学習と気象予測方法

第1章で述べたように、 ある地点での気象要素のみで気象予測が可能な学習的予測では、 過去の天気に関する経験や記憶、そして知識が必要となる。 観天望気などの言い伝えや我々が普段何気なく行う天気の予測は、 同じような天気のパターンに遭遇した場合、 普段の経験から未来に起こりうる天気を記憶から呼び出すという動作を行っており、 「同じ天気パターンに属する日の未来の天気は、同じような天気パターンに属する可能性が高い」 という知識を使っているといえる。

ある地点での観測データのみで天気を予測するためには その地点の観測データからその日の天気のパターンを作り出す必要がある。 このパターンを作り出す作業は3.6節より 自己組織化マップにその地点の過去の観測データを全て入力し、 学習を繰り返せばよい。また、学習と同時に自己組織化マップは 量子化誤差の少ないベクトル量子化を暗示的に行なっているので、 予測の段階での計算が複雑になるのを防ぐ働きもある。

図 4.1: パターン分類後と予測に行う自己組織化マップの競合層

(a)パターン分類したマップ	(b)学習させるニューロンの選択

自己組織化マップにより作成した天気のパターンを分類したマップを利用し 翌日の気象の予測を行うマップを作成する。 このときも同様に自己組織化マップによる学習を行う。

翌日の気象の予測を行うマップの作成では、自己組織化マップの勝者ニューロンの選択を行わず、 天気のパターンを分類した結果を用いる。 勝者ニューロンの選択の代わりに、図4.1のようにある日の翌日の気象を学習させるとき、 パターン分類されたマップのその当日のニューロンの位置に対して学習を行う。

この方法を用いることにより、パターン分類された気象の翌日の気象の学習を行う。 パターン分類された翌日の気象を学習することにより、似たような気象の翌日が どの気象になりやすいか学習することができ、 それにより翌日の気象を予測することができる。 この方法を用いると、 パターン分類されたマップの今日の気象のニューロンの位置と 同じ位置の翌日の気象のニューロンを調べることにより、 翌日の気象の予測をすることが可能である。 またこの方法を用いることで、気象予測を行うとき常に翌日の気象予測は 一つのニューロンのみを選択することができ、複数のニューロンの中から一つを選び出す必要がない。