Takemasa Miyoshi 研究室
主宰者:Takemasa Miyoshi
名古屋大学
AI 要約(直近 5 年の研究成果)
Takemasa Miyoshi研究室は、観測データと数値予測モデルを組み合わせて、大気や海洋の状態をより正確に推定する「データ同化」という手法を中心に研究しており、その手法を様々なスケールや対象に応用しています。特に、アンサンブル・カルマンフィルタという確率的なアプローチを用いて、数分から数ヶ月先までの天気予測の精度向上に取り組んでいます。短時間の予報では、フェーズドアレイレーダによる30秒間隔の高頻度観測を同化して豪雨を予測し、数ヶ月先の海洋予報では黒潮の流路変動を予測するなど、幅広い時間スケールでの応用を進めています。
さらに、金星大気や水文過程など地球外や水循環を含む多様な対象システムへの展開も特徴です。金星観測衛星あかつきからの風観測をデータ同化して金星大気の客観解析を製作したり、降雨流出モデルに深層学習を組み合わせて河川流を予測したりするなど、従来の気象予測の枠を超えた活用を進めています。加えて、データ同化の理論的基礎を深め、カオス系における制御問題との関連性を探究するなど、基礎理論の発展にも注力しており、これらの成果は実運用システムの構築やデータセットの公開を通じて社会に還元されています。
※ AI(Claude)が、公開されている論文要旨から研究の問い・手法・主要な発見を事実情報として抽出・再構成して自動生成しています。誤りを含む可能性があるため、正確性は研究室公式情報でご確認ください。
外部リンク
関連研究室(8 件)
- 環境科学Taikan Oki 研究室東京大学論文 146 件·共通: 気象・気候, 地球物理, AI・機械学習, 機械学習 +9
- 計算機科学Hiroshi Saruwatari 研究室東京大学論文 189 件·共通: 深層学習, AI・機械学習, 学習, システム +10
- 工学Ryo Natsuaki 研究室東京大学論文 181 件·共通: 深層学習, AI・機械学習, 機械学習, 学習 +9
- 計算機科学Takahiro Ogawa 研究室北海道大学論文 103 件·共通: 深層学習, AI・機械学習, 機械学習, 学習 +9
- 医学Toshihisa Anzai 研究室北海道大学論文 101 件·共通: AI・機械学習, 機械学習, 学習, システム +9
- 医学Shouhei Hanaoka 研究室University of Tokyo Hospital論文 126 件·共通: 深層学習, AI・機械学習, 機械学習, 学習 +6
- 計算機科学Masahiro Oda 研究室名古屋大学論文 100 件·共通: 深層学習, AI・機械学習, 機械学習, 学習 +6
- 計算機科学Kiyoharu Aizawa 研究室東京大学論文 133 件·共通: 深層学習, AI・機械学習, 機械学習, 学習 +7
研究成果(88 件)
- [2026] Noise-scaled accuracy of the ensemble Kalman filter with an instability-based minimum ensemble sizeDOI: https://doi.org/10.5194/npg-33-335-2026
- DOI: https://doi.org/10.5194/epsc2026-57
- DOI: https://doi.org/10.6084/m9.figshare.32685166
- DOI: https://doi.org/10.6084/m9.figshare.32685166.v1
- DOI: https://doi.org/10.1007/s44393-026-00032-0
- DOI: https://doi.org/10.5194/egusphere-2026-2653
- DOI: https://doi.org/10.1002/gdj3.70080
- DOI: https://doi.org/10.5194/egusphere-2026-2277
- DOI: https://doi.org/10.1038/s44387-026-00107-0
続きを表示(残り 78 件)閉じる
- DOI: https://doi.org/10.1029/2025jd044041
- [2026] De-risking cirrus managementDOI: https://doi.org/10.5194/egusphere-egu26-14215
- DOI: https://doi.org/10.5194/egusphere-egu26-3726
- DOI: https://doi.org/10.5194/egusphere-egu26-2914
- DOI: https://doi.org/10.5194/egusphere-egu26-6025
- DOI: https://doi.org/10.5194/npg-33-33-2026
- DOI: https://doi.org/10.1029/2025jh000760
- DOI: https://doi.org/10.5194/npg-33-1-2026
- DOI: https://doi.org/10.1007/s11071-025-12021-2
- DOI: https://doi.org/10.5194/egusphere-2025-5144
- DOI: https://doi.org/10.1175/bams-d-25-0260.1
- DOI: https://doi.org/10.1007/s10236-025-01736-w
- DOI: https://doi.org/10.1029/2024ms004802
- DOI: https://doi.org/10.1038/s41598-025-15522-7
- DOI: https://doi.org/10.1186/s40645-025-00730-6
- DOI: https://doi.org/10.1002/gdj3.70011
- [2025] Including Cross Correlation between Forecast and Observation Errors in an Ensemble Kalman FilterDOI: https://doi.org/10.1175/mwr-d-25-0016.1
- [2025] Data-driven laser processing: what does the fusion of laser processing and data science bring?DOI: https://doi.org/10.1117/12.3051808
- DOI: https://doi.org/10.1145/3718350.3718353
- DOI: https://doi.org/10.1002/qj.4933
- DOI: https://doi.org/10.1029/2024gl112663
- [2025] Development and validation of a global ensemble hydrological simulation system: TE-Global NEXRADOI: https://doi.org/10.3178/hrl.24-00022
- DOI: https://doi.org/10.2151/sola.2025-035
- DOI: https://doi.org/10.1007/s11071-024-10646-3
- DOI: https://doi.org/10.1007/s11071-024-10426-z
- DOI: https://doi.org/10.1002/gdj3.271
- DOI: https://doi.org/10.1007/s11071-024-09803-5
- DOI: https://doi.org/10.1029/2023je008067
- [2024] Impact of atmospheric forcing on SST biases in the LETKF-based ocean research analysis (LORA)DOI: https://doi.org/10.1016/j.ocemod.2024.102357
- DOI: https://doi.org/10.14495/jsiaml.16.53
- DOI: https://doi.org/10.1299/jsmecmd.2024.37.os-0405
- DOI: https://doi.org/10.1175/mwr-d-23-0053.1
- DOI: https://doi.org/10.1145/3581784.3627047
- DOI: https://doi.org/10.5194/npg-30-457-2023
- DOI: https://doi.org/10.1175/mwr-d-22-0334.1
- DOI: https://doi.org/10.5194/npg-30-117-2023
- DOI: https://doi.org/10.1038/s41598-023-35093-9
- DOI: https://doi.org/10.1175/waf-d-22-0159.1
- DOI: https://doi.org/10.1007/s10236-023-01541-3
- DOI: https://doi.org/10.1029/2022jd037447
- DOI: https://doi.org/10.1175/waf-d-21-0177.1
- DOI: https://doi.org/10.1029/2022ms003164
- DOI: https://doi.org/10.5194/npg-30-13-2023
- DOI: https://doi.org/10.5194/gmd-15-9057-2022
- DOI: https://doi.org/10.5194/gmd-15-8325-2022
- DOI: https://doi.org/10.5194/gmd-15-8395-2022
- [2022] Estimating the benefit of Doppler wind lidars for short‐term low‐level wind ensemble forecastsDOI: https://doi.org/10.1002/qj.4402
- [2022] A Machine Learning Approach to the Observation Operator for Satellite Radiance Data AssimilationDOI: https://doi.org/10.2151/jmsj.2023-005
- DOI: https://doi.org/10.1038/s41467-022-33253-5
- DOI: https://doi.org/10.1016/j.cam.2022.114772
- DOI: https://doi.org/10.1038/s41598-022-18634-6
- DOI: https://doi.org/10.1029/2021gl096927
- DOI: https://doi.org/10.1029/2021ms002823
- [2022] Distributions and convergence of forecast variables in a 1,000‐member convection‐permitting ensembleDOI: https://doi.org/10.1002/qj.4305
- DOI: https://doi.org/10.1002/qj.4302
- DOI: https://doi.org/10.3390/jcm11092401
- DOI: https://doi.org/10.5194/npg-29-133-2022
- DOI: https://doi.org/10.2151/sola.2022-005
- DOI: https://doi.org/10.2151/sola.18a-002
- DOI: https://doi.org/10.1016/b978-0-12-822973-6.00020-2
- [2021] Reduced non-Gaussianity by 30 s rapid update in convective-scale numerical weather predictionDOI: https://doi.org/10.5194/npg-28-615-2021
- DOI: https://doi.org/10.1016/j.atmosres.2021.105858
- DOI: https://doi.org/10.1029/2021jd034611
- DOI: https://doi.org/10.1186/s40645-021-00443-6
- DOI: https://doi.org/10.1029/2020jd034214
- DOI: https://doi.org/10.5194/npg-2021-24
- DOI: https://doi.org/10.1029/2020ms002332
- DOI: https://doi.org/10.5194/egusphere-egu21-13672
- DOI: https://doi.org/10.1175/waf-d-20-0152.1
- DOI: https://doi.org/10.5194/egusphere-egu21-6890
- [2021] A machine learning approach to the observation operator for satellite radiance data assimilationDOI: https://doi.org/10.5194/egusphere-egu21-10475
- [2021] Optimizing the localization scale for a convective-scale ensemble radar data assimilation DOI: https://doi.org/10.5194/egusphere-egu21-9533
- DOI: https://doi.org/10.5194/egusphere-egu21-10507
- DOI: https://doi.org/10.5194/egusphere-egu21-4771
- DOI: https://doi.org/10.2115/fiber.77.p-54
- DOI: https://doi.org/10.2151/sola.2021-018
- DOI: https://doi.org/10.2151/sola.2021-008
科研費(0 件)
まだデータがありません(KAKEN 取り込み後に表示)。
所属学会・役職(0 件)
まだデータがありません(学会データ連携後に表示)。