高潮（Storm Surge）モデリングのバイアス補正、グラフニューラルネットワーク（GNN）、グラフ畳み込みネットワーク（GCN）

arXiv cs.LG / 2026/4/23

📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research

共有:

要点

この研究は、熱帯低気圧による高潮予測の改善が不確実性のために難しい点を扱い、特に急速激化や沿岸域での嵐活動増加という最近の傾向を背景に焦点を当てています。
StormNet というスパイオテンポラルなグラフニューラルネットワークを提案し、GCN（グラフ畳み込み）とGAT（グラフ注意）にLSTMを組み合わせて、水位計同士の空間・時間の依存関係を学習することでバイアス補正を行います。
StormNet は米国メキシコ湾岸の過去のハリケーンデータで学習され、2023年のハリケーン・イダリア（Idalia）で評価されています。
報告によると、48時間予測ではRMSEを70%以上、72時間予測では50%以上削減でき、特に長い予測期間で逐次LSTMベースラインより優れた性能を示したとされています。
さらに、低い学習時間など計算効率が高いとされ、リアルタイム運用の高潮予測ワークフローへの適用可能性が示されています。