### 背景 降雨は、あらゆる種類の農業作業にとって非常に重要な要素です。気候関連のデータは、農業や作物の播種関連の分野を分析する上で重要であり、これらのデータを用いて、異なる季節や異なる種類の作物に対する降雨を予測することができます。 開発されたアプリケーションは、http://ml.bigalogy.com/ から入手できます。 論文：http://dspace.uiu.ac.bd/handle/52243/178 ### 概要 人類は先史時代から天気予測を試みてきました。作物を植える時期、建築する時期、干ばつや洪水に備える時期を知るために、それは当然のことです。バングラデシュのような国において、天気、特に降雨を予測できることは、これまでになく重要です。 提案された研究では、機械学習アルゴリズムを用いて降雨の予測モデルを作成することを目指しています。この研究の基礎データは、バングラデシュ気象局から収集されました。主に、バングラデシュの行政区および地区（気象観測所）の長期降雨予測モデルの開発に焦点を当てています。降雨予測は、バングラデシュの経済や日常生活にとって非常に重要です。降雨の不足や大量降雨は、気候の変化パターンに伴い、農村部と都市部の生活に大きな影響を及ぼします。異常な降雨や長期にわたる雨季は、考慮すべき重要な要因です。我々は、異常な現象が多発し、新たな気象パターンが生じているかどうかを調査したいと考えています。農業は降雨に依存しており、大量降雨は頻繁に洪水を引き起こし、作物に大きな損失をもたらします。降雨は、様々な大気、海洋、地理的パラメータに依存する非常に複雑な現象です。これらのパラメータと降雨の関係は不安定です。さらに、気象状況の変化により、既存の気象予報が利用者にとって使いにくくなっています。 最初に、日・月・年別に、観測所レベルおよび全国レベルの月別降雨予測のための線形回帰モデルを開発しました。ここでは、湿度、温度、風のパラメータを予測因子として使用しています。さらに、ランダムフォレスト回帰という別の人気の回帰分析アルゴリズムを開発することで、研究を拡張しました。その後、いくつかの分類アルゴリズムを用いて、モデルの構築、学習、予測を行いました。それらは、ナイーブベイズ分類、決定木分類（エントロピーとジニ）、ランダムフォレスト分類です。すべてのモデル構築と学習において、予測因子パラメータは、観測所、年、月、日でした。降雨に影響を与えるパラメータの影響は降雨に内在しているため、降雨はこれらのモデルにおけるラベルまたは従属変数となりました。開発および学習されたモデルは、特定の地域（ここでは、バングラデシュ気象局が気象パラメータの値を測定している観測所）の特定の年のある月の降雨を事前に予測することができます。降雨推定の精度は65％以上です。精度のパーセンテージはアルゴリズムによって異なります。 バングラデシュの33の気象観測所の降雨予測のために、2つの回帰分析モデルと3つの分類分析モデルが開発されました。Scalaプログラミング言語での機械学習ライブラリとして、Apache Sparkライブラリが使用されました。分類分析と回帰分析を使用する主な目的は、アルゴリズムの種類による予測出力の比較的な違いと、予測可能性および有用性を調査することです。 この論文は、バングラデシュ国内の降雨予測の取り組みに貢献するものです。バングラデシュで収集された過去の気象データに機械学習モデルを適用する戦略を採用しています。この研究の一環として、Apache Spark、Scala、HighChartsを用いて、複数の機械学習モデルを使用した降雨予測を実証するウェブベースのソフトウェアアプリケーションが作成されました。モデルは、降雨予測の精度を向上させるために順次改良されています。 ### 内容 与えられたデータは、バングラデシュの気象観測所および年別の月別降雨データです。 **データは2つの形式です - 46年間（33の気象観測所）：1970年から2016年まで** - 日別降雨データ - 月別降雨データ ### 列： - 観測所（気象観測所、観測所インデックス付き） - 年 - 月 - 日 [日別データファイルの場合] ### 謝辞 この論文は、私（ユウスフ・ザマン）が1年間にわたって多くの人々に支えられながら行った研究の成果です。ここに、ダッカのユナイテッド・インターナショナル大学の教授であるモハマド・ヌルル・フダ博士に深い感謝と敬意を表します。彼の継続的な励まし、指導、提案、重要な支援、そして親切な配慮により、私はこの研究を遂行することができました。 ### 啓発 私は以下についての知識を共有したいと思います。 - これらのデータの出所 - 私の研究内容 - 私の研究結果