様々なアプリケーションに活用されている．そこで，本研究では，複数の気象センサに用いた異常検知手法を提案する．具体的には，異常検知の対象センサおよび周辺の気象センサのデータを用いて，深層学習に基づいた予測モデルを生成して，異常検知を行う．複数の気象センサデータを用いることで，個々の気象センサデータに含まれる偏りの影響を低減し，異常検知の精度向上を目指す．評価では，AMeDASの気象データと人工的に作成した異常データを用いて，提案手法と従来手法の異常検知の精度を比較した．評価の結果，提案手法を用いることで異常検知の精度が向上をすること確認した．","subitem_description_type":"Other"}]},"item_18_biblio_info_10":{"attribute_name":"書誌情報","attribute_value_mlt":[{"bibliographicPageEnd":"320","bibliographic_titles":[{"bibliographic_title":"マルチメディア，分散，協調とモバイルシンポジウム2024論文集"}],"bibliographicPageStart":"314","bibliographicIssueDates":{"bibliographicIssueDate":"2024-06-19","bibliographicIssueDateType":"Issued"},"bibliographicVolumeNumber":"2024"}]},"relation_version_is_last":true,"weko_creator_id":"44499"},"updated":"2025-01-19T08:03:51.753533+00:00","created":"2025-01-19T01:44:11.501391+00:00","id":240159}